XiaoMi-AI文件搜索系统
World File Search System开源软件
开源软件的价值
作者感谢 Linux 基金会提供的资金和行政支持，如果没有这些支持，普查数据就无法获得。我们非常感谢哈佛商学院研究计算服务、哈佛创新科学实验室、Linux 基金会以及软件组成分析数据提供商 Snyk、Synopsys 网络安全研究中心和 FOSSA 的支持。我们感谢 Tianli Li 和 Misha Bouzinier 提供的出色研究协助。我们还感谢软件开发人员 Boris Martinovic 以及微软的 Rich Lander 和 Scott Hanselman 对 .NET 生态系统的见解。我们从哈佛商学院价值观和估值会议、哈佛商学院 D3 研究日和 2023 年管理学院会议的参与者那里得到了有益的反馈。
保护开源软件生态系统
执行摘要 自 2021 年发现 Log4Shell 漏洞以来，拜登-哈里斯政府加强了保护开源软件生态系统的承诺。i 2023 年 3 月，拜登-哈里斯政府发布了《国家网络安全战略》（NCS），其中指出，“联邦政府将与私营部门和开源软件社区合作，继续投资开发安全软件，包括内存安全语言和软件开发技术、框架和测试工具。” ii 这一承诺为国家网络总监办公室 (ONCD) 通过 2023 年 NCS 实施计划倡议 4.1.2“促进开源软件安全和采用内存安全编程语言”来促进开源软件开发实践的安全性提升奠定了基础。” iii
ads.cert 开源软件实施者指南
项目负责人： Curtis Light，Google 高级软件工程师 Rob Hazan，Index Exchange 产品高级总监 其他重要贡献者： Ben Antier，Publica 首席执行官 Nabhan El-Rahman，Publica 首席技术官 Joshua Gross，Index Exchange 高级工程主管 Bret Ikehara，Publica 高级软件工程师 Johnny Li，Index Exchange 软件工程师 Amit Shetty，IAB Tech Lab 程序化产品与合作伙伴关系 Sam Mansour，Moat 首席产品经理 Miguel Morales，Lucidity Tech 首席技术官兼联合创始人 Colm Geraghty，Verizon Media Group 首席架构师 Mani Gandham，Index Exchange 工程 James Wilhite，Publica 产品管理总监 IAB Tech Lab 负责人：Amit Shetty IAB Tech Lab 程序化产品与合作伙伴关系副总裁 关于 IAB Tech Lab IAB 技术实验室 (Tech Lab) 是一个非营利性研究和开发联盟，它制定并提供标准、软件和服务，以推动有效和可持续的全球数字媒体生态系统。IAB Tech Lab 由数字出版商和广告技术公司以及营销人员、代理商和其他对互动营销领域感兴趣的公司组成，旨在通过透明、安全、有效的供应链、更简单、更一致的衡量标准以及为消费者提供更好的广告体验来促进品牌和媒体的增长，重点是移动和电视/数字视频频道的支持。IAB Tech Lab 的产品组合包括 DigiTrust 实时标准化
开源软件在人工智能中的作用
从 1956 年夏天的达特茅斯研讨会算起，人工智能 (AI) 领域到现在已经有 64 年的历史了。当今的人工智能最让您感到惊讶的是什么？对我来说，答案很简单 — 那就是开源软件推动人工智能发展的程度。20 世纪 70 年代，我还是麻省理工学院的一名学生，学习人工智能课程。毕业后，我在一家早期的人工智能初创公司工作，从事语音识别工作，我们将代码作为重要的专有机密进行保护。20 世纪 80 年代，当我还是耶鲁大学的一名研究生，正在攻读计算机科学博士学位时，更多的人工智能初创公司正在形成，他们也怀着同样的心态来保护自己的代码；当时，除了少数 LISP 公司外，很少有公司采用开源优先的方法。快进到 2020 年，Databricks（用于扩展数据和人工智能工作流的 Spark）和 Seldon（用于人工智能模型服务的 Seldon Core）等公司正在使用开源优先的方法来建立思维和市场份额。事实上，作为 IBM 开源数据和 AI 技术中心 1 工作的一部分，我们被鼓励参与开源数据科学和 AI 社区。最近，我被选为 LF AI & Data Foundation 2 技术顾问委员会主席，该基金会致力于孵化和启动开源 AI 项目。
提高运营中开源软件的安全性...
2023 年，CISA 的联合网络防御协作组织 (JCDC) 发起了一项协作规划工作，以支持 OSS 在关键基础设施 OT 中的意识、安全性和网络弹性。这项工作是 JCDC 2023 年规划议程中的优先举措之一，该议程由 JCDC 参与者的贡献组成，包括行业合作伙伴和 OSS 基金会的代表。与 JCDC 将公共和私人合作伙伴聚集在一起制定联合网络防御计划的方法一致，本情况说明书受益于行业贡献者的意见，包括埃森哲、Claroty、Dragos、Fortinet、谷歌、霍尼韦尔、微软、Nozomi Networks、NumFOCUS、OpenSSF / Linux 基金会、罗克韦尔自动化、Rust 基金会、施耐德电气、施魏策尔工程实验室、西门子和 Xylem。组织可以参考运营技术中的开源软件安全网页，以了解 OSS 规划计划、目标和其他可交付成果的概述。
生成有向无环图的开源软件比较
如何建立因果关系的研究在许多学科中引起了越来越多的关注 [1、2、3、4、5、6]，尤其是在无法进行随机对照实验的情况下。有向无环图 (DAG) [1、2、5] 是可视化假设的因果关系、确定可能出现偏差的位置以及告知如何解决偏差的关键工具之一。这些图显示了暴露、结果和其他相关变量之间的联系。DAG 被广泛应用于流行病学 [7、8、9]、社会学 [10、11、12]、教育学 [13、14、15] 和经济学 [16、17、18]。 DAG 由节点和边组成，节点表示变量，边通过显示从原因指向结果的箭头来传达直接的因果关系。重要的是，如果一个图没有变量是其自身的祖先，即图中没有循环，并且每条边都指向一个方向，则该图符合 DAG 的条件 [19]。要使 DAG 被视为因果关系，它需要包含图中任何两个现有变量的共同原因的所有变量 [1]。
XBRAINLAB：用于基于人工智能的EEG分析的开源软件
可解释的人工智能的最新进展已在各个领域都显着促进了科学发现。在神经科学研究领域，深层解释技术的应用为大脑功能和机制提供了宝贵的见解。我们介绍了XbrainLab，这是一种可访问的脑电图分析工具，其用户友好的图形用户界面（GUI）与代码脚本无缝兼容。XbrainLab提供了全面的端到端深度学习脑电图分析管道，能够将原始脑电图转换为可理解的神经模式可视化。通过使用不同的EEG数据集的实际演示，我们强调了Xbrainlab在与既定神经科学知识保持一致的神经表示方面的多功能性。这种不断发展的开源平台桥梁具有神经科学研究的前沿。可以在https://github.com/cecnl/xbrainlab上访问代码存储库。
开源软件供应链中的分解和衡量信任
抽象信任是软件供应链成功且安全的功能不可或缺的一部分，这使得衡量开源社区的信任状态和发展非常重要。但是，现有的安全和供应链研究经常研究信任的概念而没有明确的定义，并依靠明显且易于获得的信号，例如GitHub Stars，而无需更深的接地。在本文中，我们探讨了如何衡量对开源供应链的信任，目的是根据社区中开发人员的行为制定可靠的信任措施。为此，我们为将复杂的大规模系统的信任分解为关键信任关系的过程做出了贡献，系统地识别了给定关系的信任组成部分的基于行为的指标，进而为这些指标的数据驱动指标提供了实践范围测量的指标。
生成的AI和分布式工作 - 开源软件的证据
- 示例：免费开源软件（OSS）贡献者漏斗 - ≈50％项目依赖于单个维护者（Avelino等人。2017） - 5％的开发人员的价值的96％（Hoffmann等人2024）