XiaoMi-AI文件搜索系统
World File Search System检测系统
驱动程序嗜睡检测系统
学生，VVCE摘要驾驶员的嗜睡仍然是交通事故的主要原因之一，尽管包括机器学习和传感器在内的新兴技术的快速发展可能在解决该问题方面具有巨大的潜力。该项目的目的是探索乘客汽车环境中昏昏欲睡的驾驶员行为的检测和预测的想法。范围是在系统的概念模型的开发中构建的，以及对拟议解决方案的要求的定义。该研究集中在可用的和潜在的嗜睡测量和技术上，允许检测和预测嗜睡。由于系统涉及用户生成的数据的使用，因此根据设计原理的隐私提供了有关隐私和安全性的注意事项。第1章：简介1.1背景和动机驱动力的昏昏欲睡是造成交通事故和相关伤害以及世界各地死亡的因素之一。嗜睡是一个状态，使方向盘后面的人困了或有疲劳标记。这是入睡和警觉性之间的一个阶段。由于驾驶是一项复杂的活动，因此需要持续的信息分析和对驾驶员环境的关注。驾驶员嗜睡是一个经过深入研究的领域。但是，需要更多的现实世界解决方案。驾驶汽车的挑战之一是主观预测该人入睡的确切时间。Sahayadhas将驾驶员嗜睡策略分为三个类别：1。因此，已经对该主题进行了大量的学术研究，测试和验证了可以检测驾驶员嗜睡并发出警告的不同技术解决方案。基于车辆的措施 - 请参阅从各种汽车中安装的传感器获得的数据
网络知情性：使用CVSS增加对入侵检测系统的信任
入侵检测系统（IDSS）是必不可少的网络安全组合。以前的网络攻击检测方法更多地依赖于签名和规则来检测网络攻击，尽管过去十年来范式发生了变化，机器学习（ML）实现了更有效，更灵活的统计方法。，ML目前无法将网络安全信息集成到其内部运作中。本文介绍了网络知情性，这是一个新的指标，考虑到网络安全信息，以更明智地表示绩效，受到遇到的攻击的严重性的影响。该指标在网络安全方面使用了事实：共同的漏洞评分系统（CVSS）。在两个公共数据集上的结果表明，这种新的度量标准验证了使用通用指标获得的结果。此外，这种新的度量强调了基于ML的IDSS，优先考虑了严重攻击的高度绩效，这对通用指标看不到。因此，这个新的指标通过弥合ML和网络安全之间的差距很好地完成了通用指标。
高级气体泄漏检测系统-IJRPR
基于微型控制器的低成本气体溢出发现器，谨慎[3]创建了一个气体溢出发现框架，以警告人类从气体有害中的人。该谨慎是简短的消息好处（SMS），它使用了使用Arduino Uno和SIM900 GSM/GPRS门比较人的手机，分析师计划了他们提出的燃气发现溢出，如果通过气体传感器检测到任何溢出，则将SMS寄给使用GSM的People或Family Part。他们的框架具有包括LPG枪管的重量并在LCD展览中显示的作品。如果燃气桶的数量较小或即使达到10kg，则可以通过向商人发送SMS来自然预订LPG枪管。此外，当LPG枪管的重量降至0.5公斤时，它警告了SMS房屋中的人们更改枪管。
对在入侵检测系统中可解释的人工智能整合的系统综述，以增强网络安全的透明度和可解释性
复杂的网络威胁的兴起刺激了入侵检测系统（IDS）的进步，这对于实时识别和减轻安全漏洞至关重要。传统ID通常依赖于复杂的机器学习算法，尽管其精确度很高，这些算法仍缺乏透明度，从而产生了“黑匣子”效应，从而阻碍了分析师对他们决策过程的理解。可解释的人工智能（XAI）通过提供可解释性和透明度，提供了一个有希望的解决方案，使安全专业人员能够更好地理解IDS模型。本文对XAI在ID中的集成进行了系统的综述，重点是提高网络安全的透明度和可解释性。通过对最近的研究的全面分析，本综述确定了常用的XAI技术，评估了它们在IDS框架中的有效性，并检查了它们的收益和局限性。的发现表明，基于规则和基于树的XAI模型是其可解释性的首选，尽管具有检测准确性的权衡仍然具有挑战性。此外，该评论突出了标准化和可扩展性中的关键差距，强调了对混合模型和实时解释性的需求。本文以未来研究方向的建议结束，提出了针对ID，标准化评估指标以及优先级安全和透明度的道德框架量身定制的XAI技术的改进。本评论旨在告知研究人员和从业者当前的趋势和未来利用XAI提高ID的有效性，促进更透明，更弹性的网络安全景观方面的机会。
将数字创新用于社会变革-IJRPR心脏病发作检测系统-IJRPR
心脏病发作检测系统至关重要，因为它们允许连续和主动监测。传统上，诊断心脏问题要求患者去诊所或医院进行评估目的，通常是在症状表现出来的。不幸的是，大多数心肌梗死发生在患者可能会错过或误诊的微妙或非典型症状。自动监视系统解决了此问题，因为它不断跟踪重要参数，以确保在发生时迅速识别重大事件。这对于改善生存机会和减少心脏损害非常重要，因为实时监测健康参数会减少症状出现和进一步医疗干预的时间之间的时间。
基于控制器区域网络的生成分类器的异常检测系统
摘要 - 作为电子系统在现代车辆中变得越来越复杂且普遍存在，因此在板载网络上保护至关重要，特别是这些系统中的许多都是至关重要的。研究人员表明，现代车辆容易受到各种攻击的影响，从而使攻击者能够控制并损害安全 - 关键的电子系统。因此，文献中已经提出了几种入侵检测系统（IDS）来检测对车辆的这种网络攻击。本文介绍了一个基于新颖的生成分类器的入侵检测系统（IDS），该系统（IDS）专为汽车网络中的异常检测而设计，特别关注控制器区域网络（CAN）。利用变异贝叶斯，我们提出的ID使用深层可变模型来构造有条件概率的因果图。使用自动编码器体系结构来构建分类器以估算条件概率，这有助于通过贝叶斯推断的最终预测概率。对公共汽车挖掘数据集上针对最新IDS的比较评估突出了我们提出的分类器在提高检测准确性和F1分数方面的出色表现。提出的ID通过用有限的培训数据胜过现有模型来证明其功效，从而为汽车系统提供了增强的安全保证。
对联邦入侵检测系统的全面调查：技术，挑战和解决方案
，KILA，KOZANI，KOZANI，50100，希腊B电气和计算机工程系，西马其顿大学，校园Zep Kozani，Kozani，Kozani，50100，Greece c Tecnalia，Basque研究与技术联盟（BRTA） Mikeletegi Pasealekua, 2, 20009 Donostia, SS, Derio, 48160, Spain d Industrial Systems Institute / Research Center “ATHENA”, Patras Science Park building Platani, Patras, 26504, Greece e Secure Systems Laboratory, Department of Digital Systems, University of Piraeus, 80 Karaoli & Dimitriou, Piraeus, 18534, Greece f Department of Computer科学，德国人，特拉斯大学，卡瓦拉校园，卡瓦拉，65404，希腊网络和数字媒体系，金斯敦大学，伦敦金斯敦大学，彭斯顿，泰晤士河，泰晤士河，萨里，伦敦，伦敦，KT1 2EE，英国，英国，KILA，KOZANI，KOZANI，50100，希腊B电气和计算机工程系，西马其顿大学，校园Zep Kozani，Kozani，Kozani，50100，Greece c Tecnalia，Basque研究与技术联盟（BRTA） Mikeletegi Pasealekua, 2, 20009 Donostia, SS, Derio, 48160, Spain d Industrial Systems Institute / Research Center “ATHENA”, Patras Science Park building Platani, Patras, 26504, Greece e Secure Systems Laboratory, Department of Digital Systems, University of Piraeus, 80 Karaoli & Dimitriou, Piraeus, 18534, Greece f Department of Computer科学，德国人，特拉斯大学，卡瓦拉校园，卡瓦拉，65404，希腊网络和数字媒体系，金斯敦大学，伦敦金斯敦大学，彭斯顿，泰晤士河，泰晤士河，萨里，伦敦，伦敦，KT1 2EE，英国，英国，KILA，KOZANI，KOZANI，50100，希腊B电气和计算机工程系，西马其顿大学，校园Zep Kozani，Kozani，Kozani，50100，Greece c Tecnalia，Basque研究与技术联盟（BRTA） Mikeletegi Pasealekua, 2, 20009 Donostia, SS, Derio, 48160, Spain d Industrial Systems Institute / Research Center “ATHENA”, Patras Science Park building Platani, Patras, 26504, Greece e Secure Systems Laboratory, Department of Digital Systems, University of Piraeus, 80 Karaoli & Dimitriou, Piraeus, 18534, Greece f Department of Computer科学，德国人，特拉斯大学，卡瓦拉校园，卡瓦拉，65404，希腊网络和数字媒体系，金斯敦大学，伦敦金斯敦大学，彭斯顿，泰晤士河，泰晤士河，萨里，伦敦，伦敦，KT1 2EE，英国，英国
基于嵌入式人工智能的智能入侵检测系统...
摘要。本文提出了一种通常适用于所有边缘到云应用的通用物联网框架，并对涉及汽车 V2X 架构的用例进行了评估研究，该架构在模拟智能车环境中的玩具智能车上进行了测试和验证。研究中的架构经过精细调整以模拟实际场景，因此玩具车上的传感器几乎涵盖了当今智能车中辅助常规 ADAS 的所有传感器。云连接通过 CoAP 协议维持，CoAP 协议是一种标准的物联网连接协议。最后，提出的安全解决方案是使用机器学习 (ML) 技术构建并部署在边缘的智能入侵检测系统 (IDS)。边缘 IDS 能够执行异常检测并将检测结果以及传感器收集的大数据报告给云端。在云端，服务器存储和维护收集的数据，以便进一步重新训练 ML 模型以进行边缘异常检测，该模型分为两类，即传感器异常检测模型和网络异常检测模型。为了演示无线软件更新 (SW-OTA)，评估设置中的云实现了从云到连接边缘的 ML 模型升级功能。此实现和评估提供了选择 ML 作为 IDS 候选的概念验证，并且该框架通常适用于各种其他 IoT 场景，例如医疗保健、智能家居、智能城市、港口和工业环境等，并为未来的优化研究铺平了道路。
使用联邦学习对物联网安全挑战进行研究入侵检测系统
物联网（IoT）是一个分散且不断变化的网络，它在安全方面构成了挑战。输入强调了对保护物联网设备及其数据免受潜在威胁的强大安全措施的需求。该研究侧重于联合学习（FL）技术，作为增强物联网安全性的潜在解决方案。fl模型旨在保护敏感数据，同时允许其与其他系统进行交换，从而成为保护物联网环境的有前途的方法。此外，该输入表明，实施入侵检测系统（IDS）是增强整体物联网安全性的附加策略。通过组合FL和ID，目的是开发一种全面的解决方案，以解决保护IoT设置的复杂问题。输入强调了探索机器学习（ML）技术的重要性，以改善物联网设备的安全协议。它还强调了验证FL技术在保护和传输物联网系统中的指定信息中的效果的重要性。ID的集成被提出是一项额外的措施，以增强整个物联网系统的安全性。最终，这项研究的目的是提供全面和有效的解决方案来应对物联网中的安全挑战，从而增加对这项技术在各个领域中应用的信任。