XiaoMi-AI文件搜索系统
World File Search System检测系统
针对航空电子应用的基于主机的入侵检测系统的实现
摘要 — 如今，飞机受到强大的安全性能、合格的操作员和基于流程的安全措施的保护。然而，考虑到最近机上服务向更多连接、资源共享和高级娱乐功能的发展，以及针对嵌入式系统的威胁增加，必须认真考虑未来系统对飞机应用程序的潜在恶意修改。在这种情况下，可以开发多种解决方案来提高飞机安全性。特别是，基于主机的入侵检测系统 (HIDS) 与处理内部攻击等有针对性的威胁有关。本文介绍了在飞机上构建 HIDS 的具体限制，并讨论了一些满足这些限制的相关解决方案。从检测效率和资源消耗方面评估这些解决方案，以选择能够在效率和性能之间实现最佳平衡的解决方案。本文还描述了该解决方案在嵌入式航空电子计算机上的实现。索引词 — 入侵检测系统、安全、航空电子、嵌入式、实时
使用 Mask R-CNN 的头盔检测系统
我们已经看到了这些信息，所以我们决定为这个项目做出贡献。为了公共安全，需要一个可以检测到路上没有戴头盔的人的自动头盔识别系统。这种类型的系统将帮助官员判断谁戴了头盔，并对犯错的两轮车用户处以罚款。在这个项目中，我们将使用 mask RCNN，但首先让我们了解一下 faster R-CNN 的工作原理。它们分为两个阶段。阶段 1：它由两个网络和区域提议网络组成。我们必须一次提供一个输入来获得一组区域提议，区域提议是特征图中包含对象的区域。阶段 2：在第二阶段，网络预测阶段 1 中获得的每个提议区域的边界框和对象类。每个提议区域可以有不同的大小，而网络中的全连接层始终需要固定大小的向量来做出预测。这些提议区域的大小是通过使用 Rol pool 或 RoIAlign 方法来固定的。
带有心率监测的身体和秋季检测系统
每年65岁以上的人中有三分之一至50％[1]。这些跌倒的老年人中有一半反复这样做[1]。跌倒是老年人受伤的主要原因，也是75岁及以上的意外死亡的主要原因，占意外死亡的70％[2]。超过90％的髋部骨折是由跌倒引起的，其中大多数骨折会影响70岁以上的骨折[3]。美国每年花费超过200亿美元来治疗与跌倒有关的伤害和并发症[4]。他们的孩子长大并离开了房子后，许多老人独自生活在公寓或较小的房子里。一个跌倒的老年人通常无法独自起床或寻求帮助。因此，一个可以自动检测到跌倒的系统，即使患者失去知觉或跌倒后无法起床，也可以寻求帮助。
县监狱快速 DNA 检测系统的资金支持
县监狱快速 DNA 系统的资金支持 根据佛罗里达州法律，某些罪犯，包括因重罪或重罪未遂而被捕的罪犯，在被关进监狱、惩教所或少年管教所时，必须提交 DNA 样本。由于测试性质以及佛罗里达州执法部门 (FDLE) 目前提交的样本积压，对被捕者的 DNA 测试可能需要数周或数月才能完成。FBI 最近允许 FDLE 从监狱环境（即入狱站）提交快速 DNA。快速 DNA 是通过面颊拭子提取的 DNA，由机器测试，并自动上传到 FBI 的联合 DNA 索引系统 (CODIS) 数据库。快速 DNA 可以在 1-2 小时内开发完成，无需 DNA 实验室或任何人工干预或审查。在监狱中使用快速 DNA 技术将允许执法部门对符合条件的罪犯进行 DNA 测试，并确定该人的 DNA 是否与任何未解决的犯罪相匹配，而该人仍在拘留中。这项资金申请寻求从州预算中拨款，用于一项初步试点计划，购买快速 DNA 机器，供佛罗里达州的 11 所监狱使用。此外，HB 1105 和 SB 1140 将在 FDLE 内创建一个快速 DNA 资助计划，向县监狱或治安官办公室提供资助，以支持当地执法机构在未来购买快速 DNA 机器和检测用品。这些资金将是解决悬案和确保危险的惯犯不会再次被释放到街头的重要一步。
物联网入侵检测系统性能：最新研究成果
如今，物联网吸引了众多研究和工业界的兴趣。更小、更智能的设备每天都在多个物联网领域实施。然而，保护物联网设备免受网络攻击对其运行至关重要。机密数据因恶意行为而泄露。因此，设备性能变得至关重要。基于物联网的结构中经常出现安全风险，影响其标准工作。因此，为了消除和减轻这些问题（攻击），提出了入侵检测系统 (IDS) 来实现这一目的。本文旨在研究所提出的 IDS 的最新进展。接下来，我们严格审查了所提出的基于 IDS 的机器学习算法。基于此评估标准，严格审查了涵盖架构、智能预测和算法的解决方案。为了实现我们的目标，本文提出了物联网设计中的挑战和开放的研究领域。
无线入侵检测系统 (WIDS)/无线入侵...
附件 要求 NIST SP 800-53 修订版 5 安全控制 WIDS-WL-4 AU-2、AU-12、CM-8 (3)、SI-4 (14、15) WIDS-WL-5 AU-2、AU-12、CM-8 (3)、SI-4 (14) WIDS-WL-6 CM-8、SI-4 (14) WIDS-WL-7 AU -2、AU-12、CM-8 (3)、SI-4 (14) WIDS-WL-8 AU-2、AU-12、CM-8 (3)、SI-4 (14) WIDS-WL-9 AU-2、AU-12、CM-8、SI-4 (14) WIDS-WL-10 SI-4 (14) WIDS-WL-11 SI-4 (4、14) WIDS-WL-12 AU- 2、AU-12、CM-8 (3)、 SI-4 (14) WIDS-WL-13 AU-2、AU-12、SI-4 (14) WIDS-WL-14 AU-2、AU-12、CM-8 (3)、SI-4 (14) WIDS-WL-15 AU-2、AU-12、SI-4 (14) WIDS-WL-16 AU-2、AU-12、SI-4 (14) WIDS-WL-17 AU-2， AU-12、SI-4 (14) WIDS-WL-18 SI-4 (14) WIDS-WL-19 AU-2、AU-12、SI-4 (14) WIDS-WL-20 AU-2、AU-12、SI-4 (14) WIDS-WL-21 AU-2、AU-12、SC-5 (3)、SI-4 (14) -22 AU-2、AU-12、 SI-4 (11, 14) WIDS-WL-23 AU-2, AU-12, SC-5 (2), SI-4 (14) WIDS-WL-24 AU-2, AU-12, SC-5 (2), SI-4 (14) WIDS-WL-25 AU-2, AU-12, SI-4 (14) WIDS-WL-26 AU-2, 12、SI-4 (14) WIDS-WL-27 AU-2、AU-12、SI-4 (14) WIDS-WL-28 AU-2、AU-12、SI-4 (14) WIDS-WL-29 AU-2、AU-12、SI-4 (14) WIDS-WL-30 AU-2、AU-12、SI-4 (14) WIDS-WL-31 AU-2、 AU-12、SI-4 (14) WIDS-WL-32 AU-2、AU-12、SI-4 (14) WIDS-WL-33 AU-2、AU-12、SI-4 (14) WIDS-WL-34 AU-2、AU-12、SI-4 (14、15) WIDS-WL-35 AU-2、AU-12、SI-4 (14) WIDS-WL-36 AU -2、AU-12、SI-4 (14) WIDS-WL-37 AU-2、AU-12、SI-4 (14) WIDS-ED-1 SI-4 (4, 14) WIDS-ED-2 SI-4 (4, 14) WIDS-ED-3 SI-4 (4, 14) WIDS-ED-4 SI-4 (14) WIDS-ED-5 SI-4 (14) WIDS-ED-6 SI-4 (14) ） WIDS-ED-7 SI-4 (14) WIDS-ED-8 SI-4 (14) WIDS-ED-9 SI-4 (14)
采用自适应小波脑电图的智能运动想象检测系统
摘要：运动想象 (MI) 任务的分类为残障人士与脑机接口环境的连接提供了一种强大的解决方案。精确选择脑电图 (EEG) 信号的可调 Q 小波变换 (TQWT) 的均匀调谐参数是一项艰巨的任务。因此，本文提出了稳健的 TQWT，用于自动选择最佳调谐参数，以准确分解非平稳 EEG 信号。探索了三种进化优化算法来自动调整稳健 TQWT 的参数。使用分解的均方误差的适应度函数。本文还利用拉普拉斯分数进行通道选择以选择主通道。使用最小二乘支持向量机分类器的不同核对从稳健 TQWT 子带中提取的重要特征进行分类。径向基函数核提供了 99.78% 的最高准确率，证明了所提出的方法优于使用相同数据库的其他最先进方法。