XiaoMi-AI文件搜索系统
World File Search System欺骗
引用：Hall, L. & Clapton, W. (2021)。机器编程：性别、种族、性取向、人工智能以及边界可信度和欺骗的构建。《互联网政策评论》，10 (4)。https://doi.org/10.14763/2021.4.1601
摘要：人们越来越认识到人工智能 (AI) 的政治、社会、经济和战略影响的重要性。这引发了有关人工智能编程、使用和监管的重要伦理问题。本文认为，人工智能的编程和应用本质上都是 (顺) 性别化、性化和种族化的。毕竟，人工智能是由人类编程的，因此，谁来训练人工智能、教它学习以及这样做的伦理问题对于避免 (顺) 性别化和种族主义刻板印象的重现至关重要。本文的实证重点是欧盟资助的 iBorderCtrl 项目，该项目旨在通过实施多种基于人工智能的技术（包括面部识别和欺骗检测）来管理安全风险并提高第三国国民的过境速度。本文汇集了 1) 风险与安全 2) 人工智能与道德/移民/庇护以及 3) 种族、性别、（不）安全与人工智能等领域的文献，探讨了谎言检测对常规过境和难民保护的影响，概念重点关注性别、性取向和种族的交叉点。我们在此认为，iBorderCtrl 等人工智能边境技术存在重大风险，不仅会进一步边缘化和歧视 LGBT 人士、有色人种和寻求庇护者，还会强化现有的非入境做法和政策。
木马欺骗：对关键基础设施的威胁
本文探讨了位置欺骗现象，即欺骗者能够将系统“传送”进出指定位置，目的要么是渗透到禁区，要么是“传送”出物理世界中真实的指定区域。这项研究依靠定性方法，利用学术研究成果、媒体报道、黑客演示和来自这些来源的二手数据，将欺骗威胁置于国际安全背景下。这篇概念性论证文章发现，信号欺骗（可通过在线脚本遵循其方法）使用户能够克服地理定义的领土限制。正如本文所发现的，这允许暴力行为者将系统（例如无人机系统）武器化，可能导致政治紧张局势升级，尽管这种情况非常极端，但不幸的是，这种情况经常发生。文章的结论是，虽然木马欺骗（尤其是）对国际安全构成了真正的、生存性的威胁，但考虑到对社会关键功能的其他威胁，它只是所有部分的总和。如果将地理围栏用作保护资产免受敌对行为者侵害的单一安全点，管理人员需要意识到入侵的脆弱性以及由此产生的地缘政治后果。
操纵性、欺骗性和剥削性的人工智能系统
相关禁令与消费者保护法密切相关，例如不公平商业行为指令、数字服务法（DSA）和金融法规。这些行为还影响个人数据的合法处理，其中包括《通用数据保护条例》（GDPR）等。据 AP 称，人工智能法中的禁令具有预防性质（不得开发或使用人工智能系统），因此这些禁令是对上述法律的补充。因此，这些禁令为更有效地监督人工智能系统在欺骗、操纵和剥削人身案件中发挥作用的情况提供了机会。重要的是，这些法规的解释和应用尽可能一致。这需要荷兰消费者和市场管理局（ACM）、荷兰金融市场管理局（AFM）和 AP 之间的密切合作与协调。
欺骗媒体-Iris -aperto
任何人都可以自由访问可作为“开放访问”的作品的全文。可根据创意共享许可提供的作品可根据所述许可条款和条件使用。使用所有其他作品的使用要求正确持有人（作者或出版商）同意，如果不符合适用法律的版权保护。
虚拟现实不仅欺骗了大脑：脊柱兴奋性在虚拟模拟的跌落
虚拟现实（VR）已知会引起大脑运动区域的大量激活。尚不清楚虚拟现实在多大程度上会触发感觉运动系统，更特别地，它是否会影响较低的神经水平。在这项研究中，我们旨在评估VR模拟具有挑战性和压力的姿势情况（Richie的木板经验）是否可以干扰15位健康的年轻参与者中姿势肌肉的脊柱兴奋性。三头肌肌肉的H-Re the ex在参与者站立并戴着VR头戴式耳机的同时，通过电神经刺激引起。参与者经历了几种情况，在此期间唤起了刺激：站立（Novr）站在地面上的VR（地面VR），站在建筑物的边缘（plankVr）（plankVr）（plankVr），并从建筑物（Fallowvr）掉下来。在整个实验过程中，测量了三头肌肌肉的肌电活性。腿部和头部运动也通过加速度计来测量以说明身体振荡。首先，在条件之间，头部旋转和肌电活性没有差异。第二，从novr到GroundVR和PlankVr不影响三头肌H-Re-Refex（H Max / m max）。最显着的发现是在跌落过程中H-Re-ex的急剧下降（Novr和FallingVR之间的47±26.9％，P = 0.015）。建议在VR中遇到姿势威胁有效地调节脊柱兴奋性，尽管保持了安静的站立姿势。这项研究表明，模拟掉落的模仿神经调整在实际的姿势挑战任务中观察到的神经调整。
关于LiDAR欺骗攻击对自动驾驶车辆的现实主义，高速和长距离
摘要 - 公共道路上自动驾驶（AD）技术的快速部署提出了重大的社会挑战。莱达（LiDar）的安全性（光检测和范围）是AD部署的新挑战之一，因为它通过准确的3D环境感知在启用4级自治方面至关重要。最近的研究线表明，LiDar欺骗攻击可能会损害LIDAR，从而通过向LIDAR发射恶意激光来覆盖合法感知。然而，以前的研究仅在受控环境中成功证明了它们的攻击，但是在现实的高速，长距离广告场景中攻击的可行性中存在差距。为了弥合这些差距，我们设计了一个新型移动的车辆欺骗（MVS）系统，该系统由3个子系统组成：激光雷达检测和跟踪系统，自动摄像机系统和激光雷达欺骗系统。此外，我们设计了一种新的对象去除攻击，一种自适应的高频去除（A-HFR）攻击，即使对脉冲指纹特征的最近激光雷达，也可以通过利用目标LIDARS扫描时间的灰色盒子知识来有效。使用我们的MVS系统，我们不仅是第一个展示激光欺骗对实际广告方案的攻击，在这种情况下，受害者车辆以高速行驶（60 km/h）驾驶，而且该攻击是从长距离（110米）发射的，而且我们也是第一次对雷达欺骗的攻击实际上由流行的行驶行驶，实际上是通过流行的行驶攻击的人。我们的对象去除攻击实现了≥96％的攻击成功率，以驾驶60 km/h的车辆到制动距离（20米）。最后，我们讨论了与我们的MVS系统攻击的可能对策。这项研究不仅弥合了LiDAR安全性与AD安全研究之间的关键差距，而且为建立针对新兴威胁的强大对策奠定了基础。
PhishCatcher：针对Web欺骗攻击的客户端防御
网络安全在维持个人用户信息（例如密码和PIN代码）的机密性和完整性方面面临着重大挑战。每天，数十亿用户会接触到请求敏感信息的假登录页面。有很多方法可以欺骗用户访问网站，例如网络钓鱼电子邮件，诱饵和开关广告，click插齿，恶意软件，SQL注入，会话劫持，中间人，中间人，拒绝服务和跨站点脚本攻击。Web欺骗或网络钓鱼是一种电子技巧，其中攻击者会创建合法网页的恶意副本，并请求个人用户信息（例如密码）。为了打击此类攻击，研究人员提出了几种安全策略，但它们遭受了延迟和准确性问题的困扰。为了克服此类问题，我们建议并开发一种基于机器学习技术的客户端防御机制，以检测伪造的网站并保护用户免于网络钓鱼攻击。作为概念证明，开发了一个名为PhishCatcher的Google Chrome扩展程序，该扩展名实现了机器学习算法以将URL归类为可疑或值得信赖。该算法采用四种不同类型的Web功能作为输入，并使用随机森林分类器来确定登录网页是否是假的。为了评估扩展的准确性和精度，在实际Web应用程序上进行了一些实验。实验结果表明，从400个分类的网络钓鱼URL和400个合法URL的实验中，实验的惊人精度为98.5％，精度为98.5％。PhishCatcher记录的平均响应时间仅为62.5毫秒。为测量工具的潜伏期，还进行了40多个网络钓鱼URL的实验。
