XiaoMi-AI文件搜索系统
World File Search System测试环境
适合测试程序强制性horcher提议的文本
***** 14。测试练习。（a）雇主必须对本附录中规定的所有拟合测试方法进行以下测试练习，除了两个修改的环境气溶胶CNC定量拟合测试协议，CNP定量拟合测试协议和CNP REDON REDON定量拟合测试协议。对于这两者，经过修改的环境CNC定量拟合测试方案，雇主必须确保该附录的I.C.4（b）中指定的练习程序（即雇员）执行CNP定量量化测试的练习程序，以进行全面效果和练习的练习时间，或对练习的一部分。面部呼吸器。雇主应确保测试对象（即员工）执行本附录第I.C.6（b）节中指定的练习程序，以定量定量拟合测试协议或本附录的第I.C.7（b）节中所述的练习程序，用于CNP重新恢复定量拟合拟合测试协议。对于剩余的拟合测试方法，雇主必须确保以以下方式在适当的测试环境中执行雇员进行测试练习：
世界质量报告 I 2022-23
欢迎阅读第 14 版《世界质量报告》。该报告被公认为业界规模最大的研究报告，旨在全面评估全球和不同行业的当前质量工程实践状况。在过去 14 年中，该报告通过调查多个行业和地区的 1,750 名高管，跟踪和研究了质量工程和测试领域最重要的趋势和发展。凯捷和 Sogeti 很荣幸能与我们的战略技术合作伙伴 Micro Focus 一起发布这份报告。我们确保所涵盖的主题尽可能广泛和深远，以便我们能够捕捉到行业中的细微差别（您越仔细观察）和趋势。在本报告中，您将看到我们对几个关键重点领域的主要发现和建议：敏捷质量编排、智能自动化、测试环境配置、测试数据配置和数据质量、可持续 IT、新兴技术的质量工程以及价值流管理。专家的研究结果得到了来自各财富 500 强企业的 10 多位高级管理人员的评论、示例和最佳实践的补充，他们围绕这些主题进行了深入访谈。
船只：碳吸引应用和系统的测试床
为了减少计算的碳足迹和稳定电网的碳足迹，越来越重视将IT基础设施的功率使用与清洁能源的可用性保持一致的方法。不幸的是，由于缺乏可用的测试环境，有关能源感知和碳感知应用以及计算和企业系统之间的界面的研究仍然很复杂。到今天为止，几乎所有新方法均在自定义仿真测试床上进行评估，这导致了重复的开发工作和结果有限的可比性。在本文中，我们提出了船只，这是一种用于与能量系统相互作用的测试应用程序和计算系统的共模拟环境。我们的测试床连接了特定于域的模拟器，以进行可再生的发电和能源存储，并使用户能够实现接口，可以通过软件和硬件中的模拟集成真实的系统。weastim提供易于使用的接口，可扩展到新的模拟器，并直接访问对历史数据集。我们的目标不仅要加快碳感知计算的研究，而且还促进了开发和操作，例如连续测试或数字双胞胎。船只公开可用：https：//github.com/dos-group/vessim。
比较裸机嵌入式系统上的ECDSA签名验证实现
椭圆曲线数字签名算法（ECDSA）是一种加密方案，用于生成数字签名和验证它们。在这项研究过程中，实施了两个软件库，以执行ECDSA签名验证。讨论了ECDSA签名验证的两个实现，并就其性能进行了比较。在最小的模拟测试环境中，这两个实现都针对单个核心RISC-V CPU。第一个实现纯粹是在软件中完成的，而第二个实现是使用协处理器来加速执行的。为了访问此协处理器，RISC-V GNU工具链在这项研究期间通过自定义说明进行了扩展。这是根据ECDA及其对特别大数的要求完成的（例如283位整数）。在软件中处理这些数字需要相对较高的执行时间，尤其是在低时钟频率的单核系统上。对于这些系统，协处理器库非常适合大多数情况。如果系统时钟频率分别高，则纯软件实现也可能符合人的要求，而无需其他硬件。此外，如果签名验证的数量非常低（例如在应用程序启动时仅一次），然后，协处理器需要运行时大多未使用的芯片区域。
自动驾驶汽车中的图像分析
摘要：使用人工智能（AI）进行高级图像分析的集成是自动驾驶汽车（AVS）进化的关键。本文对AVS图像分析中使用的最重要的数据集和最新的AI解决方案进行了详尽的审查。数据集，例如CityScapes，Nuscenes，Carla和Talk2CAR，构成了培训和评估不同AI模型的基准，具有符合自动驾驶各个方面的独特特征。关键AI方法，包括卷积神经网络（CNN），变压器模型，生成对抗网络（GAN）和视觉语言模型（VLMS）。本文还对现实世界中各种AI技术进行了比较分析，重点是语义图像细分，3D对象检测，虚拟环境中的车辆控制以及使用自然语言的车辆交互。同时突出了多个数据集和仿真平台（如Airsim，Torcs和Summit）在丰富AV的训练数据和测试环境中的作用。通过综合数据集，AI解决方案和比较性能评估的信息，本文为研究人员，开发人员和行业利益相关者提供了至关重要的资源，可清楚地了解自动驾驶汽车图像分析技术的当前景观和未来方向。
![arxiv：2501.16165v1 [cs.cr] 2025年1月27日](/simg/1\171f982992eecabd89c58411b5c551f1b9e106a4.webp)
arxiv：2501.16165v1 [cs.cr] 2025年1月27日
摘要操作系统（OS）内核是模式计算中的基础，尤其是随着不同计算设备的扩散。但是，其发展也带来了可能导致严重安全漏洞的漏洞。与用户空间模糊相比，用来发现这些漏洞的技术是一种用于发现这些漏洞的技术。这些包括配置测试环境并解决内核和模糊过程固有的状态的复杂性。尽管安全界引起了人们的兴趣，但仍然缺乏对内核模糊的全面理解，阻碍了该领域的进一步进步。在本文中，我们介绍了第一个专门用于OS内核模糊的系统研究。首先总结了2017年至2024年之间从顶级场所进行99项学术研究的进展。之后，我们引入了一个基于舞台的模糊模型和一种新颖的模糊分类法，该模型突出了内核模糊特有的九种核心功能。根据定性评估标准，对这些功能与它们相应的方法学方法进行了检查。我们的系统化确定了满足功能要求的挑战，并提出了潜在的技术解决方案。fi-Nelly，我们概述了指导即将进行的内核安全研究的有希望和实用的未来方向，部分支持了我们案例研究的见解。
基于数字孪生的信息物理系统测试
背景：信息物理系统对测试人员提出了挑战，为安全关键和协作环境带来了复杂性和规模。数字孪生通过与物理系统耦合的数据驱动和基于模拟的模型增强了这些系统，以提供可视化、预测未来状态和通信。由于数字世界和物理世界之间的耦合，数字孪生为信息物理系统测试提供了一个新的视角。 目标：本研究的目的是总结现有的基于数字孪生的测试文献。我们旨在发现新兴的采用领域、这些领域中使用的测试技术并确定未来的研究领域。 方法：我们进行了系统的文献综述，回答了以下研究问题：数字孪生目前用于测试哪些信息物理系统？如何为信息物理系统定义测试预言？在测试环境中，用于数字孪生的白盒、黑盒和灰盒建模技术的分布情况如何？如何定义测试用例以及这会如何影响测试输入？结果：我们通过精心挑选的搜索查询从 480 项研究中发现了 26 项相关研究。这些研究表明，在数字孪生引入行业后，人们开始采用基于数字孪生的测试，并且该技术的可访问性不断提高。测试中使用的预言机就是数字孪生本身，因此依赖于这两个系统
GSS6100 产品规格 - Spirent 支持
Spirent 在生产精确、高质量的 GPS 模拟器方面有着悠久而辉煌的历史。GSS6100 秉承了客户对 Spirent 模拟系统和信号发生器所期望的一流功能、性能、可靠性和准确性的传统。GSS6100 单通道 GPS/SBAS 信号发生器专为生产测试应用而设计。标准配置包括用于 ATE 集成的 GPIB 接口、机架安装底盘和机架内年度校准等功能，方便在批量生产测试环境中使用 GSS6100。尽管 GSS6100 专为自动测试应用而设计，但它配备了 PC 软件，方便用作通用实验室信号发生器。GSS6100 将在任何给定时间生成单个模拟 GPS L1、C/A 信号或 SBAS 卫星信号（WAAS 或 EGNOS），选择在模拟开始之前进行。 GSS6100 以 GPS L1 频率 (1.57542 GHz) 生成 GPS 或 SBAS RF 卫星信号。在这两种情况下，载波都使用相关的伪随机测距码和数据消息进行调制。完全支持测距码选择和数据消息定义。信号的多普勒频移和功率电平完全可编程，因此可以在信噪比和信号动态变化的条件下对接收器进行采集测试。载波和代码相位的控制可以模拟电离层
朝基于事件的卫星对接
摘要 - 自动化卫星对接是大多数未来轨内服务任务的先决条件。大多数基于视觉的解决方案建议使用常规摄像机。但是，由于极端的照明条件，官能相机面临挑战。事件摄像机已用于各种应用中，因为它们的优势比常规摄像机（例如高时间分辨率，更高的动态范围，低功耗和更高的像素带宽）。本文提出了一个硬件设置，以模拟低地轨道（LEO）条件。该设置旨在展示基于事件的相机对卫星对接应用程序的适用性。开发的测试环境具有类似于狮子座的照明条件，Leo是洛克希德·马丁（Lockheed Martin）的任务增强端口标准后的模拟卫星对接端口，以及一个可以将模拟卫星移动以复制太空运动的机器人臂。本文显示了在狮子座条件下（例如像素饱和度）中传统摄像机所面临的缺点，从而导致功能丧失。为了克服这些局限性，本文使用基于事件的相机介绍了端口检测管道。所提出的管道在图像空间中以平均误差为8.58像素来检测对接端口。与图像宽度和高度相比，此错误分别为2.48％和3.30％。因此，所提出的方法为卫星对接提供了有希望的结果，该卫星在狮子座环境中使用照明条件具有挑战性的情况。
人工智能和实时战略游戏
随着人工智能的不断进步，应用程序希望 AI 能够像人类一样出色地执行任务，甚至比人类更好。测试理论应用的一个好方法是通过简单到复杂的游戏。过去几年，人工智能模型已用于实时战略游戏，但它们的实现仍处于初级阶段，还有许多工作要做。研究问题是蒙特卡罗（当今世界一种著名的算法）如何得到改进，无论是在一般情况下还是在实时战略游戏的背景下。实施实验设计是主要的研究方法。之所以选择这种技术，是因为它提供了与未探索的想法进行对比的最清晰的框架。研究问题围绕改进蒙特卡罗方法展开，特别是在 MicroRTS（一种流行的 AI 算法测试环境）中。由于研究的目标是增强用于战略游戏的蒙特卡罗树搜索 (MCTS) 算法，因此将对传统的 MCTS 实现（MCTS Greedy 和 MCTS UCB）和独特的建议 MCTS（MCTS UCB+）进行比较。比较分析是通过在 RTS 环境中对每种算法的性能进行基准测试，并根据几个标准比较结果来完成的。研究发现，通过改变采样和选择方法以及对游戏状态的理解，新算法 MCTS UCB+ 能够在 MicroRTS 的部分可观察游戏模式下超越其前辈。