XiaoMi-AI文件搜索系统
World File Search System系统风险
迈向安全信息基础设施的迁移...
*1 NIST，“NISTIR 8105：后量子密码学报告”，2016 年。https://csrc.nist.gov/pubs/ir/8105/final *2 白宫，“关于促进美国在量子计算领域的领导地位同时减轻易受攻击的密码系统风险的国家安全备忘录”，2022 年 5 月 4 日。https://www.whitehouse.gov/briefing-room/statements-releases/2022/05/04/national-security-memorandum-on-promoting-united-states-leadership-in-quantum-computing-while-mitigating-risks-to-vulnerable-cryptographic-systems/ *3 NIST，后量子密码学标准化。 https://csrc.nist.gov/Projects/post-quantum-cryptography/post-quantum-cryptography-standardization *4 ETSI TR 103 616 V1.1.1 (2021-09)“量子安全签名”和 ETSI TR 103 823 V1.1.1 (2021-09)“量子安全公钥加密和密钥封装”。 https://www.etsi.org/newsroom/news/1981-2021-10-etsi-releases-two-technical-reports-to-support-us- nist-standards-for-post-quantum-cryptography *5 SOG-IS 加密工作组，SOG-IS 加密评估方案商定的加密机制，版本 1.3，2023 年 2 月。 https://www.sogis.eu/documents/cc/crypto/SOGIS-Agreed-Cryptographic-Mechanisms-1.3.pdf *6 CRYPTREC，PQC 的加密技术指南（日语） *7 CRYPTREC，PQC 研究趋势报告（日语）
社会对高级人工智能的适应
现有的管理高级人工智能系统风险的策略通常侧重于影响开发哪些人工智能系统以及它们如何传播。然而，随着高级人工智能开发者数量的增长，这种方法变得越来越不可行，并且会阻碍有益的用例和有害的用例。作为回应，我们敦促采取一种补充方法：提高社会对高级人工智能的适应性，即减少给定人工智能能力在给定水平的传播所带来的预期负面影响。我们引入了一个概念框架，该框架有助于识别避免、防御和补救人工智能系统潜在有害用途的自适应干预措施，并以选举操纵、网络恐怖主义和人工智能决策者失去控制权为例进行了说明。我们讨论了社会可以实施的适应人工智能的三步循环。提高社会实施这一循环的能力可以增强其对高级人工智能的抵御能力。我们最后向政府、行业和第三方提出了具体的建议。
将人工智能置于数字化稳健金融监管核心的必要性
正如金融服务业一样，经济的超数字化为金融监管机构带来了机遇和潜在危险。从好的方面来看，监管机构可以获取大量信息，这些信息中充满了有关金融系统风险的信号，监管机构需要花费大量时间才能了解这些风险。数据的爆炸式增长揭示了全球货币流动、经济趋势、客户入职决策、贷款承销质量、不遵守法规、金融机构为服务不足的群体所做的努力等等。重要的是，它还包含了监管机构关于新技术本身风险的问题的答案。金融数字化产生了新型风险并加速了它们的发展。问题可能在定期的监管检查之间爆发，也可能在传统报告中反映的信息表面下不知不觉地积累起来。得益于数字化，监管机构今天有机会收集和分析更多数据，并几乎实时地查看其中的大部分数据。
金融计划中的生成AI -Digital
布莱恩·凯利（Bryan Kelly）是弗雷德里克·弗兰克（Frederick Frank）'54，玛丽·坦纳（Mary C. Tanner）和耶鲁大学管理学院的玛丽·坦纳（Mary C. Tanner）教授，国家经济研究局的研究员，SOM国际金融中心副主任，也是AQR Capital Management，LLC的机器学习负责人。凯利教授的主要研究领域是资产定价和金融经济图。他对与金融机器学习有关的问题感兴趣；金融市场中的波动性，尾巴风险和相关建模；银行业系统风险；金融中介；和金融网络。他在这些领域的论文已发表在《美国经济评论》，《经济学季刊》，《政治经济学杂志》，《金融杂志》，《金融经济学杂志》和《金融研究评论》上。他是《金融计量经济学杂志》的共同编辑，也是《金融杂志》和《金融经济学杂志》的副编辑。金融新闻中的传输偏见
UAS 分离保证和防撞系统的概率安全评估
摘要：航空航天信息物理系统的适航认证传统上依赖概率安全评估作为标准工程方法来量化与系统组件故障相关的潜在风险。本文介绍并讨论了依赖多种合作和非合作跟踪技术的检测和避免 (DAA) 系统的概率安全评估，以识别无人机系统 (UAS) 与其他飞行器相撞的风险。具体来说，故障树分析 (FTA) 用于测量每个基本组件故障的整体系统不可用性。考虑到导航和监视系统的相互依赖性，应用共同原因故障 (CCF)-beta 模型来计算与共同故障相关的系统风险。此外，还进行了重要性分析以量化安全措施并识别最重要的组件故障。结果表明，合作监视系统的交通检测失败对整个 DAA 系统功能的影响更大，并且合作监视中本机定位失败的概率大于其交通检测功能。尽管所有传感器单独产生 99.9% 的操作可用性，但事实证明，实施依赖于合作和非合作技术的适当多传感器 DAA 系统是实现设计的必要条件
LPS_2023-Sustainability-fisk-Report_010724.pdf
作为一个具有复杂供应链的跨国组织，Liberty Global在宏观经济和微观经济上都面临许多潜在的风险和逆风。必须密切监视不断变化的全球风险格局，并正确缓解，以使LP继续成为成功的采购功能。第1节详细介绍了我们的系统风险管理方法，以支持这一目标。每年，LPS根据供应商的分类过程对供应商进行分类，如附录1所述。作为此过程的一部分，LPS在其最高的80％支出中标识了供应商的四个关键类别：战略性，优先，关键和操作（有关定义，请参见附录 - 图2）。在本练习中确定的战略，优先和关键供应商以及采购线索确定的任何主要供应商都将在供应商风险监视列表中输入。供应商风险监视列表在季度内进行内部审查，并使用各种工具和可公开的信息来监视，预测和减轻任何可能从供应链的角度影响Liberty Global的潜在风险。根据以下标准（非排斥）评估和监视供应商风险监视清单中确定的供应商：
基于区块链的随机能量管理，考虑激励价格
摘要 - 将大分布网格分解为互连的微电网（MG）可以潜在地增强电力系统的效率，可持续性，弹性和可靠性。但是，整个网络中的能源管理将更加复杂和具有挑战性。本文为基于区块链技术的互连MGS开发了一个新颖的能源管理框架。利用区块链技术可以潜在地提高系统安全性，还可以降低系统风险，减少财务欺诈并降低运营成本。首先定义优先级列表，以进入相互联系的MGS内的有效的能源折衷。此外，提出了内置合同，为从一个亚mg购买更多电力的一方提供价格折扣。还建立了基于无意义转换技术的随机框架，以管理与可再生能源的小时负载需求和输出功率相关的不确定性。所提出的模型被形成为混合企业线性编程问题，并通过基于区块链的能量/功率管理算法解决。案例研究包括住宅，工业和商业MG，即三个住宅，一个商业和一个关键负荷（医院）。类似结果表明，提出的模型的效率和有效性很高，并验证了其经济和可靠性的优点。
AI驱动的投资算法对市场的影响...
I.引言人工智能（AI）的出现已经彻底改变了各个部门，财务是受影响最大的部门之一。使用机器学习和深度学习等先进技术的AI驱动投资算法在金融市场上已经变得越来越普遍。这些算法分析了大量数据集，识别模式并以远远超出人类能力的速度执行交易。这种转型提出了有关AI对市场效率的影响的关键问题，这是市场价格如何反映所有可用信息的关键衡量标准。市场效率是现代财务理论的基石，认为资产价格应迅速适应新信息，以确保资源的公平估值和最佳分配。AI在投资策略中的应用有望提高预测和交易决策的准确性，从而有可能提高市场效率。但是，AI的引入也引入了挑战，包括增加市场波动和新型系统风险的出现。本文通过分析经验数据，比较AI驱动的投资算法对市场效率的影响，比较AI驱动和传统的交易方法，并探讨对市场稳定性和监管框架的广泛含义。
支付系统市场经济
1991 年底开始技术援助工作时，前苏联的支付系统包括零售经济中的现金兑换和企业部门基于支付订单（信用工具）和支付需求订单（借记工具）的存款汇款系统。个人还可以通过国家储蓄银行 Sherbank 的账户使用预授权转账来支付通过国家获得的某些服务，例如住房和公用事业。从前中央计划系统继承下来并由前苏联国家银行 Gosbank 支持的支付系统不适合市场经济。在社会主义模式下，经济关系由中央计划者决定。支付系统，实际上整个银行系统，本质上都发挥着会计作用：维护中央计划经济活动的财务记录。这种支付系统不是，也不必特别可靠或高效。资金流动的及时性也不是至关重要的，因为及时支付的能力并不是建立经济关系的因素。此外，由于中央计划体制下支付有保障，贸易交易对手方无需担心支付系统风险；最后，由于支付过程中的交易成本不作为需要管理的费用由经济行为主体承担，因此没有直接的激励机制来促进支付系统高效运行。
人机系统集成架构的风险
美国国家航空航天局 (NASA) 人类研究计划 (HRP) 将其研究分为 5 个要素：人为因素和行为表现 (HFBP)、探索医疗能力 (ExMC)、人类健康对策 (HHC)、研究运营和整合以及空间辐射。各要素每年与称为人体系统风险委员会 (HSRB) 的外部小组进行对接，以报告风险进展。因 HRP 风险研究计划的变化而对风险摘要内容进行的修改需要 HSRB 批准。这包括高级可交付成果或时间表的任何变化，以及影响基线 LxC 风险评级的证据和可交付成果的变化或更新。2016 年，行为健康和表现要素与航天宜居性和人为因素要素合并，创建了 HFBP 要素。 HFBP 要素包括几个涉及人为因素（即归入 HSIA 范畴的风险）和行为健康（即睡眠、行为医学 [BMed]、团队）的风险领域。2018 年，在 HHC 和空间辐射要素的合作下，增加了一种新的研究方法，以评估同时暴露于影响中枢神经系统 (CNS) 和操作相关行为和表现的航天危害的潜在协同效应；拟议的综合战略被称为 CBS（中枢神经系统/BMed/感觉运动）综合研究计划。