XiaoMi-AI文件搜索系统
World File Search System边缘设备
人工智能支持的实时生物医学系统的协作学习算法的优化和实施
摘要。近年来，人工智能 (AI) 在生物医学领域的发展迅速。然而，迫切需要一个准确、安全的肺炎检测和诊断系统。我们提出了一种用于 AI 支持的实时生物医学系统 (AIRBiS) 的协作学习算法的优化和实现，其中部署了卷积神经网络进行肺炎（即 COVID-19）图像分类。通过增强优化，联邦学习 (FL) 方法实现了 95.66% 的高准确率，优于传统学习方法的 94.08% 准确率。使用多个边缘设备还可以减少总体训练时间。
受大脑启发的超维计算，实现超高效的边缘 AI
摘要 — 超维计算 (HDC) 正在迅速成为传统深度学习算法的有吸引力的替代方案。尽管深度神经网络 (DNN) 在许多领域取得了巨大的成功，但它们在训练期间所需的计算能力和存储空间使得将它们部署在边缘设备中非常具有挑战性，甚至不可行。这反过来不可避免地需要将数据从边缘传输到云端，这在可用性、可扩展性、安全性和隐私方面引发了严重的担忧。此外，边缘设备通常从传感器接收的数据本质上是有噪声的。然而，DNN 算法对噪声非常敏感，这使得以高精度完成所需的学习任务变得非常困难。在本文中，我们旨在全面概述 HDC 的最新进展。HDC 旨在通过使用更接近人脑的策略来实现实时性能和稳健性。事实上，HDC 的动机是人类大脑在高维数据表示上运行的观察。在 HDC 中，对象被编码为具有数千个元素的高维向量。在本文中，我们将讨论 HDC 算法对噪声的良好鲁棒性以及从少量数据中学习的能力。此外，我们将介绍 HDC 与冯·诺依曼架构之外的出色协同作用，以及 HDC 如何通过其所需的超轻量级实现为边缘高效学习打开大门，这与传统 DNN 不同。索引术语 — 超维计算、嵌入式系统、节能计算、对抗性攻击、电压调节、内存计算、安全、图形、机器人、计算机视觉
比较边缘到...
分布式系统之间涉及通信的数据传输和涉及的设备的数量增加使其具有挑战性，但要具有高效且可靠的网络中间件。在机器人技术和自主系统中，ROS 2的广泛应用带来了使用各种网络中间Wares与ROS 2中的DDS一起使用的可能性，以更好地在边缘设备之间或边缘设备和云之间进行更好的通信。但是，缺乏将这些网络中间件与ROS 2进行整合的全面沟通性能比较。在这项研究中，我们提供了用于使用多个主机系统中ROS 2中的DDS（包括MQTT和ZenoH）在内的使用网络中间Wares的通信性能的定量分析。为了进行完整可靠的比较，我们通过通过以太网，Wi-Fi和4G（包括以太网，Wi-Fi和4G）发送不同的数据和数据来计算这些中间Wares的潜伏期和吞吐量。将评估扩展到现实世界的应用程序方案，我们评估了这些网络中间Wares引起的漂移误差（位置变化），机器人以相同的方形路径移动。我们的结果表明，在以太网下，Cyclonedds的性能较好，而在Wi-Fi和4g下表现更好。在实际的机器人测试中，通过Zenoh随时间时间（96 s）的机器人移动轨迹漂移误差是最小的。值得注意的是，我们对这些网络中间Wares的CPU利用率以及通过在本文末尾在ROS 2中启用安全功能造成的性能影响进行了讨论。
Cloud Podcast上的Deloitte
Mike Kavis，Deloitte Consulting LLP董事总经理标题：高通公司的Atul Suri和Deloitte的Rahul Bajpai，介绍了AI如何将创新带入边缘描述：在本集中，德勤的Mike Kavis的Mike Kavis与高级Atcomm的Atul Suri和Deloitte InnriTe Insering Insiring Insering to in Inniring in Inniring in Inner in Inniring in Insering in Insering in Insering in Insering in Insering in Insering。三人讨论了为什么公司将AI功能带到边缘，AI和EDGE的用例，以及Cloud如何实现这种强大的组合。关于原因，很简单：AI可以帮助公司提高生产率并开发新的业务模式，从而创造新的收入来源，这将推动可持续的增长和创新。持续时间：00：24:11迈克·卡维斯（Mike Kavis）：嘿，大家。欢迎回到播客，我们对云和人工智能技术进行了真正的了解。我们与从事这项工作的人讨论了云和人工智能周围的所有热门话题。我是您的主持人和云建筑师Mike Kavis的。今天，我与两位专业从事AI的专家一起加入了我的行列，这是我并不是一个主题，所以我期待向这些人学习。因此，首先是高通公司副总裁全球系统集成商兼直接渠道合作伙伴关系的Atul Suri，以及我们自己的Deloitte US增长，为Connected Edge，Rahul Bajpai提供领导者。，因此，我们将开始开始，因为我的许多追随者比他们的边缘和精通AI更精通云，因此我们将开始一些通用，我们将在Edge上谈论AI，但我们将从ATUL开始。Atul Suri：首先，谢谢您，迈克（Mike）拥有我。对我们来说，这是一个边缘设备。为什么这个主题现在趋势并立即采取这么多行动，为什么这些天有如此重要的讨论？我很高兴能参加您的云播客，我希望我能为这个话题提供更多的粒度和更加清晰的信息，以及对高通公司在我们的边缘角色中所做的事情的更加熟悉。我将从高通的愿景开始。我们是一家聪明的计算公司。这意味着我们在每个可想象的边缘设备上都带来了高性能的低功率计算以及设备智能。因此，请考虑口袋里的手机，智能手机。考虑我们每天使用的PC。那是一个边缘设备。在工业和企业环境中，考虑网关，考虑连接到超级评分云的任何基础架构元素。这些都是边缘设备。您的问题非常相关。为什么AI在边缘很重要，为什么我们正在谈论并兴奋地谈论它？在我看来，它可以解锁更大的操作效率。在我看来，AI带来了新的用例。它将提高生产率。它将启用新的商业模式。它将创建新的收入流。即使在当前的宏观经济气候下，所有这些都将推动可持续增长和创新。，因此，如果您将所有这些都放在一起，我认为这是我们很高兴谈论的事情，我们很高兴能使创新能够带来优势，并很高兴能看到未来的发展方向。Mike Kavis：向您介绍，拉胡尔。rahul bajpai：就我们前面的机会以及企业部门的一些客户如何看待Edge AI来真正推动其业务的OT成果，从我们面前的机会以及我们的某些客户中的一些客户来看，真的很好地总结了和提出。我认为，脱颖而出的一件事是今天的系统，应用程序，终点，设备和网络基础架构的不同之处在外，并且需要获得一个共同的堆栈，这是一种真正的云架构，真正是云本机
第六届 IEEE 人工智能国际会议...
人工智能 (AI) 正在推动信息技术以及许多行业的革命。需要新的计算范式来支持新兴的 AI 算法和应用程序，这些算法和应用程序可以在各种平台上运行，从边缘设备到云服务器，从电路级到系统级。为了应对这一挑战和机遇，AICAS 会议已成为 IEEE 电路与系统协会的首要会议，旨在促进和推动人工智能电路和系统前沿的先进研究、创新和开发活动。它是一个绝佳的平台，让世界各地的学者、技术研究人员和业界能够交流经验、展示他们的研究成果，并进一步推进 AI 电路和系统技术。
与中华人民共和国有关的网络行为者隐藏在路由器固件中
具体而言，在初步进入目标网络并获得网络边缘设备的管理员访问权限后，BlackTech 网络攻击者通常会修改固件以隐藏其在边缘设备上的活动，从而进一步保持网络中的持久性。为了在整个组织中扩大立足点，BlackTech 攻击者将目标对准分支路由器（通常是用于远程分支机构连接公司总部的小型设备），然后滥用目标公司网络内分支路由器的信任关系 [ T1199 ]。然后，BlackTech 攻击者使用受感染的面向公众的分支路由器作为其基础设施的一部分，用于代理流量 [ TA0011 ]、与公司网络流量混合以及转向同一公司网络上的其他受害者 [ T1090.002 ]。
建筑指南-Fortisase
安全的访问服务边缘（SASE）体系结构专注于使用云交付的安全服务，该服务在网络的最远边缘（即服务边缘或用户端点）强制执行安全访问。连接到Fortisase时，远程用户进入Internet，As-As-As-Service（SaaS）应用程序或数据中心中的私有托管应用程序通过FireWall-As-A-A-Service（FWAAS）或安全网络网关（SWG），或者在此，流量符合安全政策和先进的威胁保护措施。对于流量重定向，远程用户的端点依赖于软件代理，网站后面的远程用户依赖于薄边缘设备，并且具有基于Web浏览器的设备的远程用户是无代理的，并且依赖Web浏览器代理设置。