XiaoMi-AI文件搜索系统
World File Search SystemAlerts
Clearinspect AI 检查可通过自动警报和行动防止乱扔垃圾。
人工智能驱动的检查利用人工智能来改善机构（包括学校、医院、工厂和政府机构）监督合规性、监控流程和维持质量标准的方式。通过应用人工智能技术，可以更快地进行检查，并且更加准确和一致。人工智能系统从各种来源（例如摄像头和传感器）收集数据，然后使用机器学习算法来分析这些信息、识别模式并检测潜在问题。这些系统可以自动生成综合报告，强调关键发现并建议改进领域，从而简化流程并确保一致性。人工智能的一个主要优势是它能够在潜在问题（例如设备故障或安全隐患）发生之前对其进行预测。这种预测能力使机构能够实施预防措施并就政策和资源分配做出基于数据的决策。此外，人工智能支持实时监控，使机构能够迅速应对任何新出现的问题。总之，人工智能驱动的检查提高了效率、准确性和可扩展性，同时通过及早发现问题来帮助降低成本。这些系统在许多行业中都有广泛的应用，但也带来了挑战，例如数据隐私问题和集成的复杂性。随着人工智能技术的进步，这些检查系统预计将变得越来越普遍，从而大大改善机构监督和管理。
ATC 信号系统：警报、警告和警告文献回顾
ATO 研究要求圆桌会议项目 AJM-FY19-5。FAA 没有人为因素手册或指南来协助开发系统设计或相关培训要求，以将警报和警报集成到空中交通系统中。虽然 FAA 有一些与 AT 系统警报和警报相关的标准，但没有相关的指导文件来指导如何开发或集成警报和警报，或如何正确培训警报和警报的系统用户。FAA 应确定一种标准化方法，以确定在系统设计和开发过程中如何以及何时使用各种警报和警报，以帮助减少每种警报和警报的数量以及它们因任何这些情况造成的重复性、冗余、冲突或混乱和滋扰的可能性。同样，应制定最终用户培训标准，以帮助减少由于缺乏或不充分理解每种警报和警报而导致的混乱、误解和曲解
空中交通管制中的警报、提醒和警告 - ROSA P
设施，包括塔台、终端雷达进近管制设施 (TRACON) 和空中交通管制中心 (ARTCC)。训练有素的空中交通管制员使用有效的自动化系统可以利用警报、警示和警告（统称为信号）来建立态势感知并减少认知工作量。我们编写了第一版手册，该手册将指导空中交通系统设计人员和管制员用户团队与人为因素专家合作创建或修改空中交通管制系统警报、警示和警告。该手册描述了一种新颖的信号框架，可用于评估现有的 ATC 信号或在设计过程中使用客观评分表和与主题专家（即空中交通管制员）的结构化访谈格式来设计新信号。该框架为相关人员提供了一种通用语言，使他们能够描述、分类和客观评估空中交通管制中的信号。信号框架及其相关的结构化访谈将在第 4 阶段与空中交通管制员一起进行测试和验证。该项目的第 5 阶段将包括根据需要进一步完善信号手册和开发培训材料。在该项目结束时，空中交通组织将拥有开发信号所需的工具，这将有助于使美国国家空域系统保持世界上最安全的地位。
与Blynk IoT集成的危险动物检测的深度学习用于实时警报
人们的安全，农业和生物多样性都受到与动物有关的威胁的严重威胁，例如野生动植物与车辆和牲畜入侵之间的碰撞。伤害，死亡，经济损失和对自然生态系统的干扰都是这些灾难的结果。由于这些事件变得越来越频繁，创造性的方法来识别和成功降低这些风险。在实时管理危害方面，诸如物理障碍和手动监控之类的传统技术通常不足。物联网（IoT）和深度学习的新发展提供了令人鼓舞的答案。卷积神经网络（CNN），尤其是使深度学习能够在包括保护区，农场和道路在内的各种环境中准确识别和分类动物。深度学习可用于训练模型以识别各种物种并预测其运动模式，从而使先发制人的行动能够阻止不幸和伤害。深度学习与物联网技术相结合，提高了系统的实时功能。可以通过摄像机，运动探测器和温度传感器等物联网设备的互联网进行可以不断监视动物活动，这些设备也可以引发瞬时反应，例如自动屏障或警报。 通过Blynk IoT等平台使这些系统的遥控和管理可行，该平台可以保证利益相关者可以及时收到通知并从任何位置采取必要的步骤。 这个物联网和深度学习组合为危险动物检测提供了完整的解决方案。可以不断监视动物活动，这些设备也可以引发瞬时反应，例如自动屏障或警报。通过Blynk IoT等平台使这些系统的遥控和管理可行，该平台可以保证利益相关者可以及时收到通知并从任何位置采取必要的步骤。这个物联网和深度学习组合为危险动物检测提供了完整的解决方案。通过降低事故的数量，它不仅可以提高安全性，而且还可以通过使牛摆脱困境和保护作物来帮助农业。此外，它对于野生动植物保护至关重要，因为它在受保护区域提供了非侵入性监测。对于人和野生动植物，这种方法通过提供可扩展，有效和实时系统来帮助创造更安全和可持续的环境。
安全评估过程中使用的假设以及多重警报和指示对飞行员表现的影响
美国国家运输安全委员会 (NTSB) 提供以下信息，敦促联邦航空管理局 (FAA) 就本报告中的安全建议采取行动。这些信息源自我们根据国际民用航空组织附件 13 的规定参与对两起致命事故的持续调查。作为这些事故中飞机设计和制造状态的事故调查机构，NTSB 一直在审查用于批准波音公司 (Boeing) 737 MAX 机动特性增强系统 (MCAS) 原始设计的美国设计认证流程。我们注意到，自 2018 年 10 月 29 日 PT Lion Mentari Airlines (Lion Air) 事故以来，波音公司已经开发了 MCAS 软件更新以提供额外的保护层，并正在制定更新的程序和培训。然而，我们担心用于评估原始设计的流程需要改进，因为该流程仍在用于认证当前和未来的飞机和系统设计。
Lookout Phishing AI 主动检测网络钓鱼网站的早期信号并向组织发出警报
© 2020 Lookout, Inc. LOOKOUT®、Lookout Shield Design®、LOOKOUT with Shield Design®、SCREAM® 和 SIGNAL FLARE® 是 Lookout, Inc. 在美国和其他国家/地区的注册商标。EVERYTHING IS OK®、LOOKOUT MOBILE SECURITY®、POWERED BY LOOKOUT® 和 PROTECTED BY LOOKOUT® 是 Lookout, Inc. 在美国的注册商标；POST PERIMETER SECURITY ALLIANCE™ 和 DAY OF SHECURITY™ 是 Lookout, Inc. 的商标。所有其他品牌和产品名称均为其各自所有者的商标或注册商标。20200204-Lookout-USv1.1
美国关键基础设施的网络安全风险：对美国政府公开警报和公告的分析
摘要：随着威胁行为者的行动变得越来越复杂，并强调针对关键基础设施和服务，网络安全信息共享的需求将继续增长。整个网络安全社区对网络威胁情报和信息共享的需求不断增加，导致需要更好地了解美国 CISA 警报和 ICS-CERT 公告等信誉良好的来源所提供的信息。文本分析程序 Profiler Plus 用于从 1,574 个美国政府警报和公告中提取信息，以开发可视化并生成对不同网络威胁行为者类型、可用于网络操作的策略以及面临攻击风险的关键基础设施部门的增强洞察。本研究的结果通过使人们了解公共信息共享的趋势以及确定网络威胁信息开源报告中的差距，增强了网络威胁情报活动。
COVID-19 疫苗许可
旧金山市允许年轻人（12-17 岁）在无法联系父母或监护人的情况下接种 COVID-19 疫苗。有关此卫生官员命令（编号 C19-19）的更多信息，请访问：sfdph.org/dph/alerts/coronavirus-healthorders.asp
疲劳和干扰检测技术（FDDT）
•5（a）对警报做出响应 - 主管响应模型•5（b）响应警报 - 主管响应模型•5（c）对警报响应 - 无主管监控 - 6（a）疲劳风险评估 - 进行事件审查 - 事件后审查 - 6（b）疲劳风险评估•6（c）疲劳•7（c）疲劳•8（c）疲劳•8（a）疲劳•8（A （b）标准操作程序 - 干扰警报•9（a）驾驶员讨论摘要 - 疲劳警报•9（b）驾驶员讨论摘要 - 干扰警报•10疲劳事件报告
天气公司的Weatherverse Planner
– High-resolution weather data from the world's most accurate forecaster* – Customized map visualizations to recognize the impact of weather on operations – Automatic weather monitoring including alerts to inform personnel on how weather conditions might impact objectives, alleviating the need for constant meteorologist oversight – Probabilistic forecasts to enable the analysis of second and third most-likely weather scenarios – Clearer v iew of the impact of current and future weather on operations and跨多个域的资产