XiaoMi-AI文件搜索系统
World File Search SystemApps
1Y0-312 Citrix Virtual Apps and Desktops 7 高级管理
1Y0-312 考试重点关注那些在本地环境或 Citrix Cloud 中管理和支持 Citrix Virtual Apps and Desktops 7 并希望将其 Citrix Virtual Apps and Desktops 技能扩展到高级水平的人员最重要的主题。管理和支持复杂环境的人员可能拥有各种职位，例如：• 桌面虚拟化工程师 • 桌面虚拟化顾问 • Citrix 工程师 • Citrix 合作伙伴 • 系统管理员
正念饮食应用评估
越来越多的人机交互研究集中在正念技术和饮食习惯（例如健康饮食）上，但只有有限的研究探索了这两个领域的交集，而不是独立的研究领域来支持正念饮食的设计。市场上越来越多的移动应用程序专注于支持健康饮食，包括那些针对正念饮食的应用程序；然而，有限的人机交互研究专注于评估它们。为了解决这一差距，我们报告了一项研究，该研究评估了 Apple Store 上的 13 个正念饮食应用程序，该研究以正念饮食文献和基于正念的饮食意识训练 (MB-EAT) 干预为依据。研究结果表明，此类应用程序可以跟踪身体感觉和情绪以及与健康饮食和身体活动有关的更广泛方面。结果还表明，此类应用程序倾向于为正念冥想或正念饮食冥想提供支持和干预，尽管同时支持两者的应用程序较少。我们得出的设计启示包括利用身体的正念饮食新界面、支持定制捕获数据类型和数量，以及由 MB-EAT 提供的正念饮食新数字干预措施。
面向消费者和企业应用及设备的“AI Detect”
总而言之，AI Detect 代表了合理的开发努力和有效的方法，可以解决 AI 语音克隆带来的挑战。它提供了一种实用、用户友好且适应性强的解决方案，在真实语音和合成语音之间的区别越来越模糊的时代，确保了数字语音交互的安全性和真实性。就个人而言，只有最富有的人和企业才能获得保护，因此需要成为一种集体解决方案来保护所有公民和小企业。
AI驱动的个人理财应用程序：评估对财务决策和营销策略的影响
人工智能（AI）和个人理财的融合导致了AI驱动的个人理财应用程序的出现，这些应用程序正在彻底改变个人如何管理其财务状况。这些应用程序利用高级算法和机器学习提供诸如预算，费用跟踪，投资建议和债务管理等功能。他们满足了数字世界中对便利金融服务的日益增长的需求，提供了针对用户需求量的个性化见解。AI技术的民主化促进了AI驱动的个人理财应用程序的扩散。云计算，大数据分析和开源框架的进步降低了开发人员的进入障碍，从而导致金融科技领域的创新激增。但是，随着机会的挑战，尤其是关于数据隐私和安全性的挑战。这些应用程序处理敏感财务数据，确保用户信息的机密性和完整性至关重要。此外，对算法偏见和歧视的担忧需要解决道德和法规考虑。总而言之，AI驱动的个人理财应用程序代表了财务管理的重大转变，提供了无与伦比的个性化和效率水平。但是，它们还提出了必须解决的重要道德和安全问题。通过经验分析和批判性询问，持续的研究旨在加深我们对AI对个人理财和更广泛的金融生态系统的影响的理解，从而有助于财务中负责任和道德的AI部署。
为什么人工智能应用需要使用 NoSQL 数据库？
• 存储客户生成的半结构化和非结构化数据 • 在同一基础架构甚至同一集群中存储来自不同来源的不同类型的数据 • 存储数千或数百万客户和物联网设备生成的数据 • 与由 AI 和大型语言模型 (LLM) 提供支持的外部数据系统集成
鹰眼：基于深度强化学习的Android应用程序的更改定位测试
Android应用程序经常进行更新，以跟上不断变化的用户，硬件和业务需求。通过广泛的测试确保应用程序更新的正确性对于避免到达最终用户的潜在错误至关重要。现有的Android测试工具生成了GUI事件，该事件致力于改善整个应用程序的测试覆盖范围，而不是优先考虑更新和影响元素。研究提出了以变化为中心的测试，但依靠随机探索来进行锻炼影响的GUI元素，对于具有巨大输入探索空间的大型复杂应用程序而言，无效且缓慢。在BOTEDANCE上，我们既定的基于模型的GUI测试工具FastBot2已成功部署已有近三年。FastBot2利用了从过去的探索中得出的事件 - 活性转变模型，以有效地实现增强的测试覆盖率。我们获得的一个关键见解是，事件活动转变的知识同样有价值地定位更新引入的变化。这种见解推动了我们针对Hawkeye进行更新的指示测试的建议。Hawkeye优先考虑通过从历史探索数据中进行深入的强化学习与代码更改相关的GUI行动。在我们的经验评估中，我们严格地将鹰眼与诸如FastBot2和Ares（例如10个流行的开源应用程序和商业应用程序）等最新工具进行了比较。结果表明，鹰眼在生成GUI事件序列中始终优于FastBot2和Ares，这些序列在开源和商业应用程序上下文中有效地针对更改功能。在现实世界的工业部署中，鹰眼无缝地进入我们的开发管道，进行烟雾测试
删除：识别设备机器学习模型窃取和重复使用移动应用程序中的漏洞
移动应用程序已通过装饰机学习（ML）技术提供人工智力（AI）服务而受欢迎。与在远程服务器上实现这些AI服务不同，这些在当地AI服务所需的这些设备技术敏感信息可以减轻远程数据收集的敏感数据收集的严重问题。但是，这些设备技术必须推动ML专业知识的核心（例如，，模型）到本地智能手机，这些智能手机仍在远程云和服务器上受到模拟漏洞的影响，尤其是在面对模型窃取攻击时。为了防止这些攻击，开发商采取了各种保护措施。毫无意义地，我们发现这些保护仍然不足，并且可以在移动应用程序中的设备ML模型提取和重复使用而无需限制。为了更好地证明其保护性不足和此攻击的可行性，本文提出了Dimistify，该摘要在应用程序中静态定位ML模型，切成相关的执行组件，并最终自动生成脚本以成功地移动应用程序以成功地窃取和重复使用目标ML模型。为了评估Dimistify并证明其适用性，我们将其应用于1，511顶级移动应用程序，使用设备ML专业知识基于其Google Play的安装数字来为几种ML服务，而Demistify可以成功执行1250个（82。73％）。此外，还进行了深入研究，以了解移动应用程序中的设备ML生态系统。
使用MHealth应用程序用于评估和管理与糖尿病相关的足部健康结果：系统评价
背景：在全球范围内，糖尿病会影响约5亿人，预计到2045年将影响多达7亿人。在澳大利亚，殖民化的持续影响会导致原住民的医疗保健提供和医疗保健结果不平等的不平等，糖尿病的评分为4倍，澳大利亚澳大利亚人的糖尿病为4倍。已证明基于证据的临床实践可将与糖尿病相关的足部疾病（包括溃疡和截肢）的并发症减少50％。但是，诸如缺乏获得文化安全护理，地理偏差和与人际护理相关的高成本之类的因素是原住民在获得基于证据的护理方面的关键障碍，从而导致创新的移动健康（MHealth）应用程序的发展，这是一种增加对卫生服务并改善糖尿病患者知识和自我保健管理的方式。目的：本研究旨在评估研究MHealth应用程序在澳大利亚和全球非土著人口中使用MHealth应用程序评估和管理与糖尿病相关的足部健康的研究。方法：PubMed，Informit的土著收集数据库，OVID MEDLINE，EMBASE，CINAHL完整和Scopus从Inception到2022年9月8日进行了搜索。进行了灰色文献的手搜索和纳入研究的参考列表。描述用于评估和管理与糖尿病相关足部健康的MHealth应用程序的研究符合条件。研究必须包括MHealth应用程序的评估（定性或定量）。没有使用语言，出版日期或出版状态限制。使用修订后的Cochrane风险工具进行随机试验和健康证据公告威尔士清单，以进行观察，队列和定性研究，对质量评估进行了质量评估。结果：没有发现包括澳大利亚的原住民在内的专门研究。包括361名参与者的非土著人口中的六项研究。足部护理教育是所有MHealth应用程序的主要组成部分。，2（33％）为参与者提供了与健康相关数据的功能； 1（17％）包括一个消息接口。随访的长度在1-6个月之间。在6项研究中，有1名（17％）报告了MHealth应用程序内容的高度可接受性，该糖尿病和糖尿病专家的自我护理是自我保健的；其余5（83％）报告说，参与者使用MHealth应用程序后，参与者提高了与糖尿病有关的知识和自我管理技能。结论：这项系统评价的发现提供了MHealth应用程序部署的功能的概述，并表明这种干预可以提高非土著糖尿病患者的知识和自我保健管理技能。未来的研究需要专注于服务提供不足或无效服务的人群的MHealth应用程序，包括原住民和居住在地理偏远地区的人，并评估对与糖尿病相关的足部疾病结果的直接影响。试用注册：Prospero CRD42022349087； https://tinyurl.com/35u6mmzd
AI智能手机应用程序
BAD 委托 Cochrane 审查，并确定了一些不符合监管要求的基于 AI 的皮肤癌诊断应用程序，这些应用程序可从 Apple 和 Google Play 应用商店下载。目前已发表的证据支持使用 AI 诊断皮肤病，但证据有限。因此，应用程序可能不安全或无效，并且 AI 可能会通过给出错误的诊断将人们置于危险之中。根据我们的调查结果，我们联系了 Apple Store 和 Google Play Store，将这些应用程序报告给相应的团队。随后，Google Play Store 进行了自己的内部审查，并从
提高移动应用程序能源效率的技术：分类和系统文献评论
智能手机的严重限制是它们具有电池供电。这意味着低电池可能会阻止用户执行重要任务。能源效率被认为是移动应用程序的重要非功能性能。鉴于全球使用的移动设备的双倾向的共同消费，移动应用程序的能源效率与绿色软件工程密切相关[1]。与可持续性一起，两者在许多学科中都是新兴的主题，并且在软件启动中也越来越相关。研究表明，移动开发人员意识到能源消耗问题，并且对解决这些问题的解决方案感兴趣[2]。但是，阻止移动开发人员构建节能软件系统的两个主要障碍是缺乏知识和缺乏工具[3]。因此，我们确定了调查和概括可用技术以提高文献中移动应用程序能源效率的必要性。为了满足这一需求，我们进行了一项大规模的系统文献综述（SLR），旨在汇编有关该主题现有知识的代表性样本。为了增强SLR对从业者和研究人员的可及性和实用性，我们将发现结果组织为分类学。通过浏览分类法的类别，从业人员可以轻松访问相关且适用的研究结果，而研究人员可以找到与当前研究努力相关的相关研究。