XiaoMi-AI文件搜索系统
World File Search SystemDeploying
在航空业部署人工智能和生成式人工智能
关于 LEK Consulting 我们是 LEK Consulting，一家全球战略咨询公司，与企业领导者合作，以抓住竞争优势并扩大增长。我们的洞察力是重塑客户业务轨迹的催化剂，发掘机遇并帮助他们掌握关键时刻。自 1983 年以来，我们的全球业务遍及美洲、亚太地区和欧洲，为各行各业的领导者提供指导，从跨国公司到新兴创业企业和私募股权投资者。想要了解更多信息？请访问 lek.com。
版本4海军-1 ...安全部署AI系统
[1]国家网络安全中心等。安全AI系统开发的指南。2023。https：//www.ncsc.gov.uk/files/guidelines-for-secure-ai-system-development.pdf [2]澳大利亚信号局局等。参与人工智能（AI）。2024。https：//www.cyber.gov.au/sites/default/files/2024-01/gindaging％20With％20 ragenter％20 interligence％20％20％28AI％29.pdf [3] miter。地图集（人造智能系统的对抗性威胁景观）矩阵版本4.0.0。2024。https://atlas.mitre.org/matrices/atlas[4]国家标准技术研究所。AI风险管理框架1.0。2023。https://www.nist.gov/itl/ai-risk-management-framework[5]开放式全球应用程序安全项目（OWASP®）。LLM AI网络安全与治理清单。2024。https://owasp.org/www-project-top-10-for-large-lange-lange-model-applications/llm-top-10-governance-doc/llm_ai_ai_ai_ai_ai_ai_ai_ai_ai_and_governance_checklist-checklist-v1.pdf [6]OWASP机器学习安全前十大安全风险。2023。https://owasp.org/www-project-machine-learning-security-top-10/[7]网络安全和基础设施安全机构。通过设计安全。2023。https://www.cisa.gov/securebydesign[8]国家安全局。拥抱零信任安全模型。2021。https://media.defense.gov/2021/feb/25/2002588479/2002588479/1/-1/-1/0/CSI_EMBRACING_ZT_SECURITY_MODEL_MODEL_MODEL_MODEL_UOOOOOOOO115131.PDF [9] CYBERECURITY和INFRRASERITY和INFRRASTRASITER和INFRRASTRASITER ADICAL。零信任成熟度模型。改变脆弱性管理2022。https://www.cisa.gov/Zero-trust-maturity-model[10]网络安全和基础设施安全机构。
安全部署人工智能系统
[1] 国家网络安全中心等。安全人工智能系统开发指南。2023 年。https://www.ncsc.gov.uk/files/Guidelines-for-secure-AI-system-development.pdf [2] 澳大利亚信号局等。参与人工智能（AI）。2024 年。https://www.cyber.gov.au/sites/default/files/2024-01/Engaging%20with%20Artificial%20Intelligence%20%28AI%29.pdf [3] MITRE。ATLAS（人工智能系统对抗性威胁格局）矩阵版本 4.0.0。2024 年。https://atlas.mitre.org/matrices/ATLAS [4] 国家标准与技术研究所。人工智能风险管理框架 1.0。 2023 年。 https://www.nist.gov/itl/ai-risk-management-framework [5] 开放式全球应用安全项目 (OWASP ®)。LLM 人工智能网络安全与治理清单。2024 年。 https://owasp.org/www-project-top-10-for-large-language-model-applications/llm-top-10-governance-doc/LLM_AI_Security_and_Governance_Checklist-v1.pdf [6] 开放式全球应用安全项目 (OWASP ®)。OWASP 机器学习安全十大安全风险。2023 年。 https://owasp.org/www-project-machine-learning-security- top-10/ [7] 网络安全和基础设施安全局。安全设计。2023 年。 https://www.cisa.gov/securebydesign [8] 国家安全局。拥抱零信任安全模型。 2021 年。https://media.defense.gov/2021/Feb/25/2002588479/-1/- 1/0/CSI_EMBRACING_ZT_SECURITY_MODEL_UOO115131-21.PDF [9] 网络安全和基础设施安全局。零信任成熟度模型。2022 年。https://www.cisa.gov/zero-trust-maturity-model [10] 网络安全和基础设施安全局。转变漏洞管理
安全部署人工智能系统
[1] 国家网络安全中心等。安全人工智能系统开发指南。2023 年。https://www.ncsc.gov.uk/files/Guidelines-for-secure-AI-system-development.pdf [2] 澳大利亚信号局等。参与人工智能（AI）。2024 年。https://www.cyber.gov.au/sites/default/files/2024-01/Engaging%20with%20Artificial%20Intelligence%20%28AI%29.pdf [3] MITRE。ATLAS（人工智能系统对抗性威胁格局）矩阵版本 4.0.0。2024 年。https://atlas.mitre.org/matrices/ATLAS [4] 国家标准与技术研究所。人工智能风险管理框架 1.0。 2023 年。 https://www.nist.gov/itl/ai-risk-management-framework [5] 开放式全球应用安全项目 (OWASP ®)。LLM 人工智能网络安全与治理清单。2024 年。 https://owasp.org/www-project-top-10-for-large-language-model-applications/llm-top-10-governance-doc/LLM_AI_Security_and_Governance_Checklist-v1.pdf [6] 开放式全球应用安全项目 (OWASP ®)。OWASP 机器学习安全十大安全风险。2023 年。 https://owasp.org/www-project-machine-learning-security- top-10/ [7] 网络安全和基础设施安全局。安全设计。2023 年。 https://www.cisa.gov/securebydesign [8] 国家安全局。拥抱零信任安全模型。 2021 年。https://media.defense.gov/2021/Feb/25/2002588479/-1/- 1/0/CSI_EMBRACING_ZT_SECURITY_MODEL_UOO115131-21.PDF [9] 网络安全和基础设施安全局。零信任成熟度模型。2022 年。https://www.cisa.gov/zero-trust-maturity-model [10] 网络安全和基础设施安全局。转变漏洞管理
为低碳经济部署太阳能
对低碳力量的徒步旅行对于马来西亚来说至关重要，对于马来西亚实现其潜在的潜力，即重要的机会重组了第二个E C O N O N O N O N O N O N O N O N O N O N O N O M I C O N O N O M I C O N O N O M I C的起飞。大规模的太阳能是至关重要的。 T h e e e n e n s i t i o n i n t i n a t i n a t i n a t i o n a t i o n a e l e n e e n e e n e n e e n e n e n e n s i n s i n s i t i t i t i o n r o n r o a d i d i a d i d i d i d m a p（netr）。 solar (LSS5) c o m p e t i t i v e b i d d i n g pro- cess, w h i c h will h a v e i m m e n s e i m p l i c a t i o n s for t h e c o u n t r y ' s l o w - c a r b o n e c o n o m y f u t u r e w h i l e h a v i n g wider implications o n opportunities across t h e E n e r g y v a l u e c h a i n。
LimSim++：用于在自动驾驶中部署多模态LLM的闭环平台
摘要 — 多模态大型语言模型 ((M)LLM) 的出现为人工智能开辟了新途径，尤其在自动驾驶领域，它提供了增强的理解和推理能力。本文介绍了 LimSim++，它是 LimSim 的扩展版本，专为 (M)LLM 在自动驾驶中的应用而设计。考虑到现有仿真平台的局限性，LimSim++ 满足了对支持自动驾驶持续学习和提高泛化能力的长期闭环基础设施的需求。该平台提供长时间、多场景模拟，为 (M)LLM 驱动的车辆提供关键信息。用户可以参与即时工程、模型评估和框架增强，使 LimSim++ 成为一个多功能的研究和实践工具。本文还介绍了一个基线 (M)LLM 驱动的框架，该框架通过在不同场景中的定量实验进行了系统验证。LimSim++ 的开源资源位于：https://pjlab-adg.github.io/limsim-plus/ 。索引词——自动驾驶汽车、闭环仿真、大型语言模型、知识驱动代理
在部署零信任中的复杂性
版权所有©2024 Fortinet，Inc。保留所有权利。fortinet®，fortigate®，forticare®和fortiguard®以及某些其他商标是Fortinet，Inc。的注册商标，此处的其他Fortinet名称也可以注册和/或Fortinet的普通法商标。所有其他产品或公司名称可能是其各自所有者的商标。的性能和其他指标，实际绩效和其他结果可能会有所不同。网络变量，不同的网络环境和其他条件可能会影响性能结果。Nothing herein represents any binding commitment by Fortinet, and Fortinet disclaims all warranties, whether express or implied, except to the extent Fortinet enters a binding written contract, signed by Fortinet's General Counsel, with a purchaser that expressly warrants that the identified product will perform according to certain expressly-identified performance metrics and, in such event, only the specific performance metrics expressly identified in such binding written contract shall be binding on Fortinet。为了绝对清晰，任何此类保修都将仅限于与Fortinet内部实验室测试相同的理想条件下的性能。Fortinet完全根据明示或暗示的任何盟约，代表和保证。Fortinet保留更改，修改，转让或以其他方式修改本出版物的权利，恕不另行通知，最新版本的出版物应适用。
在数据中心部署液体冷却
电力团队还应分析基础设施，看它是否可以适应更耗电的工作负载，例如人工智能。IT、设施和电力等更大的团队应审查物理空间，看架空地板是否能支撑新电力和混合冷却系统的总重量，并确定管道的接入路线。还应检查设施是否需要对现有基础设施进行维护，因为现有管道或设备可能受到污染或质量下降，从而导致效率低下或故障。联合团队应审查现场供水情况，确定其是否适合用于计划中的液体冷却系统。最后，应解决任何安全法规合规问题，以确保新解决方案符合标准且安全使用。
在机器人技术中部署LLMS/VLM的安全问题突出了风险和漏洞
由于防御机制不足。例如，HAL-036语言模型的透明度和幻觉[14]可能会影响037对场景的可靠理解，从而导致机器人系统中不希望的038动作。另一个风险来源是039是LLMS/VLMS无法解决文本或图像提供的040上下文信息的歧义[35，52]。041由于当前语言模型通常遵循模板-042的提示格式来执行任务[16，29]，因此缺乏043在解决自然044语言的变体和同义词时缺乏灵活性也可能导致045个提示的误解[24，43]。此外，在提示046中使用多模式的输入增加了上下文理解的难度和047推理的难度，这可能导致更高的失败风险[8，18]。048在实际应用中，这些风险将对机器人系统的鲁棒性和安全构成重大挑战。050我们的目标是分析语言模型和机器人技术的可信度和可靠性051。在这方面，我们的目标是052通过广泛的实验提高对机器人应用程序054的最先进语言模型的安全问题的认识。我们表明，需要对该主题进行进一步的研究055，以安全地部署基于LLM/VLM的056机器人，以实现现实世界应用程序。我们的主要重点是057