与安全攻击相关的智能合约交易通常与攻击事件前的历史良性交易相比,通常会表现出不同的行为模式。已经提出了许多运行时监测和守卫机制来验证不变性并停止异常交易,但使用不变的经验有效性仍然在很大程度上没有探索。在本文中,我们研究了23个流行的8个类别的普遍不变式,它们要么以引人注目的协议部署,要么由领先的审计公司和安全专家认可。使用这些完善的不变性作为模板,我们开发了一个工具Trace2Inv,该工具根据其历史交易数据动态生成针对给定合同定制的新不变性。我们评估了42份智能合约的Trace2Inv,这是以太坊区块链上27个不同漏洞的受害者。我们的发现表明,仅凭最有效的不变后卫就可以成功地阻止27个确定的漏气量,而气体开销最少。我们的分析还表明,即使经验丰富的攻击者试图绕开它们,大多数不变性也仍然有效。此外,我们研究了组合多个不变后卫的可能性,从而阻止了27个基准漏洞中的23个,并达到了低至0的假阳性率。28%。Trace2Inv显着胜过最先进的智能合同不变式采矿和交易攻击检测。trace2inv还出人意料地发现了两项先前未报告的利用交易。
摘要。最近对新型的线性变换的几何形状构成了新的兴趣。这激发了对此类不变的研究,以在根系,反射群,谎言组和谎言的背景下进行某种类型的几何转换:Coxeter转换。我们使用高性能计算对所有Coxeter转换进行了所有Coxeter转换的详尽计算,以选择简单根的基础并计算其不变性。此计算代数范式生成一个数据集,然后可以使用来自数据科学的技术(例如智能和无监督的机器学习)进行开采。在本文中,我们关注神经网络分类和主成分分析。由于输出(不变性)是由选择根源的选择以及Coxeter元素中相应反射的置换顺序完全确定的,因此我们期望在映射中进行巨大的退化。这为机器学习提供了完美的设置,实际上,我们看到数据集可以被机器学习以非常高的精度。本文是使用Cli杀性代数在实验数学方面进行的泵送研究,表明此类cli效应代数数据集可以适合机器学习,并阐明了这些新颖的几何学和其他知名几何不变的关系,并引起了分析结果。
量子游动自诞生以来就被用于开发量子算法,可以看作是通常电路模型的替代品;将稀疏图上的单粒子量子游动与线格上的双粒子散射相结合就足以执行通用量子计算。在这项工作中,我们解决了一类不具有平移不变性的相互作用的线格上的双粒子散射问题,恢复了 Bose-Hubbard 相互作用作为极限情况。由于其通用性,我们的系统方法为解决一般图上的更一般的多粒子散射问题奠定了基础,这反过来又可以设计不同或更简单的量子门和小工具。作为这项工作的结果,我们表明,当相互作用仅作用于线图的一小部分时,可以高保真地实现 CPHASE 门。
摘要:系统识别中的方法用于获得线性时间不变的状态空间模型,这些模型可以描述大量集合集合的水平平均温度和湿度如何随时间在小强迫下而演变。此处研究的整个集成集成在辐射 - 对流平衡中模拟了云系统解析模型。识别模型扩展了过去研究中使用的稳态线性响应函数,并提供了转移函数,噪声模型以及与二维重力波耦合时的转移函数,噪声模型和对流的行为。开发了一种新的程序,将状态空间模型转换为可解释的形式,该形式用于阐明和量化积云对流中的记忆。此处研究的线性问题是为获得数据驱动和解释的Coarteption的更一般努力的有用参考点。
摘要 — 本文首次提出了一种具有频率不变点的无轭母线电流传感器。现有的矩形母线电流传感器由于大块母线中的涡流而存在频率依赖性问题。所提出的传感器具有用于母线传感区域的新型 C 形结构。首次观察到该结构在 C 形母线的两侧提供了一组频率不变点。在所提出的方案中,使用两个差分形式的集成磁通门传感器来测量这些不变点处的磁通密度。使用 Ansys Maxwell 涡流求解器执行的基于有限元法 (FEM) 的 3-D 分析提供了频率不变点的精确位置。制作了一个原型,并使用德州仪器的 DRV-425 集成磁通门传感器在实验室中对 C 形母线传感器进行了功能测试。实验中,放置在频率不变点的磁通门传感器测量了从 50 Hz 到 1000 Hz 的多个频率下的磁通密度。测试结果表明,使用所提出的 C 形母线,由于频率依赖性而导致的误差从 14 % 降低到 0.85 %。
摘要 - 自治车辆(AV)越来越受到黑客的攻击。但是,AVS的系统安全至关重要,因为任何成功的攻击都会导致严重的经济损失,设备损失甚至人类生命的损失。评估新算法的良好安全原则是表明该提案对强大的对手有抵抗力。因此,在这张海报中,我们意识到最糟糕的攻击类型,称为隐形攻击,对转向控制系统,这对于AVS的横向控制很重要。我们提出的隐形攻击的核心是使用模型预测性控制(MPC),状态空间模型(SSM),系统识别(SI)和动态时间扭曲(DTW)允许攻击者准确模拟系统行为,从而允许它们执行不可检测的攻击。
构建局部表面表示最近在3D视觉中引起了很大的关注,从而使复杂的3D形状成为较简单的局部地理序列。受到2D离散代表学习的进步的启发,最近的方法提出了将3D形状分解为常规网格,每个单元格与从可学习的代码簿中采样的离散代码相关联。不幸的是,现有方法忽略了局部刚性自相似性以及与方向可能变化有关的3D几何形状固有的歧义。因此,此类技术需要非常大的代码手册来限制几何和姿势的所有可能变异性。在这项工作中,我们提出了一种新颖的生成模型,该模型通过将local的几何形状紧密地嵌入旋转和翻译不变的manner中来证明产生质量。此策略允许我们的离散代码代码书通过避免本地和全局冗余来表达更大范围的几何结构。至关重要的是,我们通过仔细的体系结构设计表明,我们的方法可以从本地嵌入中恢复有意义的形状,同时确保全球一致性。进行的实验表明,在相似的设置下,我们的方法优于基线方法。
策略方法(SM)是一种日益流行的估计偏好方式,包括要求参与者在所有信息集中指示他们的选择,而不仅仅是实际达到的信息。然后比较不同信息集中决策的差异。例如,要确定最后通atum游戏中低报价的效果,可以将设置的低信息信息的决策变化与高范围信息集的决策进行比较。SM的吸引力来自其简单性以及其在理论模型表明存在多种均衡时实际播放的均衡的潜力。sm还有可能规避在异质个体之间进行比较时估计偏好时出现的许多依据问题。sm是经济学研究中使用的直接但功能强大的工具,涉及要求参与者在所有可能的信息集中做出选择,而不是仅在所达到的信息集中进行选择。通过比较不同信息集的决定性变化,研究人员可以获得宝贵的见解。例如,在最后通atum游戏中,可以通过对比低和高的场景做出的决策来评估低报价的效果。SM的吸引力在于它的简单性和揭示理论模型表明多种可能性时所发挥的实际均衡的能力。此外,SM可以帮助克服内生性问题,这些问题在估计不同个体之间比较的偏好时出现。2020; Chen and Schonger 2023)。但是,SM具有其局限性,并且可以产生与使用直接启发(DE)集合的数据不同(Brandts and Charness 2000,2011;García-Pola等人。开放的问题是为什么以及在哪些条件下这些方法不是明确等效的。我们认为,当与SM一起玩的游戏的回报是与DE玩游戏的诱发终端节点的仿射转换时,这两个游戏在表面上是相当于的,而SM的游戏本质上与游戏的战略形式相吻合。由于这种情况可能无法满足,因此SM受到可能严重的经济理论偏见的约束。大量的经济理论使SM和DE的信息集差异。DE决策节点的信息集与SM中同一决策节点的信息集不同。虽然经常对超平衡动机的经济理论进行模范,但使用SM的研究人员隐含地将其隐含地假定。三个因素使平衡动机在SM背景下成为特别重要的问题。首先,SM通常依赖于不同信息集的许多决定。第二,SM中最常用的因变量通常高度相关。第三,这是SM的固有方面,即使在不同信息集中,即使它们不影响货币收益,范围均衡的决策也会影响决策的效用。这三个因素相互加强,因此,相对于DE,可以严重偏见治疗效应的SM。基于失望厌恶的动机(Gul,1991),意图(Battigalli等,2007; Fehr&Schmidt,2000),自我形象(Bénabou&Tirole,
摘要策略方法(SM)在实践中可能存在严重的经济理论偏见。尽管许多研究都利用SM来检查对稀有或偏离平衡行为的反应,但通过直接启发(DE)无法实现,但它们忽略了这样一个事实,即SM和DE之间的战略等价性在货币回报游戏中持有,但实际上没有游戏参与者实际上玩的是,这是在利用方面的。我们报告三个结果。首先,当一个信息集在一个信息集上可能影响效用时,无法说明估计偏差可能会导致决策的显着差异。第二,这种偏见的大小可以取代,与其他测量的治疗效果相当。第三,针对显着性的小干预措施可以同样扩大这些差异,从而导致治疗效果在SM和DE之间显着差异,甚至在方向上逆转。这些发现强调需要重新考虑SM对经济研究的可靠性。
摘要策略方法(SM)在实践中可能存在严重的经济理论偏见。尽管许多研究都利用SM来检查对稀有或偏离平衡行为的反应,但通过直接启发(DE)无法实现,但它们忽略了这样一个事实,即SM和DE之间的战略等价性在货币回报游戏中持有,但实际上没有游戏参与者实际上玩的是,这是在利用方面的。我们报告三个结果。首先,当一个信息集在一个信息集上可能影响效用时,无法说明估计偏差可能会导致决策的显着差异。第二,这种偏见的大小可以取代,与其他测量的治疗效果相当。第三,针对显着性的小干预措施可以同样扩大这些差异,从而导致治疗效果在SM和DE之间显着差异,甚至在方向上逆转。这些发现强调需要重新考虑SM对经济研究的可靠性。