XiaoMi-AI文件搜索系统
World File Search SystemModulo
Analysis of the effects of the aortic conduit's geometry and mechanical behavior on heart valve prosthesis' test bench characterization
这项工作涉及更改上述进行的，以首先引入以Valsalva的乳房以及上升主动脉的能力为特征的正确几何形状。对于后者，有必要对formlabs的弹性50a树脂进行完整的表征，以获得精制的性质。特别是进行了各种测试，包括牵引测试以表征弹性模块和循环测试，以验证管子是否可以进行测试。收集的结果用于产生电缆的电缆，并通过通过3D打印制成的Valsalva的乳房的几何形状。脉冲测试：力学，聚合物和生物学；在标准构型中，带有带有几何形状的刚性管，然后带有带有几何形状的导管。
群集和叠加的关系之间的关系 -
1。引入统计力学思想和工具在八十年代中期发起的随机优化问题[1]的应用，这是由于发现在约束满意度问题（CSP）的第五年前的相变的重新兴趣所带来的。brie ploge，一个人想决定是否在一组变量（至少）解决一个解决方案上是否会随机绘制的一组约束。当变量的数量在每个变量的约束时以固定比率α的固定比率α，答案突然从（几乎可以肯定的是）是的，是否，当比率越过一些临界值αs时。统计物理研究指出，在YES区域中存在另一种相变[2，3]。一组解决方案从以某种比例αd <αs的比例连接到断开的簇的集合，这是一种在均值式旋转玻璃理论中识别的副本对称性破坏过渡的优化术语的翻译。预计这种聚类过渡可能会产生动态后果。作为副本对称性打破信号的遗传性丧失，采样算法（例如蒙特卡洛程序）在该过渡时遇到问题。在[4]中，对于k -xorsat模型的情况，对MC方案的放缓进行了定量研究，其中约束仅是k布尔变量的线性方程（Modulo 2）（有关简介，请参见[5]和其中的参考文献）。目前的论文是谦虚的然而，发现解决方案原则上应该比抽样容易，并且分辨率算法的性能与表征解决方案空间的静态相变的性质的确切性质远非显而易见[6]。
TESLAC：利用 AI 加速器加速基于格的加密技术
摘要本文利用人工智能加速器实现密码算法。据我们所知，这是首次尝试使用人工智能加速器实现量子安全的基于格的密码术 (LBC)。然而，人工智能加速器是为机器学习工作负载（例如卷积运算）而设计的，无法将其强大的功能直接用于密码计算。注意到环上的多项式乘法是 LBC 中的一种耗时计算，我们利用一种简单的方法使人工智能加速器非常适合环上的多项式乘法。还进行了其他非平凡优化以最小化转换开销，例如使用低延迟共享内存、合并内存访问。此外，基于 NVIDIA 人工智能加速器 Tensor Core，我们实现了一个名为 TESLAC 的原型系统，并进行了一组全面的实验来评估其性能。实验结果表明，TESLAC 可以达到每秒数千万次运算，相比 AVX2 加速的参考实现实现了两个数量级的性能提升。特别地，通过一些技巧，TESLAC 还可以扩展到其他模 q 更大的 LBC。
通过二维输入空间探索对 SMT 求解器进行模糊测试
可满足性模理论 (SMT) 求解器是许多技术的核心引擎，例如符号执行。因此，确保 SMT 求解器的稳健性和正确性至关重要。虽然模糊测试是一种确保 SMT 求解器质量的有效方法，但我们观察到之前的模糊测试工作仅侧重于生成各种一阶公式作为输入，而忽略了 SMT 求解器的算法配置空间，这导致许多深藏不露的错误未被及时报告。在本文中，我们提出了 Falcon，一种同时探索公式空间和配置空间的模糊测试技术。将这两个空间结合起来会显著扩大搜索空间，使有效检测错误变得更加困难。我们通过利用两个空间之间的相关性来减少搜索空间，并引入自适应变异策略来提高搜索效率，从而解决了这个问题。经过六个月的广泛测试，Falcon 在两款最先进的 SMT 求解器 CVC4 和 Z3 中发现了 518 个已确认的错误，其中 469 个已经修复。与两款最先进的模糊测试器相比，Falcon 在 24 小时的测试中检测到了 38 个和 44 个以上的错误，并且覆盖率大幅提高。
在经典和量子计算平台上估计布尔可满足性问题的状态密度
给定一个合取范式 (CNF) 中的布尔公式 φ (x)，状态密度计算对于所有 e 值，恰好违反 e 个子句的变量分配的数量。因此，状态密度是所有可能分配中未满足子句数量的直方图。这种计算概括了最大可满足性 (MAX-SAT) 和模型计数问题，不仅可以洞察整个解空间，还可以衡量问题实例的难度。因此，在现实世界中，即使使用最先进的算法，这个问题通常也是不可行的。虽然找到这个问题的确切答案是一项计算密集型任务，但我们提出了一种基于测度不等式集中度来估计状态密度的新方法。该方法产生了二次无约束二进制优化 (QUBO)，这特别适用于基于量子退火的解决方案。我们介绍了总体方法，并将 D-Wave 量子退火器的结果与最著名的经典算法（如 Hamze-de Freitas-Selby (HFS) 算法和可满足性模理论 (SMT) 求解器）进行了比较。
定量代数高阶理论
看到程序语义的一种方式是程序等效的科学。为程序提供语义的每种方式都隐含地标识了哪些程序等效。同样，程序等效性的概念也可以看作是将含义归因于程序的一种方式（即程序所属的等价类别）。这种观点使语义成为程序转换和程序验证的有力思想和技术的强大来源，并具有显着的优势，即可以以组成和模块化方式定义此类技术。但是，在某些情况下，计划纯粹的染色性的程序之间的等价不足以提供信息：两个程序是否等效，期间。不能从两个略有不同的程序中提取进一步的定量或因果信息，尽管不是等效。此外，由于程序等价通常是一致的，因此在任何情况下都保留了仅在特殊情况下有所不同的程序也只是不等式的。由于这些原因，必须在所有（非常常见的）情况下寻找替代程序等效性的方法，这些情况涉及转换，而转换将程序替换为仅相当于的程序[31]，或者当规范不精确或不准确地满足时（例如，在现代密码学[27]中，大多数安全属性在近似意义上具有，即模仿可忽略不计的概率）。
TR 104 222 - V1.2.1 - 保护人工智能
AE 对抗性示例 AI 人工智能 API 应用程序接口 BDP 边界差分隐私 BIM 基本迭代方法 CIFAR 加拿大高级研究院 CNN 卷积神经网络 CW Carlini 和 Wagner（攻击） DNN 深度神经网络 DP-SGD 差分隐私随机梯度下降 FGSM 快速梯度符号法 GNN 图形神经网络 IP 知识产权 JPEG 联合图像专家组 JSMA 基于雅可比矩阵的显著性图 KNHT 键控非参数假设检验 L-BFGS 有限内存 Broyden-Fletcher-Goldfarb-Shanno（算法） MNIST 改良的国家标准与技术研究所 MNTD 元神经木马检测 PATE 教师集合的私有聚合 PCA 主成分分析 PGD 项目梯度下降 PRADA 防止 DNN 模型窃取攻击 ReLU 整流线性单元 RNN 循环神经网络 RONI 拒绝负面影响 SAI 保护人工智能 SAT 可满足性 SGD 随机梯度下降 SMT 可满足性 模理论 STRIP STRong 有意扰动 TRIM 基于修剪的算法 ULP 通用试金石
密码转换的信息驱动置换操作Vira Babenko 1，Tetiana Myroniuk 1，Artem Lavdanskyi 1，Yaroslav tarase
摘要在工作中，作者提出了使用信息驱动的置换操作来实施加密数据转换的技术之一。已经开发了一种基于使用基本信息驱动的置换操作的基本组的加密数据转换方法的算法。基于提出的算法的三个字节数据的加密转换过程由包含信息驱动的排列，Feistel网络，Shift和XOR操作以及添加模量2。在高级面向对象的编程语言Python中，已开发算法的软件实现已进行。根据提出的使用先前合成的信息驱动的置换操作的方法，根据提出的方法进行了进一步的研究结果，并进行了进一步的研究并对加密数据转换结果进行定性评估。根据NIST STS软件包的统计测试评估了该算法的有效性，以及其适用于通过硬件和软件实现数据加密的适用性，基于测试结果与使用标准加密算法DES，AES，AES，AES，AES，AES，blowfish，blowfish，Kalyna，strumok，strumok，strumok，strumok，straumok，straumok，straumok，straumok，straumok，straumok，straumok，straumok，straumok，straumok，straumok，straumok和Lineareareareareal反馈移位寄存器。关键字1技术，信息驱动的置换操作，基本操作，算法，加密转换，密钥，圆形，统计测试。1。简介
用微流体生物芯片进行样品制备的关键
摘要 - 微流体生物芯片最近在微型芯片上自动化各种生化方案时具有重要的希望和多功能性。样品制备涉及将流体与小规模的指定目标比的混合，这是这些协议的重要组成部分。算法与基础混合模型，混合序列和流体体系结构紧密相互交织。尽管在文献中已经研究了许多混合模型，但它们对混合步骤动态的影响迄今尚未完全了解。在本文中，我们表明可以根据整数的主要分解来设想各种混合模型，从而在混合算法，芯片体系结构和性能之间建立联系。这种见解导致了提出的基于分解的稀释算法（FACDA）的开发，该算法（FACDA）考虑了适用于微电极 - 点阵列（MEDA）生物芯片的广义混合模型。它进一步导致目标体积稀释算法（TVODA），以满足用户对给定音量的输出的需求。我们在确定混合序列的同时，在满足能力模量理论（SMT）的结构上提出了优化问题。对大量测试箱的仿真结果表明，对于反应物成本，混合时间和废物产生，FACDA和TVODA的最先进的MEDA生物芯片的最先进稀释算法。
1香农安全和一次性垫
我们如何知道这是计算安全的？我们没有。如果人们假设模块化指数是单向函数，则计算有限的窃听器EVE只有可忽略的概率可以恢复Alice's或Bob的Secret Key，A或B。在不知道{a，b}之一的情况下，对于G a和g b（mod q）的值而言，对于计算G AB（mod Q）的算法很难计算GAB（mod Q）。但是，这并不意味着我们知道如何从离散对数很难计算的假设中证明Di-e-Hellman密钥交换协议的安全性。相反，基于二型 - 赫尔曼密钥交换的安全性的假设称为决策局限性局部假设（DDH）假设。它涉及区分形式（g a，g b，g ab）（mod q）的有序三元组的问题，即形式的有序三元组（g a，g b，g c）（mod q）（mod q），当q是一个较大的素数并且G Modulo Q的顺序是另一个大的prime p。如果a，b，c从[p]随机随机取样，则DDH的假设是对于任何有效的可计算测试τ，概率prτ（g a，g b，g ab）= 1和prτ（g a，g b，g b，g b，g c）= 1 = 1 di e tif.1（n = n = log），以及n = 2（p），以及二（p）（p）（p）（p）（p）（p）（p）（p）（p）（p）（p）（p）（p）（p）（p）（p）（p）（p）（p）（p）（p）（p）（p）（p）（P） n的逆多项式函数。换句话说，DDH假设基本上只是一种说明Di-Hellman密钥交换在计算上是安全的一种方式。