XiaoMi-AI文件搜索系统
World File Search SystemMutual
通过安全相互认证协议改进 RFID 系统
射频识别 (RFID) 系统用于自动识别物体和人。该技术被广泛用于各种应用。该系统使用射频发送和接收数据。大多数 RFID 系统由三个实体组成 [1]：标签、读取器和后端数据库。标签是一种高度受限的微芯片，带有天线，用于存储唯一的标签标识符以及与标签所附物体相关的其他信息。读取器是一种可以读取/修改标签存储信息的设备，并且（如果需要）可以修改或不修改这些数据，将其传输到后端数据库。后端数据库将存储此信息并跟踪读取器所需的数据。近年来，许多应用（包括仓库管理、物流、铁路车辆跟踪、产品识别、图书馆图书签入/签出、资产跟踪、护照和信用卡）都在使用 RFID 技术，但存在与 RFID 安全和隐私相关的问题。RFID 系统可能面临的安全威胁包括拒绝服务 (DoS)、人为攻击
国家能源安全计划可选接入：互助
本文件由美国能源部网络安全、能源安全和应急响应办公室 (CESER) 制作，旨在帮助各州制定州能源安全计划 (SESP)。各州可以选择将部分或全部提供的材料纳入其 SESP（可选）。鼓励各州根据需要调整或补充提供的材料，以更好地与现有的州角色、权限和计划保持一致；并更好地满足各州特定的需求和情况。本文件并非旨在规定或建议非法定扩大州能源办公室的职责。虽然该资源提供了互助计划的基本描述，但 CESER 鼓励各州与行业合作伙伴建立关系并协调应急准备和应急响应活动。
与网络中相互认证的多方盲量量子计算协议
抽象盲量计算（BQC）可以确保具有有限量子能力的客户端安全地将计算任务委派给远程量子服务器。为了抵制攻击忽略BQC协议中的身份身份验证，有必要保证多方BQC网络中客户端和服务器的合法性。因此，我们提出了一个多方BQC协议，该协议涉及三个阶段，以分发共享密钥和身份验证身份。首先，通过使用测量设备独立量子密钥分布（MDI-QKD）的优势，注册客户端和分配的服务器可以在注册阶段安全共享初始密钥。其次，在半冬天的认证权限（CA）的帮助下，相互身份认证阶段同时通过共享密钥实现了双方的双向身份验证。第三，在盲量计算阶段，注册客户端可以通过测量分配的服务器而不是准备Qubits来完成其计算任务。与第一个（FIFO）原理结合使用，可以并行处理客户的身份验证和盲量计算。该协议也可以应用于具有资源状态通用性的其他多方BQC协议中。与其他BQC协议相比，保证具有身份认证协议的可靠性，并且在实际实验中将显着反映效率。
分析弹道和扩散的非平衡稳态中的条件相互信息
摘要条件相互信息（CMI）i（a：c | b）量化给定a和c之间共享的相关量b。因此，它是多部分场景中两分相关性的更一般的量化符，在量子马尔可夫链理论中起着重要作用。在本文中，我们对CMI在不同温度下在两个浴场之间放置在两个浴场之间的量子链的非平衡状态（NESS）中的CMI行为进行了详细研究。这些结果用于阐明弹道和扩散运输方式背后的机制，以及它们如何影响链条不同部分之间的相关性。我们对在边界处受到本地Lindblad散射剂的一维纤维链的特定情况进行研究。此外，该链在每个地点还受到自一致的储层，这些储层用于调整弹道和扩散之间的传输。结果，我们发现CMI独立于弹道制度中的链尺寸L，但在扩散情况下用L衰减代数。最后，我们还展示了如何使用这种缩放来讨论非平衡稳态中局部热化的概念。
belavkin – Staszewski相对熵，条件熵和互信息
摘要：Belavkin – Staszewski相对熵自然可以表征量子状态可能的非交通性的影响。在本文中，通过用Belavkin – Staszewski相对熵替换量子相对熵来定义两个新的条件熵项和四个新的相互信息项。接下来，研究了它们的基本属性，尤其是在经典量子设置中。特别是我们显示了Belavkin -Staszewski条件熵的弱凹性，并获得了Belavkin -Staszewski共同信息的链条规则。最后，建立了Belavkin – Staszewski相对熵的子效率，即，关节系统的Belavkin -Staszewski相对熵小于其相应子系统的总和，借助某些乘法和附加因子的帮助。同时，我们还提供了几何rényi相对熵的一定亚辅助性。
局部汉密尔顿算子的吉布斯态互信息的指数衰减
物理系统的热平衡性质可以用吉布斯态来描述。因此，了解何时可以轻松描述此类状态非常重要。特别是，如果远距离区域之间的相关性很小，情况就是如此。在这项工作中，我们考虑在任何温度下具有局部、有限范围、平移不变相互作用的一维量子自旋系统。在这种情况下，我们表明吉布斯态满足相关性的均匀指数衰减，而且，两个区域之间的互信息随其距离呈指数衰减，与温度无关。为了证明后者，我们表明，对于在任何温度下具有局部、有限范围相互作用的一维量子自旋系统，无限链热态相关性的指数衰减、指数均匀聚类和互信息的指数衰减都是等价的。特别是，Araki 的开创性结果表明这三个条件在平移不变的情况下成立。我们使用的方法基于 Belavkin-Staszewski 相对熵和 Araki 开发的技术。此外，我们发现，我们所考虑的系统的吉布斯状态超指数地接近饱和 Belavkin-Staszewski 相对熵的数据处理不等式。
在高压下硫中电荷密度波和单斜畸变的相互稳定
电荷密度波（CDW）是电子密度和原子位置的调制，其周期性不同于（通常与）基础的晶格[1]。CDW出现在各种材料中，它们可以内在地引起金属 - 绝缘体过渡[2]。CDW被认为是由嵌套，电子偶联，激子机制或其组合驱动的[1，3]。在这里，我们表明CDW也可以与CDW周期性以外的波矢量的基础晶格的变形有关。CDW与其他顺序参数的耦合（在元素硫的本情况下的晶格失真）不仅是CDW机制的一部分很重要，而且还改变了相变的特征。CDW以八个元素形成，其中七个处于高压[4-21]。CDW相的压力诱导的ONES集始终是第一阶转变，而高压转变归因于第一阶或二阶转变，通常涉及结构或光谱数据的外推[8，10，10，10，12 - 14，14，16，20，20，22，22]。如果CDW相是纯粹位移性的结构相变
迈向促进人工智能与人类相互理解的下一代可解释人工智能
基于深度学习的人工智能的最新进展要求对人工智能的运行进行更好的解释，以提高人工智能决策的透明度，特别是在自动驾驶汽车或医疗诊断应用等关键系统中，以确保安全、用户信任和用户满意度。然而，目前的可解释人工智能 (XAI) 解决方案专注于使用更多的人工智能来解释人工智能，而不考虑用户的心理过程。在这里，我们使用认知科学理论和方法来开发下一代 XAI 框架，以促进人机相互理解，并使用计算机视觉人工智能模型作为示例，因为它在关键系统中很重要。具体来说，我们建议为 XAI 配备人类社交互动中的重要认知能力：心智理论 (ToM)，即通过将心理状态归因于他人来理解他人行为的能力。我们专注于两种 ToM 能力：（1）推断人类的策略和表现（即机器的 ToM），以及（2）推断人类对 AI 策略的理解和对 AI 的信任（即推断人类的 ToM）。人类认知的计算建模和实验心理学方法在 XAI 开发这两种 ToM 能力中发挥着重要作用，通过将用户的策略与 AI 的策略进行比较并估计用户当前对 AI 策略的理解来提供以用户为中心的解释，类似于现实生活中的老师。增强人机之间的相互理解反过来可以导致更好地采用和信任 AI 系统。因此，该框架强调了认知科学方法对 XAI 的重要性。
肠道菌群的相互调制和1型糖尿病模型中的免疫系统
分析了肠道菌群模式，导致了前面提到的免疫学和T1D发育的调节，我们选择了孤立的点头，同居点头点头和分离的116C-NOD小鼠组。通过在纵向环境中分析了16S rRNA基因基因的16S rRNA基因，分析了116C B细胞转基因和116C-NOD肠菌群对NOD小鼠肠道细菌群落的自然转移。在六岁，12岁和20周龄时，分离的点头，同名点头和孤立的116c-nod小鼠分为两组：在疾病随访的40周内变成糖尿病的小鼠（未来的糖尿病患者）和在此期间（未来抵抗物）之前保持抗性的小鼠和保持抗性的小鼠。比较了未来的糖尿病和未来耐药性，并将新诊断的糖尿病患者与未来的耐药性进行了比较。最后一个比较是在12和20
利用在线相互知识提炼实现跨模态医学图像分割
深度卷积神经网络的成功部分归功于海量带注释的训练数据。然而在实践中，获取医疗数据注释通常非常昂贵且耗时。考虑到具有相同解剖结构的多模态数据在临床应用中广泛可用，在本文中，我们旨在利用从一种模态（又称辅助模态）学到的先验知识（例如形状先验）来提高另一种模态（又称目标模态）的分割性能，以弥补注释的稀缺性。为了缓解由模态特定外观差异引起的学习困难，我们首先提出一个图像对齐模块（IAM）来缩小辅助和目标模态数据之间的外观差距。然后，我们提出了一种新颖的相互知识蒸馏（MKD）方案，以充分利用模态共享知识来促进目标模态分割。具体来说，我们将我们的框架制定为两个独立分割器的集成。每个分割器不仅从相应的注释中显式提取一种模态知识，而且还以相互引导的方式从其对应部分中隐式探索另一种模态知识。两个分割器的集合将进一步整合来自两种模态的知识，并在目标模态上生成可靠的分割结果。在公共多类心脏分割数据（即 MM-WHS 2017）上的实验结果表明，我们的方法通过利用额外的 MRI 数据在 CT 分割方面取得了很大的改进，并且优于其他最先进的多模态学习方法。