XiaoMi-AI文件搜索系统
World File Search SystemQR
基于二维码的安全医疗处方系统
参考文献 [1] MA Sadikin 和 SU Sunaringtyas，“基于 Android 智能手机使用二维码实现安全电子处方数字签名”，2016 年信息与通信技术应用国际研讨会（ISemantic），三宝垄，2016 年，第 306-311 页。 [2] SA Al-Doweesh、FA Al-Hamed 和 A. Alasaad，“Arabica：快速响应码中阿拉伯文本编码的创新算法”，2017 年第 9 届 IEEE-GCC 会议和展览会（GCCCE），麦纳麦，2017 年，第 1-5 页。 [3] MF Tretinjak，“二维码在教育过程中的应用”，2015 年第 38 届信息与通信技术、电子学和微电子学国际会议（MIPRO），奥帕蒂亚，2015 年，第 833-835 页。 [4] RM Nor、NA Mohamadali、K. Azmi、A. Marzuki、LM Nor 和 M. Yusof，《ScanMed：一款使用二维码进行摄入验证的移动药物依从性应用程序》，2016 年第六届穆斯林世界信息和通信技术国际会议（ICT4M），雅加达，2016 年，第 112-117 页。
所有疫苗信息声明 (VIS) 的二维码链接
CDC 制作的 VIS 向接种者解释了疫苗的好处和风险。联邦法律要求医疗保健人员在每次接种某些疫苗之前向患者、父母或法定代表人提供最新的 VIS（英文版）。此资源包括所有已发布的联邦 VIS 的二维码和 RSV 预防抗体的免疫信息声明 (IIS)。
安全挑战随着QR码和AI生成的网络钓鱼的增量
尽管QR码网络钓鱼通常是针对各种个人和组织的机会主义威胁，但高管受到这些攻击的影响不成比例。例如，来自异常安全的数据表明，执行角色的人员收到的QR码攻击是2023年下半年的QR码攻击的42倍。这并不完全令人惊讶，因为威胁性参与者长期以来一直针对具有或多或少量身定制的网络钓鱼信息的高管和高级人员，这是一种称为“捕鲸”的技术，这主要是由于这些员工通常更高的访问公司资源的访问水平。异常安全性还报告说，大约27％的恶意QR码用于模拟2/MFA通知的网络钓鱼攻击，几乎可以肯定会产生紧迫感，并促使受害者立即采取行动。
使用QR码修改和椭圆曲线密码
抽象的身份证或Kartu Tanda Penduduk（KTP）对于印尼人民至关重要。KTP包含个人信息，例如国家身份编号（NIK），姓名，地址，性别等。由于KTP具有必不可少的数据，并且仍在常规上打印，因此如果丢失了KTP，则存在一个漏洞，并且所有者的数据被披露，以便如果不负责任的人找到它，则可以使用数据来模仿所有者。在Haque等人，[1]提出的先前方法中，数据存储在QR码中。但是，没有验证方法可以使原始所有者合法化，并且系统没有登录功能。为了克服Haque等人的弱点，方法[1]，使用椭圆曲线EL-Gamal（ECEG）对所有者的NIK进行了加密，并在将其存储在QR码中之前，在将其存储之前使用ECDSA进一步签名。对于在数据库中获取所有者的数据，应在扫描QR码后进行验证过程。使用提出的方法，猜测攻击成功的可能性为1 /（n -1）。同时，模拟攻击成功的可能性为1 /（Q1 * Q2 * L）。
常规推荐疫苗信息声明 (VIS) 的二维码链接
CDC 制作的 VIS 向接种者解释了疫苗的好处和风险。联邦法律要求医疗保健人员在每次接种某些疫苗之前向患者、父母或法定代表人提供最新的 VIS（英文版）。此资源包括一组有限的 VIS QR 码，用于 CDC 推荐的儿童或成人免疫接种计划中列出的疫苗和预防性抗体。
圣路易斯采购订单质量要求 (QR)
QR # QC1000 – 配套质量要求合规性检查表 新 – 04/18/03 供应商需要审查所提供套件的每个组成部分/材料的所有采购订单要求（包括适用的 GKN 质量要求），然后通过填写 QR FORM QC1000 确认整个套件符合这些要求，每个套件在发货给 GKN 之前均符合要求。此填妥表格的副本应包含在每次发货时发送给 GKN-STL 的合格证书中。QR # QC1206 – 政府来源检验 新：05/11/11 从卖方工厂发货前需要进行政府检验。收到本合同后，卖方应立即通知并向通常为卖方工厂提供服务的政府代表提供本合同和所有后续变更单的副本，以便完成适当的政府检验计划。在履行本合同期间，卖方及其分包商的质量和制造流程须接受授权政府代表的审查、验证和分析。本条款要求的检查可按照政府代表指定的任何制造或加工顺序进行。如果政府代表通常不为卖方的设施提供服务，卖方应向最近的国防合同管理局 (DCMA) 办公室提供本合同的副本。如果无法找到政府代表或 DCMA 办公室，卖方应立即通知买方的授权采购代表。
基于 P 波、HRV 和 QR 电交替特征的阵发性心房颤动检测方法
阵发性心房颤动 (PAF) 的检测是一个相当复杂的过程，由心脏病专家或电生理学家通过读取心电图 (ECG) 手动执行。目前，已经提出了基于快速傅里叶变换 (FFT)、贝叶斯最优分类器 (BOC)、K 最近邻 (K-NN) 和人工神经网络 (ANN) 的自动检测计算技术。在本研究中，基于 P 波、QRS 复合波和心电图心率变异性 (HRV) 的形态获得了六个特征。使用来自 Physionet 心律失常数据库 MIT-BIH 的临床心电图信号验证了该方法的性能。前馈神经网络用于检测 PAF 的存在，总体准确率达到 97.4%。结果表明，与仅使用其中一个或最多两个信息的其他研究相比，加入 P 波、HRV 和 QR 电交替的信息可以提高识别 PAF 事件的准确性。