XiaoMi-AI文件搜索系统
World File Search SystemRMF
使用 NIST AI 600-1 和 NIST AI RMF 1.0 进行 AI 风险管理
版权所有 © 2024 Kiteworks。Kiteworks 的使命是使组织能够有效地管理每次发送、共享、接收和保存敏感内容的风险。Kiteworks 平台为客户提供私有内容网络，提供内容治理、合规性和保护。该平台统一、跟踪、控制和保护在组织内部、进出组织时移动的敏感内容，显著改善风险管理并确保所有敏感内容通信的法规遵从性。
NIST 人工智能风险管理框架 (AI RMF) 的响应摘要分析 - 信息请求 (RFI) - NIST
» “该框架应包括促进有关人工智能风险和事件的信息共享的定义和模板。… 标准化的事件信息共享方式对于识别、评估、优先排序、缓解和传达人工智能风险非常有价值。” 1 » “NIST 应努力使关键术语的定义与已发布的定义相协调，以便全球人工智能社区使用同一种语言。通用词汇将使组织和社会更有信心，并促进标准、框架、模型等的更大一致性。” 2 » “我们认为，RMF 必须特别关注以特定且技术相关的方式定义围绕性能测量、可追溯性、可解释性、可解释性、透明度、可修复性等主题的标准术语。” 3
多组分超导性：手性，列和电荷4E超导状态
rmf＆fu，物理。修订版Lett。 127，047001（2021）Gali＆Rmf，物理。 修订版 b 106，094509（2022）Hecker，Willa，Schmalian和Rmf，Phys。 修订版 b 107，224503（2023）Lett。127，047001（2021）Gali＆Rmf，物理。修订版b 106，094509（2022）Hecker，Willa，Schmalian和Rmf，Phys。修订版b 107，224503（2023）
AI 风险管理框架：第二稿 | NIST
NIST 可信和负责任 AI 资源中心将托管 AI RMF、Playbook 和相关资源，以提供实施 AI RMF 的指导以及更广泛地推进可信 AI。欢迎随时贡献其他指导 - 这将构成资源中心内容的大部分。贡献可能包括 AI RMF 配置文件、解释性论文、文档模板、测量和评估方法、工具包、数据集、政策或拟议的 AI RMF 与其他资源（包括标准和框架）的交叉。最终，贡献可能包括 AI RMF 案例研究、框架采用和有效性的评论、教育材料、与可信 AI 管理相关的其他技术形式的技术指导以及其他实施资源。AI 资源中心预计将包括一个标准中心和一个指标中心，以及一个术语知识库和相关的技术和政策文件。
内部...NIST 的 AI 创新实验室 (NAIIL)
NAIIL 的努力以 NIST AI 风险管理框架 (AI RMF) 为基础。AI RMF 是在私营和公共部门的意见下开发的，是一个自愿框架，用于以灵活、结构化和可衡量的方式管理 AI 风险。AI RMF 旨在供自愿使用，以帮助组织将可信度考虑因素纳入 AI 产品、服务和系统的设计、开发、使用和评估中。
旋转磁场推力器效率损失实验研究
摘要 本文介绍了一项关于旋转磁场 (RMF) 推进器低推力效率的实验研究。该技术成熟度较低，但可能成为使用替代推进剂实现高功率太空推进的候选技术。对 5 kW 级 RMF 推进器进行了直接推力台架测量，结果显示推力效率为 0.41 ± 0.04%，比冲为 292 ± 11 s - RMF 推进器运行的典型值。使用一套远场探测器为 RMF 推进器性能的现象学效率模型提供信息，该模型考虑了发散、功率耦合、质量利用率和等离子体/加速效率。结果发现等离子体效率处于临界低值，为 6.4 ± 1.0%。这表明 RMF 天线耦合到等离子体的大部分能量在转换为推进器光束中的定向动能之前就丢失了。为了确定这些损失的来源，使用三重朗缪尔探针对内部等离子体特性进行了时间分辨测量。发现碰撞激发辐射和壁面损失是两个主要的损失过程。与其他电力推进结构相比，该装置表现出异常高的等离子体密度（> 10 19 m − 3），这可以解释这一趋势。根据效率分析的结果，讨论了探测技术的局限性以及改进 RMF 推进器性能的策略。
AI 风险：使用 NIST 框架进行评估和管理
NIST 设计了人工智能风险管理框架 (AI RMF)，以帮助组织更好地识别、管理和减轻人工智能风险，并创建更值得信赖的人工智能系统。除了 AI RMF，NIST 还发布了一份配套“剧本”，其中包含针对组织的进一步实施指南、其关于人工智能发展的计划路线图和一份“对照表”，解释了 AI RMF 如何与 OECD 关于人工智能的建议、拟议的欧盟人工智能法案、美国关于在联邦政府中促进使用值得信赖的人工智能的第 13960 号行政命令以及拜登政府的人工智能权利法案蓝图相匹配。NIST 还推出了值得信赖和负责任的人工智能资源中心，以促进 AI RMF 的实施和国际协调。
识别施工风险管理的因素...
建筑项目经常出现延误和成本超支。风险管理 (RM) 的开发是为了控制与建筑项目相关的风险。然而，对于哪些因素应该构成建筑项目的 RM，尚无共识。因此，本文仔细研究了 RM 主题的先前研究，并确定了核心风险管理因素 (RMF)，这些因素对于使该概念在建筑行业 (CI) 中具有价值是必不可少的。进行了与 RM 相关的文献检索，以确定常见的 RMF。结果表明，对于建筑中应该构成 RM 的因素仍然存在误解和分歧。然而，组织环境、定义目标、资源需求、风险测量、风险识别、风险评估、风险应对和行动计划、沟通、监控、审查和持续改进等 RMF 占据了文献的主导地位。确定可以轻松理解和实施的 RMF 将有助于改善当前的 RM 状态并增强知识体系。© 2018 作者。由 Diamond Congress Ltd. 出版。同行评审由 2018 年创意建筑会议科学委员会负责。关键词：收缩；因素；模型；风险管理有效性
人工智能风险管理框架概念文件
− 本概念文件中描述的方法是否总体上适用于最终的 AI RMF？ − AI RMF 的范围和受众（用户）是否描述得当？ − AI 风险是否被适当地构建？ − 由核心（包括功能、类别和子类别）、配置文件和层级组成的结构是否能让用户适当地管理 AI 风险？ − 提议的功能是否能让用户适当地管理 AI 风险？ − 缺少什么（如果有的话）？
当今的风险管理框架... - Rmf.org
有时我希望自己有一个水晶球，可以透过它看到未来会发生什么。而我最希望的就是网络安全和 RMF 领域。可以说，知道下一个角落潜伏着什么会很棒。唉，我们能做的最好的就是对未来进行一些明智的猜测。我并不声称自己是最聪明的人，但我在这个领域工作了几十年，希望我获得了一些见解。以下是我对 RMF 未来的一些看法： 很可能，而且就在下一个角落：我们很可能会看到对持续监控的重视程度增加，这是 RMF 的第 6 步。国防部 RMF 文档套件中长期“缺失”的部分之一是持续监控的一系列政策和程序。国防部最近发布了持续授权（又称持续 ATO）政策。持续授权使授权官员 (AO) 能够定期授予 ATO“延期”，而不是经历完整的“重新授权”流程。持续授权要求系统所有者提供强大的持续监控程序的证据，以便让 AO 保证系统的安全态势保持在高水平。我的猜测是，国防部最终会以一些有意义的“操作方法”指导做出回应。可能性较小，但仍有可能：eMASS 可能会发生重大变化。