XiaoMi-AI文件搜索系统
World File Search SystemRegex
利用网络 AI 转变网络运营
对 AIOps 的需求“传统的 NMS 系统基于正则表达式匹配或某些规则系统，大量噪音涌入警报控制台，”eBay 网络与数据中心工程副总裁 Parantap Lahiri，ONUG 2021，网络 AI 执行圆桌会议“在多供应商和软件堆栈环境中，不再可能对网络进行故障排除，甚至无法了解可见性，”戴尔科技高级副总裁兼首席技术官 Ihab Tarazi，ONUG 2021，网络 AI 执行圆桌会议“我们坚信人工智能将系统地改进和改变我们的网络管理，”Orange 国际网络副执行副总裁 Jean-Louis Le Roux，ONUG 2021，网络 AI 执行圆桌会议 AIOps 的影响“如果交换机死机，我们会得到 100 张工单。通过拓扑感知和事件层次结构感知的自关联，我们得到一张工单。只有一个真正的事件需要解决。对于 RTP [维护] 活动，我们从 100 张工单减少到 0 张，”eBAY 网络软件工程与运营技术总监 Rick Casarez，ONUG 2022
Fortisase管理指南
更改日志8简介9使用forticlient 11 SWG无代理模式12专用公共IP地址12嵌入到板载指南13 FORTFELEX许可16许可更新通知17远程VPN用户识别17所需的服务和端口17 AS IAM用户签名为IAM用户18遥控器22 23 fortect 22 22 fort fortigens 22 Fortigitig 22 fortigitig 22 support 26 Pre-logon VPN 26 ZTNA Windows tagging rules for certificate subject CN regex or wildcard matching 28 Central management 28 Network restrictions removed 29 SD-WAN On-Ramp support 30 Supporting external IdP users 30 Dashboards 31 Adding a custom dashboard 31 Resetting all dashboards 32 Drilling down on vulnerabilities 32 FortiView monitors 33 Adding a custom monitor 34 Resetting all monitors 34 Monitoring边缘设备带宽用法35边设备36边设备40 fortiextender 40先决条件40查看新的fortiextender的通知43将fortiextender配置为fortiextender fortiSase lan Extension 44 FortiGate 52先决条件53查看通知，以新的FortiGate 54配置FortiGate 54 FortiGate 54 Fortigate 54 Fortendies 54 Fortipecip 57
2022/10/17 - 2022/10/18 - 用于铁路轨道系统预测性维护的语义 AI - 国际铁路安全委员会 2022
（电邮：twinson@mtr.com.hk、+852-2688 1337） 4 香港数据科学研究所 / 香港城市大学数据科学学院，香港九龙达之路（电邮：yuyang@cityu.edu.hk、Joe.Qin@cityu.edu.hk、qingpeng.zhang@cityu.edu.hk、lishuai.li@cityu.edu.hk） 5 香港城市大学建筑及土木工程系，香港九龙达之路（电邮：paullam@cityu.edu.hk） 背景 香港是世界上人口最密集的城市之一。为满足市民的出行需求，铁路每天的服务时间很长，导致维护时间很短。为了进一步提高铁路的安全性和可靠性，重要的是实施有效的方法分析铁路事故，探索事故之间的相关性，并对铁路系统中高风险设备和区域发出警报，以实现对铁路轨道系统的新型预测性维护。近年来，数据驱动方法迅速渗透到制造业、金融业、交通运输业、网络安全和医疗保健等各个行业领域。因此，在本研究中，我们旨在通过建立人工智能（AI）模型，利用广泛的铁路数据，例如铁路事故报告、维护记录、实时状况数据和在线信息，这些数据对于深入了解导致铁路轨道事故的不同关联程度的相关因素很有价值。在人工智能模型构建方面，将原始数据转化为结构化知识至关重要，这样人工智能技术才能有效地处理数据并使用数据进行预测。许多信息提取技术用于将原始数据转换为结构化数据。例如，正则表达式（Regex）通常用于提取特定的关键字；可以应用插值方法来处理原始数据中的缺失值；四分位距（IQR）用于去除原始数据中可能误导下游数据分析任务的异常值；复杂的无监督学习方法，如主成分分析（PCA）（Pearson，1901）和K均值（Lloyd，1982；MacQueen，1967），用于提取信息特征。