XiaoMi-AI文件搜索系统
World File Search SystemRobust
检索强大的网络防御的增强产生
本报告是作为由美国政府机构赞助的工作的帐户准备的。美国政府或其任何机构，也不是巴特尔纪念研究所，或其任何雇员，对任何信息，设备，产物或程序披露或代表其使用的任何法律责任或责任都没有任何法律责任或责任，或者对其使用的准确性，完整性或有用性都不会侵犯私人权利。以此处参考任何特定的商业产品，流程或服务，商标，制造商或以其他方式不一定构成或暗示其认可，建议或受到美国政府或其任何机构或Battelle Memorial Institute的认可，建议或赞成。本文所表达的作者的观点和观点不一定陈述或反映美国政府或其任何机构的观点和意见。
sqisign2d-east：使用2 ...
摘要。大型语言模型（LLMS）最近改变了许多行业，增强了内容生成，客户服务代理，数据分析甚至软件的生成。这些应用程序是在远程服务器上托管的十个应用程序，以保护神经网络模型IP；但是，这引起了人们对输入查询的隐私的担忧。完全同质加密（FHE）是一种允许在私人数据上进行计算的加密技术，已被提议作为解决挑战的解决方案。然而，由于LLM的大小和FHE的计算开销的增加，今天使用分型模型方法对当今的实用fhe llms进行了进程。在这里，用户将其FHE加密数据发送到服务器以运行加密的注意头层；然后，服务器返回该图层的结果，以供用户本地运行该模型的其余部分。通过采用此方法，服务器维护其模型IP的一部分，并且用户仍然可以执行私有LLM推理。在这项工作中，我们评估了单层拆分模型LLM的神经网络模型IP构图，并演示了一种新颖的攻击向量，该攻击向量使用户可以轻松从服务器中提取神经网络模型IP，从而绕开了对加密量的要求的保护措施。在我们的分析中，我们证明了这种攻击的可行性，并讨论了潜在的缓解。
分布稳健图形的图形
通过优化模型的最坏情况性能，基于分布的强大优化（DRO）图形网络方法改善了建议系统的脱离（OOD）概括。但是，这些研究未能考虑嘈杂样本在训练数据中的影响，这导致概括能力降低和准确性降低。通过实验和理论分析，本文表明，当前基于DRO的图形建议方法为噪声分布分配了更大的权重，从而导致模型参数学习由其主导。当模型过于关注训练数据中的噪声样本时，它可能会学习无关紧要或含义的较小功能，这些功能无法推广到OOD数据。为了应对这一挑战，我们为O OD推荐（DRGO）设计了D iStribution Rubust G Raph模型。具体来说，我们的方法首先采用简单有效的扩散范式来减轻潜在空间中的嘈杂效应。此外，在DRO目标函数中引入了熵常规项，以避免在最坏情况下分布中的极端样品权重。最后，我们提供了DRGO的概括误差结合的理论证明，以及对我们的方法如何对嘈杂的样本效应的理论分析，这有助于从理论角度更好地理解所提出的框架。我们在四个数据集上进行了广泛的实验，以评估我们的框架的有效性，以针对三个典型的分布变化进行评估，结果证明了其在独立和相同分布分布（IID）和OOD中的优势。我们的代码可在https://anonymon.4open.science/r/drgo-fed2上找到。
纸张类型：具有弹性供应商的研究论文稳健供应链网络设计
供应链网络设计和弹性供应商的选择在供应链风险管理中很重要，以应对各种操作和破坏风险。在本文中，我们开发了一种强大的数学双目标，多产品模型，以同时考虑供应链网络设计的弹性供应商和不确定性，并同时考虑供应链网络设计，并同时考虑供应链网络设计，这项研究为弹性供应商选择和订单分配提供了最佳解决方案。首先，我们显示了具有两个目标函数的混合成员线性编程（MILP）模型。第一个目标函数最大化了总利润，而第二个目标函数则最大化了总供应商弹性得分。模糊SECA用于获得五个弹性标准权重和目标函数的弹性得分。我们可以使用模糊的SECA方法对弹性供应商进行排名。我们提出了一种协调生产计划，供应商选择和订单分配的方法。Theε-约束方法用于获得最佳量的决策变量，以最大程度地提高实际案例研究的利润。最后，进行了帕累托溶液分析，以确定鲁棒性和弹性之间的权衡。结果显示供应链中的不确定性参数如何影响目标函数。此外，本文表明，供应商的弹性得分为4000，该模型的第一个目标函数提出了最高值。因此，在这一点上，我们可以拥有具有最大盈利能力的弹性供应商。
用于医学图像处理的稳健且可推广的人工智能
©Emir Konuk©Emir Konuk，Kevin Smith，论文A©Emir Konuk，Christos Matsoukas，Moein Sorkhei，Phitchapha Lertsiravarameth，Kevin Smith，Paper B©Filip Christiansen，Emir Konuk，Emir Konuk，Emithya Raju Ganeshan，Robert welse，rane narane，rane g Bert Fruscio，Adrius Gaurilcikas，Dorella Franchi，Daniela Fischerova，Elisa Mor，Luca Savelli，Maria Angela Pascual，Marek Kudla，Stefano Guerriero，Francesca Buonomo Pangilinan。 24©Emir Konuk©Emir Konuk，Kevin Smith，论文A©Emir Konuk，Christos Matsoukas，Moein Sorkhei，Phitchapha Lertsiravarameth，Kevin Smith，Paper B©Filip Christiansen，Emir Konuk，Emir Konuk，Emithya Raju Ganeshan，Robert welse，rane narane，rane g Bert Fruscio，Adrius Gaurilcikas，Dorella Franchi，Daniela Fischerova，Elisa Mor，Luca Savelli，Maria Angela Pascual，Marek Kudla，Stefano Guerriero，Francesca Buonomo Pangilinan。 24
harts：高阈值，适应性的安全和稳健的阈值schnorr签名
schnorr签名方案的阈值变体最近由于其在加密货币上的应用而处于关注的焦点。However, existing constructions for threshold Schnorr signatures among a set of n parties with corruption threshold t c suffer from at least one of the following drawbacks: (i) security only against static (i.e., non-adaptive) adversaries, (ii) cubic or higher communication cost to generate a single signature, (iii) strong synchrony assumptions on the network, or (iv) t c + 1 are sufficient to generate a签名，即该计划的腐败门槛等于其重建阈值。特别是（iv）对于许多异步现实世界应用而言，这是一个严重的限制，在这些应用中，需要t c Ruffing等人提出的最新计划，烤。 （ACM CCS 2022）地址（III）和（IV），但仍未获得亚皮的通信复杂性和自适应安全性。 在这项工作中，我们介绍了Harts，这是结合所有这些Desiderata的第一个阈值Schnorr签名方案。 更具体地：Ruffing等人提出的最新计划，烤。（ACM CCS 2022）地址（III）和（IV），但仍未获得亚皮的通信复杂性和自适应安全性。在这项工作中，我们介绍了Harts，这是结合所有这些Desiderata的第一个阈值Schnorr签名方案。更具体地：
插入一个：单发稳健的视觉力伺服彩将用于新的对象插入6-DOF跟踪 /作者= Chang，Haonan; Boularias，Abdeslam； Jain，siddarth /creationdate = 2024年10月4日 /主题=计算机视觉，机器人技术< /div>
自主机器人组装的摘要最新进步已显示出令人鼓舞的结果，尤其是在应对精确插入挑战方面。但是，在不同的对象类别和任务之间实现适应性通常需要一个学习阶段，需要昂贵的现实世界数据收集。先前的研究通常假定插入的对象对机器人的末端效果的刚性附着，或者依赖于结构环境中的精确校准。我们提出了一种单发方法，用于高精度接触富含的操作装配任务，从而使机器人仅使用单个演示图像从随机呈现的方向上执行新对象的插入。我们的方法结合了一个混合框架，该框架将基于6-DOF视觉跟踪的迭代控制和阻抗控制融合在一起，从而通过实时视觉反馈促进高精度任务。重要的是，我们的方法不需要预先训练，并且证明了对摄像头姿势校准误差和物体内部姿势的干扰产生的不确定性的弹性。我们通过在现实世界中的广泛实验进行了拟议框架的效果，涵盖了各种高度精确的组装任务。
推进云计算中安全数据存储和处理的量子加密算法：增强对新兴网络威胁的防御能力
摘要 — 云计算的兴起改变了数据存储和处理方式，但也带来了新的漏洞，尤其是量子计算的迫在眉睫的威胁。传统的加密方法虽然目前有效，但面临着被量子攻击破坏的风险。这项研究旨在为云环境开发一种抗量子安全框架，将基于格的加密技术与量子密钥分发 (QKD) 协议（尤其是 E91 协议）相结合，以实现安全密钥管理。该框架还结合了量子认证协议，以增强用户身份验证，防止未经授权的访问和篡改。所提出的解决方案在强大的安全性与实际实施之间取得平衡，确保了现实云环境中的可扩展性和效率。性能评估表明加密时间约为 30 毫秒，优于 RSA 和 DES 等现有方法。这项研究有助于开发面向未来的加密标准，既能应对当前的安全挑战，又能应对新出现的量子计算威胁。通过利用量子力学，该框架加强了基于云的数据保护，为应对不断发展的网络风险提供了弹性解决方案。该结果对推动云安全具有重要意义，为能够抵御量子计算威胁的下一代加密技术奠定了基础。
适用于移动增强现实的强大协作视觉惯性大满贯
摘要 - 在多用户移动AR应用程序中确保精确的实时本地化并确保鲁棒性是关键挑战。利用协作信息来增强轻量级设备的跟踪准确性，并强化整体系统的鲁棒性是至关重要的。在本文中，我们提出了一个可靠的集中式协作多代理VI-SLAM系统，用于移动AR交互和服务器端有效的一致映射。该系统在移动设备上部署了轻巧的VIO前端，以进行实时跟踪，并在远程服务器上运行的后端以更新多个子包。当检测到跨代理之间的跨代理之间的重叠区域时，系统执行子束融合以建立全球一致的图。此外，我们提出了一个基于在线注册和融合的多代理场景中的可覆盖率领域的地图注册和融合策略。为了提高前端对代理的跟踪准确性，我们介绍了一种策略，以将全局地图更新为本地地图，以中等频率的摄像机率姿势估计前端VIO和低频全局地图优化，使用紧密耦合的策略，以实现全局图中的多代数前端估计的一致性。通过在服务器上执行后端映射并在多个移动设备上部署VIO前端以进行AR排除，从而进一步确认了所提出的方法的有效性。此外，我们通过分析代理和服务器结束的网络流量，同步频率以及其他因素来讨论提出系统的可扩展性。