XiaoMi-AI文件搜索系统
World File Search SystemTrust
用户对人工智能信任的系统文献综述
摘要 用户对人工智能 (AI) 系统的信任已得到越来越多的认可，并被证明是促进采用的关键因素。有人提出，支持人工智能的系统必须超越以技术为中心的方法，转向以人为本的方法，这是人机交互 (HCI) 领域的核心原则。本评论旨在概述 23 项实证研究中的用户信任定义、影响因素和测量方法，以收集未来技术和设计策略、研究和计划的见解，以校准用户与人工智能的关系。研究结果证实，定义信任的方法不止一种。选择最合适的信任定义来描述特定环境中的用户信任应该是重点，而不是比较定义。研究发现，用户对人工智能系统的信任受到三个主要主题的影响，即社会伦理考虑、技术和设计特征以及用户特征。用户特征在研究结果中占主导地位，强调了从开发到监控人工智能系统的过程中用户参与的重要性。研究还发现，用户和系统的不同环境和各种特征也会影响用户信任，强调了根据目标用户群的特征选择和定制系统功能的重要性。重要的是，社会伦理考虑可以为确保用户与人工智能互动的环境足以建立和维持信任关系铺平道路。在衡量用户信任方面，调查是最常用的方法，其次是访谈和焦点小组。总之，在使用或讨论支持 AI 的系统的每个情况下，都需要直接解决用户信任问题。此外，校准用户与 AI 的关系需要找到不仅对用户而且对系统都适用的最佳平衡。
政府使用人工智能和自动决策的信任框架 - v3
随着各国政府越来越多地探索和投资人工智能和自动决策系统，我们需要采取措施确保这些快速发展的技术在公共服务的特殊环境中得到适当使用。在许多国家，COVID 创造了一个信任度提高的泡沫，这个泡沫可以说已经破灭了，在一个对公共机构前所未有的不信任的时代（但即使在信任度很高的时代），服务速度更快或更具成本效益是不够的。本文为政府系统（技术平台、运营、文化、治理、参与等）提出了建议，这些建议将有助于提高公众对公共机构、政策和服务的信心和信任，同时履行公共部门的特殊义务和责任。
关于人工智能用户信任的系统文献综述
摘要 用户对人工智能 (AI) 系统的信任已越来越多地得到认可，并被证明是促进采用的关键要素。有人提出，人工智能系统必须超越以技术为中心的方法，走向以人为本的方法，这是人机交互 (HCI) 领域的核心原则。本综述旨在概述 23 项实证研究中的用户信任定义、影响因素和测量方法，以收集未来技术和设计策略、研究和计划的见解，以校准用户与人工智能的关系。研究结果证实，定义信任的方法不止一种。重点应该是选择最合适的信任定义来描述特定环境中的用户信任，而不是比较定义。研究发现，用户对人工智能系统的信任受到三个主要主题的影响，即社会伦理考虑、技术和设计特征以及用户特征。用户特征在研究结果中占主导地位，强调了用户参与从开发到监控人工智能系统的重要性。研究还发现，不同环境以及用户和系统的各种特征都会影响用户信任，这凸显了根据目标用户群的特征选择和定制系统功能的重要性。重要的是，社会伦理考虑可以为确保用户与人工智能互动的环境足以建立和维持信任关系铺平道路。在衡量用户信任方面，调查是最常用的方法，其次是访谈和焦点小组。总之，在使用或讨论人工智能系统的每一个环境中，都需要直接解决用户信任问题。此外，校准用户与人工智能的关系需要找到不仅对用户而且对系统都适用的最佳平衡点。
安全漏洞报告 - 您信任谁？
• ADP - 授权数据发布者。ADP 角色使合格且获得授权的组织能够通过其他相关信息（例如风险评分、参考资料、漏洞特征、翻译等）丰富 CVE 编号机构 (CNA) 发布的 CVE 记录的内容。请参阅 https://www.cve.org/ProgramOrganization/ADPs 。6
信任与人工智能 - NIST 的 TSAPPS
67 为了充分描述实验程序或概念，本文件中可能会标识某些商业实体、设备或材料。69 此类标识并不意味着国家标准与技术研究所的推荐或认可，也不意味着实体、材料或设备一定是可用于此目的的最佳实体、材料或设备。72 73 74 75 76 77 78 79 80 81 82 国家标准与技术研究所 NISTIR 8332-draft 83 Natl.Inst.Stand.Technol.NISTIR 8332-draft 84 29 页（2021 年 3 月） 85 86 本草案出版物可从以下网址免费获取： 87 https://doi.org/10.6028/NIST.IR.8332-draft 88 89 90 91 92 93 94 请将对本文档的评论发送至：AIUserTrustComments@nist.gov 95
Michele Williams诉Morgan State University，等，Misc。 ...
Trusted Science and Technology Inc.，诉Nicholas Evancich等人。nos。38＆1437，9月术语。2023 Leahy的意见，J。证人>令人信服的证词>传票>寻求证词的相关性，实质性和可接受性；必要性> nonorties一个人（包括非政党）根据马里兰州规则2-510（f）对抗的能力表明，传票所寻求的发现超过规则2-402的界限，包括所寻求的发现与行动中所涉及的主题无关。]” MD。规则2-402（a）。证人>令人信服的证词>传票>寻求证词的相关性，实质性和可接受性；必要性> nontarties巡回法院在不考虑上诉人非政党的反对意见的情况下，违反了上诉人非政党的生产犯了错误。
区块链增强的NSGA-III GKM透明和可信赖的电子商务供应链
本研究的重点是通过集成区块链技术来提高电子商务供应链的透明度和信任。这在区块链中非常重要，因为有必要保护，记录，验证，验证和共享多个各方的数据，以确保透明度和信任。为了实现这一目标，我们介绍了称为基于区块链的NSGA III-GKM的先进组合技术。遗传K-均值聚类（GKM）和非主导的分类遗传算法（NSGA-III）是两种高级算法，结合了以新颖方式使用的高级区块链技术来实现这一目标。区块链系统会产生大量的复杂数据，因此确定有意义的模式和趋势很重要。NSGA III和GKM解决了区块链的这些问题。本研究使用NSGA III来解决多个目标的问题，例如提高信任，透明度和运输成本降低。通过使用NSGA，有效地确定了最佳解决方案，可以平衡这些具有挑战性的目标。同时，GKM通过微调分类为类似群集的数据点来改善分组过程。这有助于确定基于区块链的供应链数据中的特定趋势。通过结合这些方法，我们能够改善电子商务供应链中的趋势和行动机制。这些合并的方法协助公司确定有效的供应链策略，这有助于最大程度地降低风险，并能够调整不断变化的区块链系统。来自电子商务供应链的现实世界数据用于测试该方法的功效。根据调查结果，成功地展示了各种目标之间的平衡，并提供了改善区块链驱动的供应链网络的建议。总体而言，通过将区块链与NSGA III和GKM相结合，它不仅可以确保安全性和信任，而且还利用高级分析来提高透明度和运营效率。因此，它将帮助组织实现弹性有效的供应链管理。
歌剧：通过过度信托的惩罚和转录分配
幻觉是对多模态大语言模型（MLLM）的普遍挑战的幻觉，极大地阻碍了他们需要精确判断的真实用法。现有方法可以通过特定设计的数据进行培训，或通过其他来源的特定知识来缓解此问题，从而产生了不可避免的额外费用。在本文中，我们提出了一种新型的MLLM解码方法，该方法基于o-vertust pe nalty和r eTroptoction-llocation策略，它是一种几乎免费的午餐，可以减轻幻觉问题，并没有其他数据，知识，知识或培训。我们的方法始于一个有趣的观察结果，即，大多数幻觉与自我注意力矩阵所表现出的知识聚集作用紧密相关，即MLLM倾向于通过关注一些摘要的代价来产生新的代币，但并非所有以前的代币。这种部分过度信任的倾向会导致忽略图像令牌，并用幻觉描述图像内容。基于观察结果，Opera在梁搜索解码过程中引入了对模型逻辑的惩罚术语，以使Miti-Gate the Trust问题以及回滚策略回顾了在预先生成的令牌中存在摘要令牌的存在，并在必要必要时重新分配给标记。通过广泛的实验，Opera在不同的MLLM和指标上表现出明显的幻觉降低性能，证明其有效性和性质。我们的代码为：https：//github.com/shikiw/opera。
零值网络访问（ZTNA）
传统的安全模型，通常称为基于周长的安全性，是在可以信任网络中受保护边界内的任何用户或设备的假设下操作的[8]。这些模型依靠防火墙，虚拟专用网络（VPN）和非军事区（DMZ）来创建网络周围的安全周边，从而保护其免受外部威胁。但是，这种方法在现代计算环境中越来越不足，在现代计算环境中，固定周长的概念正在迅速消失[14,3]。云计算的兴起，物联网（IoT）设备的扩散以及远程劳动力的扩展具有从根本上改变的网络拓扑，从而创造了更加碎片和复杂的基础架构。因此，基于周边的安全性不再足够，因为威胁可能来自网络内部，设备可以在传统边界之外运行，并且用户可能需要从多个位置和平台访问资源[7,13]。零值网络访问（ZTNA）作为对这些挑战的响应而出现的，为保护现代网络环境提供了一种更灵活，更强大的方法。ZTNA的核心原理很简单而强大：“永远不要相信，始终验证”。与自动信任网络外部设备的传统模型不同，ZTNA假设每个访问请求，无论其起源如何，都必须谨慎对待并经过严格的验证。此模型将重点从保护周边转移到确保个人资源[11,13]，以确保每个用户和设备都经过认证，授权和连续监控，然后才能获得访问关键网络资产的访问。