XiaoMi-AI文件搜索系统
World File Search Systemcategorization
FIPS 199，联邦信息和信息系统安全分类标准
美国国家标准与技术研究所 (NIST) 的联邦信息处理标准出版物系列是与根据 1996 年《信息技术管理改革法》第 5131 节（公法 104-106）和 2002 年《联邦信息安全管理法》（公法 107-347）的规定通过和颁布的标准和指南有关的官方出版物系列。这些规定赋予商务部长和 NIST 重要责任，以改善联邦政府对计算机和相关电信系统的使用和管理。NIST 通过其信息技术实验室，为政府在这些领域的标准和指南的制定工作提供领导、技术指导和协调。
网络安全中的相关性概念：安全工具的分类和相关性概念的推导
适当的网络安全需要及时的信息来保护 IT 基础设施。在网络安全这样一个动态领域，收集最新信息通常是一项手动、耗时且繁琐的任务。自动化和可用的方法应该是解决这个问题的办法，但为此，它们需要信息相关性的概念来区分相关信息和不相关信息。首先，本文在文献综述的基础上，根据相应的工具类型及其各自的定义和核心特征，提出了一种新的网络安全工具分类。其次，它详细阐述了每个类别中使用的信息并推导出相关性的概念。第三，它概述了这些发现如何为安全仪表板的设计提供信息，以指导计算机应急响应小组工作人员识别开源情报源中的当前威胁，同时减轻信息过载。
基于AI/ML的基于AI/ML的检测和IPv6网络中秘密通信的分类
IPv6扩展标头的灵活性和复杂性允许攻击者创建秘密通道或绕过安全机制，从而导致潜在的数据泄露或系统妥协。机器学习的成熟开发已成为用于减轻秘密通信威胁的主要检测技术选项。但是，检测秘密通信，不断发展的注入技术和数据稀缺的复杂性使建筑物学习模型具有挑战性。在以前的相关搜索中，机器学习在检测秘密通信方面已经表现出良好的性能，但是过度简化的攻击方案假设不能代表现代秘密技术的复杂性，并使机器学习模型更容易检测秘密通信。为了弥合这一差距，在这项研究中，我们分析了IPv6的数据包结构和网络流量行为，使用了加密算法，并执行了秘密连接注入，而没有改变网络数据包行为以更接近实际攻击方案。除了分析和注射秘密通信的方法外，本研究还使用全面的机器学习技术来训练本研究中提出的模型来检测威胁，包括传统的决策树，包括随机森林和梯度增强，以及诸如复杂的神经网络体系结构，例如CNNS和LSTMS等复杂的神经网络体系结构，以达到90％以上的检测精度。本研究详细介绍了方法
鼻子的提示：发育中的人脑中气味驱动的视觉分类
1 ERP的信噪比低，并且受到清醒婴儿研究中对（例如，肌肉）伪影的敏感性的约束。ERP还使用事后减法在对瞬态刺激的绝对脑反应之间，使得面部选择性神经活动是间接地获得的，并且可以在减去的反应中被大噪声掩盖，或者由刺激的子集驱动。此外，ERP成分的时源通常很难从个人和年龄段的形状，潜伏期和极性方面的脑反应中客观地定义。最后，ERP研究通常使用有限的同质和编辑的刺激（即，从自然背景分割，与类别示例的相同暴露条件进行分割；请参见脚注2），并将面孔与几个非面类别进行比较。
网络通信灵活预测视觉内容，增强表征能力，实现更快的视觉分类
视觉认知模型通常假设大脑网络会预测刺激的内容以促进其后续分类。然而，在网络层面理解预测和分类仍然具有挑战性，部分原因是我们需要从动态神经信号中逆向工程它们的信息处理机制。在这里，我们使用可以隔离特定内容通信的连接性测量来重建每个参与者（N = 11，男女皆有）的网络机制。每个人都被提示预测的 Gabor 刺激的空间位置（左 vs 右）和内容[低空间频率（LSF） vs 高空间频率（HSF）]，然后他们进行分类。使用每个参与者同时测量的 MEG，我们重建了预测和分类行为的 LSF 与 HSF 内容的网络。我们发现，在前额叶皮质的监督控制下，预测内容根据任务需求灵活地从颞叶皮质向下传播到侧枕叶皮质。当它们到达侧枕叶皮层时，预测会增强自下而上的 LSF 与 HSF 对刺激的表征，从枕叶腹侧顶叶到运动前皮层，进而产生更快的分类行为。重要的是，内容通信是通常在大脑区域之间测量的信号到信号通信的子集（即 55 – 75%）。因此，我们的研究分离了处理认知功能信息的功能网络。
数据驱动的机器学习模型，用于解码诱发大脑反应的语音分类
抽象目标。对音频的分类感知（CP）对于了解人脑认为尽管声学特性的广泛可变性是如何感知语音的至关重要。在这里，我们研究了反映语音CP的听觉神经活动的时空特征（即将语音原型与模棱两可的语音分开）。方法。我们记录了64次通道脑电图，因为听众沿声音连续体迅速分类元音。我们使用支持向量机分类器和稳定性选择来确定何时何地在大脑CP中通过对事件相关电位的源级分析在空间和时间上最好地解码。主要结果。我们发现早期（120毫秒）全脑数据解码语音类别（即原型与模棱两可的代币）的精度为95.16％（曲线下的面积为95.14％； F 1分95.00％）。在左半球（LH）和右半球（RH）响应上进行单独的分析表明，LH解码比RH更准确，更早（89.03％vs. 86.45％的精度； 140 ms vs. 200 ms）。稳定性（特征）选择确定了68个大脑区域中的13个兴趣区域（包括听觉皮层，上部回旋和下额回（IFG）]，在刺激编码过程中显示出分类表示（0-260毫秒）。相比之下，有必要15个ROI（包括额叶 - 顶部区域，IFG，运动皮层）来描述以后的分类阶段（后来300-800毫秒），但这些区域与听众的分类听证会的强度高度相关（即意义。行为识别函数的斜率）。我们的数据驱动的多元模型表明，在语音处理的时间过程中，抽象类别出人意料地出现了早期（〜120毫秒），并由相对紧凑的额叶临时 - 直脑脑网络的参与来控制。
根据机器学习应用程序的微生物组数据的全面概述：分类，可访问性和未来方向
宏基因组学，代谢组学和元蛋白质组学通过将独立的见解与其组成和功能潜力提供了无关的见解，从而显着提高了我们对微生物群落的了解。然而，这个领域的一个关键挑战是缺乏与原始数据相关的标准和全面的元数据，从而阻碍了执行强大的数据分层并考虑混杂因素的能力。在这篇全面的综述中，我们将公开可用的微生物组数据分为五种类型：shot弹枪测序，扩增子测序，元转录组，代谢组和元蛋白质组数据。我们探讨了元数据对数据再利用的重要性，并解决了收集标准化元数据的挑战。我们还评估收集宏基因组数据的现有公共存储库的元数据收集的局限性。本综述强调了元数据在解释和比较数据集中的重要作用，并强调了对标准化元数据协议的需求，以充分利用元基因组数据的潜力。此外，我们探讨了在元数据检索中实施机器学习（ML）的未来方向，并为有前途的途径提供了对微生物群落及其生态作用的更深入了解。利用这些工具将增强我们对各种生态系统中微生物功能能力和生态动态的见解。最后，我们强调了ML模型开发中至关重要的元数据作用。
单次脑电图解码揭示了驱动快速语音分类决策的功能性大脑连接的独特状态
摘要 目的。分类感知 (CP) 是语音感知的固有属性。听众对语音识别的感知反应时间 (RT) 对个体差异高度敏感。虽然已经从大脑区域对行为的贡献角度对 CP 的神经相关性进行了深入研究，但表示听众对语音分类的速度 (RT) 的个体差异的功能连接模式尚不清楚。在本研究中，我们介绍了一种新方法来解决这些问题。方法。我们对 EEG 采用了几种计算方法，包括图挖掘、机器学习（即支持向量机）和稳定性选择，以研究预测听众行为决策速度的独特大脑状态（功能性神经连接）。主要结果。我们推断：(i) 听者的感知速度与其大脑连接组的动态变化直接相关，(ii) 全局网络的协同性和效率区分了快速、中速和慢速 RT，(iii) 对于较慢的 RT，加速决策背后的功能网络的负协同性增加（即变为不协同），(iv) 较慢的分类语音决策导致神经资源的过度使用和 CP 回路内更异常的信息流，(v) 反应较慢的人倾向于过度（或不恰当地）使用功能性大脑网络，而反应较快的人（全局效率较低）使用相同的神经通路但组织更受限制。意义。研究结果表明，神经分类器 (SVM) 加上稳定性选择可以正确地从功能连接中对行为 RT 进行分类，准确率超过 92%（AUC = 0.9）。我们的结果证实了以前的研究，通过使用完全数据驱动的方法支持 CP 中相似的颞叶（STG）、顶叶、运动和前额叶区域的参与。
DOE-STD-1027-92；符合 DOE 命令 5480.23 的危险分类和事故分析技术，核安全分析报告
本 DOE 标准旨在为 DOE 命令 5480.23《核安全分析报告》中要求的危险分类和事故分析技术的准备和审查制定指导。这项新命令要求进一步指导，以确保 DOE 综合体内所有核设施的一致性。本 DOE 标准不对核设施提出任何新要求。相反，它侧重于 (1) 定义需要 SAR 才能遵守命令的核设施的标准，(2) SAR 实施计划和时间表，(3) 适用于所有设施的危险分类方法，以及 (4) 适用于命令中提到的分级方法的事故分析技术。DOE 命令 5480.23 及其附带的指导文件提供了有关使用分级方法的一些指导。本报告并非旨在取代该指示，而是对其进行补充和澄清。除了本指南中建议的方法外，还可以考虑采用其他方法来应用分级方法，但每次应用分级时都必须证明这些方法的合理性。
CIP CIP-PLAN-AB-2
For planned changes resulting in a higher categorization, the Responsible Entity identified in the applicability section of each current version of the CIP Cyber Security reliability standard shall comply with all applicable requirements in the current version of the CIP Cyber Security reliability standards on the update of the identification and categorization of the affected BES cyber system and any applicable and associated physical access control systems , electronic access control or monitoring systems and protected cyber assets , with additional time to comply for requirements与上述某些周期要求的初始性能中指定的那些时间表相同。