XiaoMi-AI文件搜索系统
World File Search Systemckd
经济僵尸化？评估法国政府在新冠疫情封锁期间的支持效果
本文评估了在卫生危机期间，由于政府部门向企业提供无条件财政支持，法国经济出现僵尸化的风险。我们基于局部均衡模型建立了一个简单的理论框架，以模拟大量法国企业面临的流动性和偿付能力压力，并评估政府支持措施的影响。模拟结果表明，这些政策帮助健康但流动性不足的企业抵御了疫情带来的冲击。此外，分析没有发现“僵尸化效应”的证据，因为政府支持并没有过度惠及生产率较低的企业。
图 S1. (A 和 B) 两个 HRH1 的击倒效率......
图 S3. 使用 Cell Counting Kit-8 检测法评估分别用 10 µM SB203580（p38 抑制剂）、5 µM JNK-in-8（JNK 抑制剂）、30 µM C188（STAT3 抑制剂）或 5 nM OA（PP2A 抑制剂）处理 24 小时的 H23 和 PC9 细胞的存活率。抑制剂处理细胞的存活率以相对于载体处理细胞的百分比表示，载体处理细胞设为 100%。OA，冈田酸。
对大型语言模型中最近的后门攻击和防御的调查
大型语言模型（LLMS）弥合了人类语言理解与复杂问题解决问题之间的差距，在几个NLP任务上实现了最先进的性能，尤其是在几次射击和零照片的设置中。尽管LLMS具有明显的功效，但由于对计算资源的限制，用户必须使用开源语言模型或将整个培训过程外包给第三方平台。但是，研究表明，语言模型容易受到潜在的安全漏洞的影响，尤其是在后门攻击中。后门攻击旨在通过中毒训练样本或模型权重，将目标漏洞引入语言模型中，从而使攻击者能够通过恶意触发器来操纵模型响应。尽管对后门攻击的现有调查提供了全面的概述，但他们缺乏对专门针对LLM的后门攻击的深入检查。为了弥合这一差距并掌握该领域的最新趋势，本文通过专注于微调方法，介绍了对LLM的后门攻击的新观点。具体来说，我们将后门攻击系统地分类为三类：全参数微调，参数效率微调和没有微调1。基于大量审查的见解，我们还讨论了未来关于后门攻击的研究的关键问题，例如进一步探索不需要微调或开发更多秘密攻击算法的攻击算法。
慢性肾脏病管理指南 - CKD ...
• 所有糖尿病患者至少每年一次。 • 对于 eGFR<60ml/min/1.73m2 的患者，应要求进行 UACR • 高血压 - 每年作为高血压评估的一部分 https://cks.nice.org.uk/topics/hypertension/diagnosis/investigations/ • 心血管疾病（缺血性心脏病、慢性心力衰竭、外周动脉疾病或脑血管疾病）每年作为常规检查的一部分 • 急性肾损伤史（即使功能恢复到基线，也要每年监测 3 年） • 结构性肾道疾病、复发性肾结石或前列腺肥大 • 多系统疾病，如系统性红斑狼疮、血管炎、骨髓瘤 • 终末期肾病（GFR 类别 G5）或遗传性肾病的家族史 • 痛风 • 血尿/蛋白尿（机会性检测） • 用肾毒性药物治疗（NSAID、锂、钙调磷酸酶抑制剂、氨基水杨酸盐等）
基于对抗过滤的逃避和对基于EEG的脑部计算机界面的后门攻击
大脑计算机接口（BCI）可以在大脑和外部设备之间进行直接通信。电子脑电图（EEG）是BCIS的常见输入信号，因为它的便利性和低成本。对基于EEG的BCIS的大多数研究都集中在EEG信号的准确解码上，同时忽略其安全性。最近的研究表明，BCIS中的机器学习模型容易受到对抗攻击的影响。本文提出了对基于EEG的BCI的基于对抗过滤的逃避和后门攻击，这非常容易实施。在不同BCI范式的三个数据集上进行了实验，证明了我们提出的攻击方法的效果。据我们所知，这是对基于脑电图的BCI的对抗过滤的第一项研究，提出了新的安全问题，并呼吁更多地关注BCIS的安全性。
基于对抗性过滤的脑机接口逃避和后门攻击
脑机接口 (BCI) 可以实现大脑与外部设备之间的直接通信。脑电图 (EEG) 因其便利性和低成本而成为 BCI 的常见输入信号。大多数对基于 EEG 的 BCI 的研究都集中在 EEG 信号的准确解码上，而忽略了它们的安全性。最近的研究表明，BCI 中的机器学习模型容易受到对抗性攻击。本文提出了基于对抗性过滤的基于 EEG 的 BCI 的逃避和后门攻击，这些攻击非常容易实现。在来自不同 BCI 范式的三个数据集上的实验证明了我们提出的攻击方法的有效性。据我们所知，这是第一项关于基于 EEG 的 BCI 对抗性过滤的研究，这引发了新的安全问题并呼吁更多关注 BCI 的安全性。
在机器学习模型中种植未发现的后门
摘要鉴于培训机器学习模型所需的计算成本和技术专长，用户可以将学习任务委托给服务提供商。学习委派具有明显的好处，同时引起了人们对信任的严重关注。这项工作研究了不受信任的学习者可能滥用权力。我们展示了恶意学习者如何将无法检测到的后门种植到分类器中。在表面上，这样的后门分类器的行为正常，但实际上，学习者是一种改变任何输入分类的机制，只有轻微的扰动。重要的是，如果没有适当的“后门钥匙”，该机制就会隐藏起来，并且无法通过任何计算结合的观察者检测到。我们展示了两个用于种植无法检测到的后门的框架，并提供了无与伦比的保证。
脂肪酸合酶 2 敲低改变了飞蝗感染藤黄微球菌期间免疫和生殖之间的能量分配策略
免疫与生殖是雌性昆虫生存和种群维持的重要功能。然而由于资源有限，这两个功能无法同时满足，从而导致它们之间需要进行能量权衡。值得注意的是，这种免疫-生殖权衡的机制尚不清楚，而能量竞争可能在其中起着核心作用。本研究以飞蝗为研究对象，对参与脂质合成和昆虫能量代谢的关键基因脂肪酸合酶（FAS）进行了研究。利用细菌感染和RNA干扰（RNAi）技术研究了不同处理下蝗虫的免疫、繁殖力和能量代谢模式的变化。本研究结果表明，藤黄微球菌感染可触发蝗虫的免疫反应，显著上调防御素3（DEF3）和Attacin的表达，并增强酚氧化酶（PO）活性。当 FAS2 沉默后，细菌攻击在较小程度上上调了 DEF3 和 Attacin 的表达，导致溶菌酶活性增加而不是 PO。此外，细菌感染导致脂肪体中糖原和葡萄糖含量降低，同时三酰甘油（TAG）含量显著增加。然而，在 FAS2 敲低后，脂肪体中的脂质和碳水化合物含量均显著降低。与单独的细菌感染相比，低 FAS2 表达进一步加剧了蝗虫的繁殖力受损。卵黄蛋白 A ( VgA ) 和卵黄蛋白 B ( VgB ) 的表达水平显著降低，卵巢萎缩严重。值得注意的是，卵巢重量仅为对照组的 21%。此外，雌性表现出最少的产卵行为。总之，我们的研究结果表明，在 FAS2 基因沉默后，蝗虫更倾向于免疫刺激能量激活，而生殖投入减少。该研究成果将有助于进一步探索蝗虫免疫和生殖能量之间权衡的分子机制。
内部邪恶：通过休眠硬件Trojans的机器学习后门
摘要 - 后门对机器学习构成了严重威胁，因为它们会损害安全系统的完整性，例如自动驾驶汽车。虽然已经提出了不同的防御来解决这一威胁，但他们都依靠这样的假设：硬件加速器执行学习模型是信任的。本文挑战了这一假设，并研究了完全存在于这样的加速器中的后门攻击。在硬件之外，学习模型和软件都没有被操纵，以使当前的防御能力失败。作为硬件加速器上的内存有限，我们使用的最小后门仅通过几个模型参数偏离原始模型。为了安装后门，我们开发了一个硬件特洛伊木马，该木马会处于休眠状态，直到在现场部署后对其进行编程。可以使用最小的后门来配置特洛伊木马，并仅在处理目标模型时执行参数替换。我们通过将硬件特洛伊木马植入商用机器学习加速器中，并用最小的后门来证明攻击的可行性，以使其对交通符号识别系统进行编程。后门仅影响30个模型参数（0.069％），后门触发器覆盖了输入图像的6.25％，但是一旦输入包含后门触发器，它就可以可靠地操纵识别。我们的攻击仅将加速器的电路大小扩大了0.24％，并且不会增加运行时，几乎不可能进行检测。鉴于分布式硬件制造过程，我们的工作指出了机器学习中的新威胁，该威胁目前避免了安全机制。索引术语 - 硬件木马，机器学习后门。
HES6人类造血前体细胞中的敲低
造血是由诱导造血干细胞及其后代分化和增殖的分子机制驱动的。这涉及各种转录因子的活性，例如分裂（HES）家族的毛/增强子的成员以及HES1和HES4的重要作用，已显示在正常和恶性造血中。在这里，我们使用体外和体内模型研究了HES6在人造血中的作用。使用大量和单细胞RNA序列数据，我们表明HES 6在红细胞/巨核细胞和浆细胞类动物树突状细胞的发育以及多能前体以及在T-B-cell发育的特定阶段中表达，分别在T-和B细胞发育的特定阶段中。一致地，在体外分化良好的体外分化测定中，在脐带血源性血液中的HES6敲低导致人类造血质体前体降低了对巨核细胞，红细胞，血浆乳清细胞，血浆乳清细胞，B细胞，B细胞和T细胞的分化。此外，HES6敲低造血茎和祖细胞在体外表现出降低的菌落形成单位容量，并且在竞争性移植测定中在体内重新构成造血的潜力受损。我们证明，HES6表达的丧失对红细胞分化过程中的细胞周期进程有影响，并为影响这些扰动的潜在下流靶基因提供了证据。因此，我们的研究为HES6在人类造血中的作用提供了新的见解。