XiaoMi-AI文件搜索系统
World File Search Systemdetection
检测、稳健性、归因和缓解
在演讲中，我将介绍我的实验室在人工智能、应用机器学习和数据挖掘方面的最新进展，以打击网络和社交媒体平台上的恶意行为者（傀儡、逃避禁令者等）和危险内容（错误信息、仇恨等）。我的愿景是为每个人创建一个值得信赖的在线生态系统，并创建下一代促进健康、公平和安全的社会意识方法。总的来说，在我的研究中，我创建了新颖的图形、内容（NLP、多模态）和对抗性机器学习方法，利用 TB 级数据来检测、预测和缓解在线威胁。我的跨学科研究创新了社会技术解决方案，这些解决方案是我通过将计算机科学与社会科学理论相结合而实现的。我也热衷于将我的研究付诸实践——我实验室的模型已经部署在 Flipkart 上，影响了 Twitter 的 Birdwatch，现在正在部署在维基百科上。我的研究开启了范式转变，从当前缓慢而被动的应对网络危害的方法转向敏捷、主动和全社会的解决方案。我的演讲将概述我研究的四个重点：（1）跨平台、语言和模式检测有害内容和恶意行为者：我的研究超越了研究“推特上的英文文本”的标准实践，旨在解决解决跨平台（Micallef 等人，2022 年）、语言（Verma 等人，2022b 年）和模式（Verma 等人，2022b、c）（图像、视频、文本）根深蒂固的基本问题的巨大挑战。 (2) 通过预测未来的恶意活动，增强检测模型对敌对行为者的鲁棒性：我的工作是通过开发第一种对抗性学习技术来突破界限，以主动预测对手行为来欺骗检测模型。接下来，我们提高模型对操纵的鲁棒性。我的实验室调查了部署在一些最大平台上的模型的漏洞：Facebook 的 TIES 坏人检测器（He、Ahamad 和 Kumar 2021）、Twitter 的 Birdwatch 错误信息检测器（Mujumdar 和 Kumar 2021）和维基百科的禁令逃避（Niverthi、Verma 和 Kumar 2022）。(3) 归因于有害内容的影响和推荐系统的作用：我的实验室创建了数据驱动的技术来确定网络危害对
用于宣传检测的 AraBERT 模型
如今，数字平台上数据的快速传播导致了信息污染和数据污染的出现，特别是错误信息、恶意信息、虚假信息、假新闻和各种类型的宣传。这些话题现在对在线数字领域构成了严重威胁，给世界各地的社交媒体平台和政府带来了诸多挑战。在本文中，我们提出了一种基于 Transformer 模型 AraBERT 的宣传检测模型，目的是使用该框架检测阿拉伯语社交媒体文本场景中的宣传内容，以使在线阿拉伯语新闻和媒体消费更健康、更安全。鉴于数据集，我们的结果相对令人鼓舞，表明这种方法在阿拉伯语在线新闻文本 NLP 中具有巨大的潜力。
SKOUT AI辅助息肉检测
SKOUT 系统仅用于协助胃肠病学家识别疑似结肠直肠息肉，胃肠病学家负责检查 SKOUT 疑似息肉区域并根据自己的医学判断确认息肉的存在与否。SKOUT 并非旨在取代对患者的全面评估，也不旨在作为对内窥镜检查程序、医学诊断或患者治疗/行动方案建议的主要解释。SKOUT 仅适用于白光结肠镜检查。
法医 HPM 检测系统
电子设备的正常运行可能会因系统中引入过多能量而受到干扰，无论是通过电缆传输的信号还是自由传播的高功率电磁波。由于随后发生的错误模式（如系统崩溃）很难追溯到其根本原因，因此，检测系统可以提高对关键设施中异常强场强环境的认识，从而为有效的缓解措施提供信息。我们自行设计的实验室演示器可以测量高达每米几千伏的干扰信号，根据对脉冲取平均值时低至几兆赫兹精度的频率测量，校正窄带信号中所有组件的频率响应。额外获取的元数据（如时间分辨率低至 10 纳秒的信号包络和其他测量的脉冲串特性）可用于信号取证。四通道设计可以检测传入信号的方向。边长为 19 厘米的立方体探测器可以使用电池运行 10 小时，光纤网络连接允许浏览器访问其 Web 界面。
施工安全及事故检测
近年来，建筑业机器学习的发展增加了充分的软件准备旨在为潜在的安全风险提供更好的解决方案施工环境中的危险和风险。然而，死亡和受伤在建筑工作中继续频繁发生，事故和伤亡人数很高，使建筑工作成为最危险的职业。本研究的目的是使用AHP方法分析人工智能（AI）在建筑安全中的优先事项和重要因素。选定建筑安全专业人员作为受访者。建立由五（5）个因素组成的层次结构，随后将其分为十二（12）个子因素。工作场所被确定为建筑行业中最重要的AI元素，占25.43％。其次是安全，占25.37％，人为错误占22.76％。当工人忽视工作场所安全时，优先考虑的子因素会传达给安全官员，占69.21％，云计算技术，检查，控制和培训。为 60.04%，而建筑安全领域的人工智能可以预测潜在问题的比例为 14.29%。这项研究的见解可以帮助软件开发人员确定在建筑工地安全方面使用人工智能的优先级。
无人辐射检测 - eScholarship
本研究旨在利用辐射探测器、无人系统和情境传感器的最新进展，证明远程感应核和放射性威胁材料的可行性。其广泛目的是将探测器从人类手中转移到半自主系统上，以用于广泛的用途。搜索特殊核材料是一个特定的任务领域，小型无人机系统上使用的辐射探测器可以通过利用远程访问带来的优势提供巨大的操作价值：缩短收集时间、缩短源到探测器的距离并减少无意屏蔽。本研究的目标有五个：(1) 评估当前的定向搜索能力并证实无人方法将带来的改进，(2) 扩大对背景辐射环境的了解，包括建筑物屋顶，(3) 根据对当前传感器和平台能力的分析，确定系统要求并绘制权衡参数空间（即权衡空间），(4) 研究和优化搜索方法，以及 (5) 确定和描述其他任务领域以供进一步调查。为了实现这五个目标，我们首先确定了三种不同搜索模式的信号收集时间、源到探测器距离（即间隔）和中间材料衰减的边界条件：车载间隔检测
驱动程序嗜睡检测系统
学生，VVCE摘要驾驶员的嗜睡仍然是交通事故的主要原因之一，尽管包括机器学习和传感器在内的新兴技术的快速发展可能在解决该问题方面具有巨大的潜力。该项目的目的是探索乘客汽车环境中昏昏欲睡的驾驶员行为的检测和预测的想法。范围是在系统的概念模型的开发中构建的，以及对拟议解决方案的要求的定义。该研究集中在可用的和潜在的嗜睡测量和技术上，允许检测和预测嗜睡。由于系统涉及用户生成的数据的使用，因此根据设计原理的隐私提供了有关隐私和安全性的注意事项。第1章：简介1.1背景和动机驱动力的昏昏欲睡是造成交通事故和相关伤害以及世界各地死亡的因素之一。嗜睡是一个状态，使方向盘后面的人困了或有疲劳标记。这是入睡和警觉性之间的一个阶段。由于驾驶是一项复杂的活动，因此需要持续的信息分析和对驾驶员环境的关注。驾驶员嗜睡是一个经过深入研究的领域。但是，需要更多的现实世界解决方案。驾驶汽车的挑战之一是主观预测该人入睡的确切时间。Sahayadhas将驾驶员嗜睡策略分为三个类别：1。因此，已经对该主题进行了大量的学术研究，测试和验证了可以检测驾驶员嗜睡并发出警告的不同技术解决方案。基于车辆的措施 - 请参阅从各种汽车中安装的传感器获得的数据
使用...进行网络欺凌检测和分析
摘要。随着网络使用率的提高以及允许用户参与虚拟网络等团体，黑客行为也随之增多。网络虐待是一种新型骚扰，随着网络社区的普及，这种骚扰行为最近变得越来越普遍。它倾向于在网络群体中发送包含诽谤性指控或口头骚扰某人的消息。只有当现代文明认识到骚扰的真正含义时，无数的隐藏受害者才会继续受苦。关于网络欺凌的研究有很多，但没有一项能够提供可靠的解决方案。通过创建一个可以识别和阻止与欺凌相关的传入和传出通信的模型，我们在项目中解决了这个问题。通过在经过仔细注释的开源数据集上采用监督分类技术，我们希望为这项工作提供词汇基线。我们使用了逻辑回归的机器学习算法。我们的模型对消息进行分类，无论其是否是欺凌。
