XiaoMi-AI文件搜索系统
World File Search Systemefense
具有同态加密数据空间的统一防御
联合学习（FL）促进了客户在培训共享的机器学习模型的情况下合作，而无需公开各个私人数据。尽管如此，FL仍然容易受到效用和隐私攻击的影响，特别是逃避数据中毒和建模反演攻击，从而损害了系统的效率和数据隐私。现有的范围通常专门针对特定的单一攻击，缺乏普遍性和全面的防守者的观点。为了应对这些挑战，我们介绍了f ederpography d efense（FCD），这是一个统一的单框架，与辩护人的观点保持一致。FCD采用基于行的转座密码加密，并使用秘密钥匙来对抗逃避黑框数据中毒和模型反转攻击。FCD的症结在于将整个学习过程转移到加密的数据空间中，并使用由Kullback-Leibler（KL）差异引导的新型蒸馏损失。此措施比较了本地预审最终的教师模型对正常数据的预测以及本地学生模型对FCD加密形式相同数据的预测的概率分布。通过在此加密空间中工作，FCD消除了服务器上的解密需求，从而导致了计算复杂性。我们证明了FCD的实践可行性，并将其应用于对基准数据集（GTSRB，KBTS，CIFAR10和EMNIST）上的Evasion实用程序攻击。我们进一步扩展了FCD，以抵御CI-FAR100数据集中的Split FL中的模型反转攻击。与第二最佳方法相比，我们在各种攻击和FL设置中进行的实验表明了对效用逃避（影响> 30）和隐私攻击（MSE> 73）的实际可行性和巨大性。
一口气 - 保护国防的AI竞赛
国防部已经向Google，Oracle，Microsoft和Amazon授予了90亿美元的合同，以建立其云计算网络，并要求为2025财政年度的AI计划提供额外的18亿美元。当它签订了新合同时，DOD必须避免将来将其切换到替代技术解决方案变得困难或昂贵的条款。国防部还应确保其采购决策鼓励竞争并避免合并，从而导致价格更高，风险集中以及创新的窒息。
FA8650-22-S-5507 国防生产法 (DPA) 第三章...
本信息征询书旨在收集高超音速武器系统吸气式发动机供应商基地的国内生产能力和产能信息。吸气式发动机可使武器射程更远，并将更多有效载荷投向目标。这些发动机系统包括冲压发动机、超燃冲压发动机、联合循环发动机、空气增强火箭和旋转爆震发动机。在发射这些系统之一的过程中，火箭助推器或常规发动机将飞行器加速到至少超音速，然后切换到高超音速推进能力，以高马赫数和高 g 载荷飞向目标。这种飞行状态会在系统中产生巨大的热、机械和声学应力。武器在其大部分任务过程中都会经历这些应力，而传统战略导弹只会在其弹道的最后阶段才会经历这种环境。吸气式发动机及其子系统、部件、子组件和组成材料都是专门为高超音速飞行这一独特恶劣环境设计和生产的，扩大其生产对于美国国防部高超音速导弹打击战略的成功至关重要，该战略被视为国防必不可少的一部分。助推巡航高超音速导弹在整个任务期间必须承受至少 2,000 华氏度的停滞温度，所有冷却源都必须来自燃料或辅助冷却剂，这些冷却剂在弹道过程中会被热浸透。此外，由于这些系统的速度比传统系统快 5 到 8 倍，因此发动机必须经过特殊设计，以便在高超音速下吸入空气并燃烧燃料，同时保持一致的性能；发动机的所有部件必须可靠地适应这种环境并以高精度运行，才能执行任务。这项艰巨的任务需要专门的设备、材料、工具和设计，以构建新颖的进气口和燃烧室几何形状、先进的燃油喷射系统、高性能燃料、有效的热管理系统以及耐用的发动机结构，如喷嘴喉口、出口锥和其他支撑部件。这些发动机的部件通常采用先进的增材制造、工具、热障涂层、射线检查和电子束焊接技术制造，以实现必要的性能。到目前为止，国防部已经支持了这一领域的概念验证和原型设计工作，但需要扩大工业基础能力以满足预期的未来需求。此外，目前的发动机设计是保密的，漫长的供应链（例如，
