XiaoMi-AI文件搜索系统
World File Search Systemfault
ATPG 引导的安全逻辑锁定故障注入攻击
摘要 集成电路设计和制造的外包引起了人们对知识产权盗版和非法过度生产的严重担忧。逻辑锁定已成为一种保护外包芯片设计的混淆技术，其中电路网表被锁定，只有在编入安全密钥后才能运行。然而，基于布尔满足性的攻击已被证明可以破坏逻辑锁定，这同时促使研究人员开发更安全的对策。在本文中，我们提出了一种新颖的基于故障注入的攻击来破坏任何依赖于存储密钥的锁定技术，并将此攻击表示为 AFIA，一种 TPG 引导的故障注入攻击。所提出的攻击基于将密钥位敏感化到主输出，同时在其他一些密钥线上注入故障以阻止目标密钥位的传播。 AFIA 在确定关键位时非常有效，因为存在检测到卡住的故障模式
使用隐藏的马尔可夫模型和
滚动元件轴承的健康管理对工业资产的生产力，可靠性和降低成本的重要性越来越重要。早期故障检测是健康管理的关键支柱，这是不断发展的预后和健康管理理念的一部分。本文提出了一种故障检测方法，该方法首先将从轴承检测到的振动信号分割为重叠块。然后将主成分分析应用于分段信号。数据分割和主成分分析的组合是一种信号处理方法，可捕获振动信号的二阶结构。该方法通过训练隐藏的马尔可夫模型，该模型使用处理的信号，其中k均值聚类应用于设置隐藏的马尔可夫模型的状态参数数量。最后，训练有素的隐藏马尔可夫模型与合适的测试一起使用，通过处理实时振动数据来评估轴承健康降解。该方法已在俄亥俄州辛辛那提大学的智能维护系统中心提供的轴承测试床数据集上进行了测试。实验结果表明，所提出的方法优于此数据集的最新方法和基准结果。
证据证明了量子计算在容错之前的效用
量子计算有望就某些问题提供大幅加速其经典同行。但是，意识到其全部潜力的最大障碍是这些系统固有的噪声。对此挑战的广泛接受的解决方案是实施易于故障的量子电路，这对于当前处理器而言是无法触及的。在这里，我们报告了关于嘈杂的127 Qubit处理器的实验，并演示了超出蛮力经典计算超出规模的电路量的准确期望值的测量。我们认为，这代表了在易于耐受的时代量子计算实用性的证据。这些实验结果是通过在此规模上的超导处理器的相干性和校准的进步来实现的，并且能够表征1和在如此大的设备上控制噪声的能力。，我们通过将它们与确切可验证的电路的输出进行比较来确定测得的期望值的准确性。在牢固的纠缠状态下，量子计算机提供了正确的结果，这些结果为诸如纯状态的1D（矩阵产品状态，MPS）和2D（等量张量张量网络状态，ISOTNS）张量化网络方法等领先的经典近似值2,3分解。这些实验证明了实现近期量子应用的基础工具4,5。
定量故障注射分析 - 密码学EPRINT档案
摘要。主动故障注入是对敏感数据计算现实世界数字系统计算的可靠威胁。在存在故障的情况下争论安全性是不平凡的，最新的标准过于保守，缺乏细粒度比较的能力。但是，需要将两个替代实现的安全性进行比较，以找到安全性和绩效之间的令人满意的妥协。此外，替代故障场景的比较可以帮助优化实施有效的对策。在这项工作中，我们使用定量信息流量分析来建立一个在故障注入下的硬件电路的漏洞指标，该指标在信息泄漏方面衡量攻击的严重程度。pieptiment用例范围从将其脆弱性与特定故障场景的实现进行比较到优化反向调查。我们通过将其集成到用于物理攻击的最先进的评估工具中来自动化指标的计算，并在主动故障攻击者下对安全性提供新的见解。
一项关于故障预后中深层工业转移学习的调查
由于其概率性质，故障预后学是使用大数据进行深度学习的用例的一个典型例子。然而，此类数据集的低可用性结合了拟合，参数化和评估复杂的学习算法的高度努力，用于典型的工业应用的异质和动态设置，通常会阻止这种方法的实际应用。可以使用转移学习或连续学习方法自动适应新的或动态变化的故障预后方案。在本文中，对这种方法进行了首次调查，旨在为该领域的未来研究建立最佳实践。表明该领域缺乏共同的基准来鲁棒比较结果并促进科学进步。因此，还对这些出版物中使用的数据集进行了调查，以确定适合此类基准方案的候选人。
使用...
热泵是复杂的系统，容易受到各种故障的影响。通过纳入当代物联网技术，这些设备不断传输数据，从而可以监视，维护和效率。这项研究着重于通过监督的机器学习算法（例如XGBoost，Random Forest，SVM和K-NN）识别出短持续时间循环为故障。使用来自热泵系统的大量记录数据进行了数据预处理和标记，从而解决了高维度，数据稀疏性和时间依赖性等问题。方法包括特征工程，丢失数据的插值以及压缩机短持续时间循环的缩写。进行了监督的机器学习模型，以对这些短持续时间周期进行分类。在模型中，XGBoost达到了最高的精度和F1得分，有效地区分了正常条件和断层条件。这些发现突出了机器学习的潜力，以增强热泵中的预测性维护和操作效率。
自动化软件故障树分析控制... - CORE
软件故障树分析 (SFFA) 是一种专门分析软件故障的技术，这些故障可能会导致系统中存在软件组件的危险情况。先前的论文工作已经开发了基于 Ada 的自动化软件分析工具。自动代码翻译工具 (ACIT) 包括 Ada sllltemcnt 模板 gem:rator，
