XiaoMi-AI文件搜索系统
World File Search Systemln
二进制级别的指示fuzzing用于无使用后的漏洞
通过利用其他信息，例如（部分）错误堆栈跟踪，补丁或风险操作的操作，的指示模糊着重于自动测试代码的特定部分。 关键应用程序包括错误复制，补丁测试和静态分析报告验证。 最近有指示的模糊引起了很多关注，但诸如无用后（UAF）之类的难以检测的漏洞仍未得到很好的解决，尤其是在二进制层面上。 我们提出了UAF UZZ，这是第一个（二进制级）定向的灰色fuzzer，该灰盒源自UAF错误。 该技术采用了针对UAF指定的量身定制的模糊引擎，轻质代码仪器和有效的错误分类步骤。 对实际情况的错误复制的实验评估表明，就故障检测率，暴露时间和虫子三叶虫的时间而言，UAZ的UZZ明显优于最先进的指示fuzz。 uaf uzz也已被证明在补丁测试中有效，从而在Perl，GPAC和GNU补丁等程序中发现了30个新错误（7 CVE）。 最后，我们向社区提供了一个巨大的模糊基准，该基准专用于UAF，并建立在真实的代码和实际错误上。的指示模糊着重于自动测试代码的特定部分。关键应用程序包括错误复制，补丁测试和静态分析报告验证。最近有指示的模糊引起了很多关注，但诸如无用后（UAF）之类的难以检测的漏洞仍未得到很好的解决，尤其是在二进制层面上。我们提出了UAF UZZ，这是第一个（二进制级）定向的灰色fuzzer，该灰盒源自UAF错误。该技术采用了针对UAF指定的量身定制的模糊引擎，轻质代码仪器和有效的错误分类步骤。对实际情况的错误复制的实验评估表明，就故障检测率，暴露时间和虫子三叶虫的时间而言，UAZ的UZZ明显优于最先进的指示fuzz。uaf uzz也已被证明在补丁测试中有效，从而在Perl，GPAC和GNU补丁等程序中发现了30个新错误（7 CVE）。最后，我们向社区提供了一个巨大的模糊基准，该基准专用于UAF，并建立在真实的代码和实际错误上。
暹罗健康组 div>
通常，今年第四季度是泰国的水疗业务良好时期。因此，水疗中心可以在4.29亿泰铢（约11.1％和 +1.0％QOQ）方面表现出色，反映出前往泰国旅行的游客的持续恢复。这些客户包括泰国和外国游客，特别是来自中国的游客，此外，还有来自中欧和印度人民的新客户，等等。尽管受到按摩的成本，原材料的压力，但毛利率增加，同比和QOQ的毛利率增加了33.4％。公用事业和较高的工资率增加了SG＆A的成本增加，QOQ的成本为4700万泰铢，但利息为2024年的900万泰铢。收入最多的比例来自总收入的89％，而2024年12月31日，SPA总共有78个分支机构（76个分支机构和2个分支机构）。该公司共有72个分支机构（该国70个分支机构和2个外国分支机构）。
镰状细胞疾病成人的修订疾病感知问卷（IPQ-R）的心理测量特征
抽象目标：镰状细胞疾病（SCD）是全球最常见的单基因疾病。心理和行为因素通常被报告为在预测SCD健康结果中起着重要作用。专注于适应特定的健康状况及其治疗时，事实证明，健康与疾病的常识模型（CSM）具有启发式价值。在其他健康状况下，疾病结果直接受到疾病感知的影响。因此，这项研究的目的是探索修订后的疾病感知问卷（IPQ-R）的心理测量专有。设计：我们对517例镰状细胞疾病患者进行了横断面评估，并收集了406 IPQ-R的结果。通过这些数据，我们验证了信仰量表的因子结构和提出的修改，以通过确定的因素分析来改善其对数据的拟合。此外，我们通过探索性因素分析探索了因果归因量表的阶乘结构。结果：初始模型与数据显示不良。在结构修改后，消除了两个具有低负载的项目（模型2），在项目（模型3）和项目重新分配之间添加的协方差（模型4），最后提出的模型提出了与数据的正确拟合。在进行此模型规范之前，我们审查并编辑了九项研究，探讨了IPQ-R的心理计量学特性，以突出其他已将IPQ-R适应特定人群的作者进行的所有修改，并允许与我们自己的修改进行比较。结论：考虑到以前的发现，这项研究表明，在IPQ-R的尺寸结构上需要进一步的工作。
|oo"'''' 抵抗运动
心理学）（临床博士） 来自印度政府所有的大学或印度政府认可的大学，由印度政府所有的机构获得同等资格或同等学历 心理学临床博士硕士来自喀拉拉邦的 RCI 或由印度政府所有的机构获得同等资格或同等学历。
llms软件安全性：脆弱性检测技术和见解的调查
大型语言模型（LLMS）正在作为用于软件漏洞检测的变革性工具。传统方法，包括静态和动态分析，效率的面部限制，假阳性率以及可扩展性，具有现代软件复杂性。通过代码结构分析，模式识别和修复建议生成，LLMS展示了一种新颖的减轻脆弱性方法。本调查研究了漏洞检测，分析问题制定，模型选择，应用方法，数据集和评估指标的LLM。我们研究当前的研究挑战，强调跨语言检测，多模式整合和存储库级分析。根据我们的发现，我们提出了解决数据集可伸缩性，模型解释性和低资源场景的解决方案。我们的贡献包括：（1）对漏洞检测中LLM应用的系统分析； （2）一个统一的框架研究了研究的模式和变化； （3）确定关键挑战和研究方向。这项工作提高了对基于LLM的漏洞检测的理解。最新发现在https://github.com/owensanzas/llm-for-vulnerability-detection
与慢性疾病相关的免疫和抗原特征在COVID-19疫苗接种后
保留所有权利。未经许可就不允许重复使用。（未经同行评审证明）是作者/资助者，他已授予Medrxiv的许可证，以永久显示预印本。此预印本版的版权持有人于2025年2月18日发布。 https://doi.org/10.1101/2025.02.18.25322379 doi：medrxiv preprint
基因筛查揭示了 BAP1 缺陷间皮瘤中新的可靶向弱点 Pandey, Gaurav Kumar; Landman, Nick; Neikes, Hannah K.; Hulsman,
Gaurav Kumar Pandey、1,4,6,7 Nick Landman、1,4,7 Hannah K. Neikes、2,4 Danielle Hulsman、1 Cor Lieftink、3 Roderick Beijersbergen、3 Krishna Kalyan Kolluri、5 Sam M. Janes、5 Michiel Vermeulen、2,4 Jitendra Badhai、1,4,8、* 和 Maarten van Lohuizen 1,4,8,9, * 1 荷兰癌症研究所分子遗传学部，Plesmanlaan 121, 1066CX 阿姆斯特丹，荷兰 2 奈梅亨内梅亨大学理学院分子生物学系，奈梅亨，荷兰 3 分子癌发生部，NKI 机器人和筛查中心，荷兰癌症研究所，荷兰阿姆斯特丹 4 Oncode 研究所，乌得勒支，荷兰 5 伦敦大学学院呼吸科肺活体研究中心，伦敦大学学院，雷恩大厦，伦敦，英国 6 现地址：印度瓦拉纳西 221005 贝拿勒斯印度教大学动物学系 7 以下作者贡献相同 8 资深作者 9 主要联系人 *通信地址：j.badhai@nki.nl (JB)，mvlohuizen@nki.nl (MvL) https://doi.org/10.1016/j.xcrm.2022.100915
使用新的稀疏监督自动编码器神经网络
基于CRISPR的单细胞转录组筛选是有效的遗传工具，可同时评估由一组指南RNA（GRNA）靶向的细胞的表达式，并从观察到的扰动中推断靶基因函数。然而，由于各种局限性，这种方法在检测弱扰动方面缺乏灵敏度，并且在研究主调节器（例如转录因子）时基本上是可靠的。为了克服检测微妙的GRNA诱导的转录组扰动和对响应最快的细胞进行分类的挑战，我们开发了一种新的监督自动编码器神经网络方法。我们稀疏的监督自动编码器（SSAE）神经网络提供相关特征（基因）和实际扰动细胞的选择。我们将此方法应用于基于基于缺氧的长期非编码RNA（LNCRNA）的子集的基于内部单细胞CRISPR干扰（CRISPRI）转录组筛查（CROCPRI）转录组筛选（CROP-SEQ），该子集受缺氧调节的疾病，该疾病在肺腺癌（Lung adenacoarcinoma）（LUAD）的背景下促进了肿瘤的侵略性和耐药性。针对LNCRNA的子集进行了经过验证的GRNA的农作物序列库，并且作为阳性对照，HIF1A和HIF2A（低氧反应的2个主要转录因子）在3、6或24 h期间在正态氧中培养的A549 LUAD细胞中转导的2个主要转录因子。我们首先通过确定在低氧反应的时间开关期间确定其敲低的特定效应，从而验证了HIF1A和HIF2上的SSAE方法。接下来，SSAE方法能够检测出稳定的短缺氧依赖性转录组特征，该特征是由某些LNCRNA候选者的敲低诱导的，表现优于先前发表的