XiaoMi-AI文件搜索系统
World File Search Systemml
机器学习的对抗性攻击与防御
近年来，物联网设备的数量无疑呈爆炸式增长，达到数十亿台。然而，随着这一发展，一些新的网络安全问题也随之出现。其中一些问题是未经授权设备的部署、恶意代码修改、恶意软件部署或漏洞利用。这一事实促使人们需要基于行为监控的新设备识别机制。此外，由于该领域的进步和处理能力的提高，这些解决方案最近利用了机器和深度学习 (ML/DL) 技术。相比之下，攻击者并没有停滞不前，他们开发了针对上下文修改和 ML/DL 评估规避的对抗性攻击，并将其应用于物联网设备识别解决方案。然而，文献还没有详细分析这些攻击对个人识别解决方案的影响及其对策。这项工作探讨了基于硬件行为的个人设备识别的性能，它如何受到可能的上下文和 ML/DL 重点攻击的影响，以及如何使用防御技术提高其弹性。在这个意义上，它提出了一种基于硬件性能行为的 LSTM-CNN 架构，用于个人设备识别。然后，使用从运行相同软件的 45 台 Raspberry Pi 设备收集的硬件性能数据集，将最常见的 ML/DL 分类技术与所提出的架构进行了比较。LSTM-CNN 改进了以前的解决方案，在所有设备上实现了 +0.96 的平均 F1 分数和 0.8 的最低 TPR。之后，对之前的模型应用了以上下文和 ML/DL 为重点的对抗性攻击，以测试其稳健性。基于温度的上下文攻击无法破坏识别，但一些 ML/DL 最先进的逃避攻击是成功的。最后，选择对抗性训练和模型蒸馏防御技术来提高模型对逃避攻击的弹性，将其稳健性从高达 0.88 的攻击成功率提高到最坏攻击情况下的 0.17，而不会以有影响力的方式降低其性能。
关联AI/ML开发人员
• Python Programming 101 • Analyse Business Data and Create Interactive Dashboards using Python • Predictive Analytics and Machine Learning using Python • Fundamentals of Artificial Intelligence • ChatGPT for Beginners • Generative AI • Deep Learning Models and AI using Python • AI for Business Innovation • Microsoft Azure AI Fundamentals • Building AI Models using Azure • Artificial Intelligence Ethics and Governance • （SCTP）AID AI开发人员：CAPSTONE项目•产生见解，提出解决方案•Wiley提供支持的VUCA时报的领导沟通和谈判•促进以客户为中心的创新•支持工作场所改进和创新30。Sekaran Bishmer
核物理AI/ML核物理AI/ML
[1] G. Gavalian等。“使用人工智能在CLAS12检测器中使用粒子轨迹识别。”Arxiv预印型ARXIV：2008.12860（2020）。[2] G. Gavalian。“用于CLAS12的漂移室中轨道重建的自动编码器。”ARXIV预印型ARXIV：2009.05144（2020）。[3] L.-G。 Gagnon，LHC的轨道重建机器学习，2022 Jinst 17 C02026 - AI4EIC研讨会[4] EXA.TRKX：Exascale的HEP跟踪。DOE Comphep项目，https://exatrkx.github.io/ [5] A. Akram和X. Ju。“在Panda实验中使用稻草管跟踪器（STT）中使用几何深度学习的跟踪重建”。arxiv：2208.12178（2022）[6] D. Rohr“在爱丽丝的在线和离线重建的概述，用于LHC运行3.”arxiv：2009.07515（2020）https://arxiv.org/abs/2009.07515
ml runtimes发行笔记
免责声明：除了与Cloudera的书面协议中明确规定，Cloudera不做任何与Cloudera Technology或与之相关的支持有关的任何形式的代表，保修或任何形式的契约，无论是明示的还是暗示的。Cloudera不保证Cloudera产品或软件将不间断地运行，也不保证它不会摆脱缺陷或错误，它将保护您的数据免受损失，损坏或不可用的影响，也不会满足客户所有业务需求。不限制上述法律，并在适用法律允许的最大范围内明确否认任何和所有隐含的保证，包括但不限于对适销性，质量，不介入，标题和适用性的隐含保证，用于特定目的，特定目的以及任何代表性，任何代表性，任何代表性，或基于交易或使用贸易的课程。
入读为期一学期的人工智能和机器学习课程
目标 IIT Jodhpur 邀请申请为期一学期的人工智能 (AI) 和机器学习 (ML) 课程。人工智能已成为一项核心技术，对生产力产生了重大影响。根据印度政府 NEP 的广泛指导方针，我们为申请者提供了接受人工智能和机器学习正式课程的机会，以满足新兴人工智能技术对训练有素的人才的迫切需求。
OAC：ML 和 AI 功能与集成
• 乌拉圭 Oracle 用户组 (UYOUG) 联合创始人兼副总裁、教育总监（拉丁美洲 Oracle 用户社区）兼分析和数据 Oracle 用户社区董事会成员
人工智能和机器学习加速器调查和趋势
与去年一样，初创公司和老牌科技公司发布、发布和部署人工智能 (AI) 和机器学习 (ML) 加速器的新步伐一直不大。这并非不合理；许多发布加速器报告的公司都花了三到四年的时间研究、分析、设计、验证和确认其加速器设计权衡，并构建软件堆栈来对加速器进行编程。对于那些发布了加速器后续版本的公司来说，他们报告的开发周期更短，尽管至少也需要两三年。这些加速器的重点仍然是加速深度神经网络 (DNN) 模型，应用空间从超低功耗嵌入式语音识别和图像分类到数据中心规模训练，而作为现代计算向机器学习解决方案的更大规模工业和技术转变的一部分，对定义市场和应用领域的竞争仍在继续。人工智能生态系统汇集了嵌入式计算（边缘计算）、传统高性能计算（HPC）和高性能数据分析（HPDA）的组件，这些组件必须协同工作才能有效地为决策者、作战人员和分析师提供使用能力 [1]。图 1 捕获了此类端到端人工智能解决方案及其组件的架构概览。在图 1 的左侧，结构化和非结构化数据源提供了实体和/或现象学的不同视图。
