如需了解更多信息,请联系特别重点项目经理 Lacy Harris(lacey.d.harris2.mil@health.mil)或积极就业项目经理 George D. Romero(802FSS.AEPM.SpecialObservance@us.af.mil),或致电 210-466-8966。
残疾人是我们社区的内在组成部分。他们以许多方式做出了贡献 - 作为领导人,志愿者,商人,作为我们组织,艺术家,朋友和家人的一部分,作为我们的组织,作为一部分。至关重要的是,我们确定并确定进一步访问和参与的行动,并确保我们所有居民得到同等和尊重的对待。
随着人造系统变得越来越自主——能够在越来越广泛的情况下无需人类指导即可采取行动——我们需要为它们配备一般原则,以决定哪些行为或结果是人类所希望的,哪些应该避免。更狭窄的指令集可能会引导系统走向满足这些指令但违背更广泛人类价值观的解决方案。例如,我们已经看到有人声称推荐系统可能会将用户推向更极端的观点,这有助于算法实现其狭隘的目标,即通过使用户更可预测来最大化在网站上花费的时间,但违反了人类对算法应该做什么的更广泛偏好(Russell,2019)。2 随着人工智能系统的能力不断增强,这种规范失败的成本可能会增加。因此,有人呼吁向高级人工智能系统传授人类的价值观或偏好(Yudkowsky,2011),以解决所谓的人工智能对齐问题。
• 目标是开发基于领域的方法,用于柔性交流输电系统 (FACTS) 的纵深防御网络安全解决方案。我们解决了与 FACTS 控制系统内部攻击相关的漏洞,例如语法正确的恶意命令和测量。存在将 FACTS 控制扩展到网络安全的机会。主要的技术挑战是设计满足所保护操作过程的速度要求的控制器扩展。我们计划使用状态估计来防止虚假数据注入;前瞻性模拟来防止恶意命令;以及时间故障传播图和马尔可夫过程进行入侵检测和控制器故障预测。我们将利用 FACTS 设备独特的动态响应,例如通过探测信号或模拟来识别并提醒操作员任何对 FACTS 设备起作用的恶意网络命令和测量。我们将为与广域测量、保护和控制 (WAMPAC) 以及监控和数据采集 (SCADA)/能源管理系统 (EMS) 交互的分布式 FACTS 系统开发网络安全解决方案。矩阵束法将用于防止广域控制 FACTS 中的中间人攻击。变分模态分解 (VMD) 技术结合决策树 (DT) 和移动目标防御,可确保广域电压控制 FACTS 的安全。开发的方法将使用各种 FACTS 设备进行测试,例如静态无功补偿器 (SVC)、串联电容器 (SC)、静态补偿器 (STATCOM) 和晶闸管控制串联补偿器 (TCSC)。
