XiaoMi-AI文件搜索系统
World File Search Systemserving
隐私保护脑机接口
摘要 — 脑机接口 (BCI) 在人脑和计算机之间建立了直接的通信通路。它已广泛应用于医疗诊断、康复、教育、娱乐等。到目前为止，大多数研究都集中在如何使 BCI 更加准确和可靠，但对其隐私的关注却很少。开发商业 BCI 系统通常需要多个组织（例如医院、大学和/或公司）之间的密切合作。BCI 中的输入数据（例如脑电图 (EEG)）包含丰富的隐私信息，并且开发的机器学习模型通常是专有的。不同方之间的数据和模型传输可能会带来重大的隐私威胁，因此必须考虑 BCI 中的隐私保护。不幸的是，目前还没有任何关于隐私保护 BCI 的当代和全面的评论。本文通过描述 BCI 中潜在的隐私威胁和保护策略填补了这一空白。它还指出了开发隐私保护 BCI 的几个挑战和未来研究方向。
多中心 - 私人 - 抛光模型 - 深度训练 -
目标：这项工作旨在探索多中心数据异质性对深度学习脑转移（BM）自动分量性能的影响，并评估增量转移学习技术的功效，即不忘记（LWF），以提高模型性能而无需共享原始数据。材料和方法：使用了埃尔兰根大学医院（UKER），苏黎世大学医院（USZ），斯坦福大学，纽约大学（纽约大学）和Brats Challenge 2023的六个BM数据集。首先，分别为单一中心训练和混合多中心训练建立了用于BM自动分量的DeepMedic网络的性能。随后评估了保护隐私的双边合作，其中有一个验证的模型将分享到其他带有LWF或不带有LWF的转移学习（TL）的进一步培训中心。结果：对于单中心训练，在各自的单中心测试数据上，BM检测的平均F1得分范围从0.625（NYU）到0.876（UKER）。混合的多中心训练明显提高了斯坦福大学和纽约大学的F1分数，其他中心的改进可以忽略不计。当将UKER预告量化的模型应用于USZ时，LWF的平均F1得分（0.839）比NAIVE TL（0.570）和单中心训练（0.688）高于UKER和USZ测试数据。幼稚的TL提高了灵敏度和轮廓精度，但会损害精度。相反，LWF表现出值得称赞的灵敏度，精度和轮廓精度。应用于斯坦福大学时，观察到类似的性能。结论：数据异质性（例如，转移密度，空间分布和图像空间分辨率的变化）导致BM自动分量的性能变化，从而对构建概括性提出了挑战。LWF是对点对点隐私模型培训的有前途的方法。
CAD-CAP：一个包含 25,000 张图像的数据库，用于开发胶囊内窥镜人工智能
机构 1 索邦大学，内镜科 2 德雷塞尔大学，艺术与科学学院，美国宾夕法尼亚州费城 3 亚眠大学医院，皮卡第儒勒凡尔纳大学，法国亚眠 4 乔治蓬皮杜欧洲医院，APHP，胃肠病学和内镜科，法国巴黎 5 内镜和胃肠病学科，Pavillon L，爱德华赫里奥特医院，法国里昂 6 消化内镜科，大学医院，法国布雷斯特 7 肝胃病学科，法国南特消化病研究所 8 泰农医院，胃肠病学科，法国巴黎 9 斯特拉斯堡天主教大学，胃肠病学科，法国斯特拉斯堡 10 洛姆医院，胃肠病学科，法国洛姆 11 科钦医院胃肠科，法国巴黎 12 CHRU Lille，胃肠科，法国里尔 13 CHU Rouen，胃肠科，法国鲁昂 14 CHU Henri Mondor，胃肠科，法国克雷泰伊 15 ETIS、塞尔吉-蓬图瓦兹大学、ENSEA、法国国家科学研究中心、塞尔吉-蓬图瓦兹 Cedex，法国 16 CHU 尼斯，胃肠病学和内窥镜检查科，法国尼斯
折叠方案带有隐私保存选择性验证
摘要。折叠方案是一个令人兴奋的新原始性，它改变了执行多个零知识的知识证明以建立关系的任务，以仅执行一个零知识证明，以进行相同的关系，并进行许多廉价的包容性证明。最近，折叠方案已被用来摊销与具有各种应用程序的多个不同验证者证明不同陈述相关的成本。我们观察到，对于这些用途，泄漏有关折叠的陈述的信息可能是有问题的，但是以前的构造会发生这种情况。为解决此问题，我们对保留折叠计划的隐私及其应提供的安全性提供了自然的定义。为了构建保留折叠方案的隐私，我们首先定义了声明hiders，这是一种可能具有独立感兴趣的原始性。简而言之，一种语句隐藏了一个关系的实例作为新实例。当且仅当初始实例为时，新实例才在关系中。使用此构建块，我们可以通过首先隐藏每个语句来利用现有的折叠方案来构建隐私折叠方案。折叠方案允许验证语句折叠到另一个语句中，而语句隐藏器允许验证语句被隐藏为另一个语句。
项目：保存非洲蓝色的水生生物多样性...
背景非洲联盟互助动物资源局（Au-ibar）是非洲联盟委员会（AUC）的农业，农村发展，蓝色经济和可持续环境（AUC）的专业技术办公室（AUC），旨在支持和协调薪水，渔业和野生动物的养殖和经济发展的企业和野生动物的利用，并协调了成员的利用和良好的成员。2018- 2023年Au-Ibar战略计划的愿景是非洲，在该非洲中，动物资源对融合，繁荣与和平产生了重大贡献。au-ibar对渔业和水产养殖部门的干预受非洲渔业和水产养殖的政策框架和改革策略（PFRS）的指导，该战略旨在改善该部门的治理，以提高对粮食安全，生活和财富创造的可持续贡献。同样在2063年非洲联盟的框架内，非洲蓝色经济战略设想了一种包容性且可持续的蓝色经济，这极大地助长了非洲的转型和增长。
隐私保护记录链接与分离原则
o 在澳大利亚创建国家数据链接图一直具有挑战性，但利用现有的链接设施和开发可互操作的系统可以加快和扩大这一进程。分布式数据链接模型连接多个单位，同时保留本地数据控制，可以标准化方法、集成基础设施并实现更快、更广泛的数据集成。
竞争性抑制：了解其在酶调节中的作用并探索生物系统中的缺陷。
部分控制科学表明，服务大小对饮食习惯和整体健康有深远的影响。过度出现较大部分的趋势会导致卡路里的过量摄入量，从而导致体重增加和相关的健康问题。通过实施诸如使用较小的餐具，测量部分和练习正念饮食之类的策略，个人可以控制食物摄入量并养成更健康的饮食习惯。此外，在社区一级促进部分控制可以帮助应对公共卫生挑战并减少食物浪费。最终，应将部分控制视为实现平衡和滋养而不是限制的工具，使个人能够与食物建立积极的关系，以支持其健康和福祉。
基于攻击防御的强化学习学习隐私的方法，以针对双重拍卖市场推理攻击
摘要 - 作为一种公平而有效的资源分配方法拍卖机制已被广泛用于品种交易方案，例如广告，众汇和频谱。但是，除了获得更高的利润和满意度外，隐私问题还引起了研究人员的关注。在本文中，我们主要研究了针对间接推理攻击的双重拍卖市场中保存隐私问题。大多数现有作品都采用差异隐私理论来防御推断攻击，但存在两个问题。首先，差异隐私（DP）的“难以区分”无法阻止拍卖市场中持续估值。第二，尚未解决差异隐私部署中的隐私 - 实用性权衡（PUT）。为此，我们提出了一种基于攻击防御的强化钢筋学习隐私方法 - 保存实际上在双重拍卖中提供隐私保护的方法。首先，拍卖师充当防守者，为投标人的估值增加了噪音，然后充当发射推理攻击的对手。之后，拍卖师使用攻击结果和拍卖结果作为指导下一次部署的参考。上述过程可以视为马尔可夫决策过程（MDP）。国家是当前步骤下每个投标人的估值。动作是添加到每个竞标者中的噪声。奖励由隐私，公用事业和培训速度组成，其中攻击成功率和社会福利被视为隐私和效用的衡量标准，使用延迟惩罚条款来减少培训时间。利用深层确定性政策梯度（DDPG）算法，我们建立了一个参与者批评网络来解决MDP问题。最后，我们进行了广泛的评估，以验证我们提出的方法的性能。结果表明，与其他现有的基于DP
经验重要性 - 观察生物体在
本文提出了一种经验方法，以理解克服还原主义和二元论方法的生物的生命。该方法基于伊曼纽尔·康德（Immanuel Kant）对识别有机体所需的认知条件的分析：目的论的概念和自我生成的形成力量的假设。可以分析这两个标准如何应用于发展中生物体的认知。以植物叶的发展系列的示例，显示了观察者与发展中国家之间的积极和关系过程，其中可以通过理解和意志的心理能力来凭经验观察到生物体的目的论和自我生成的力量。此外，人们强调的是，根据康德的说法，即使是物理对象也不容易给出，而是通过统一感知与概念的统一来积极构成。这种客观化模式促进了对生物体物理特性的认知。它可以补充一种参与性和共同构型的实现方式，在这种模式中，有机体的生活（其在目的地组织和自我生成的力量）可以成为经验研究的对象。此外，有人认为，参与模式还促进了一种扩展的自然概念，从而允许在其中存在生物。最后，强调了歌德对活生物体的方法的类比。总而言之，要了解生活，必须有意识地参与其中。
保护隐私可解释的AI：调查
摘要随着采用可解释的AI（XAI）的采用，继续扩展，解决其隐私含义的紧迫性强大。尽管在AI隐私性和解释性方面进行了越来越多的研究，但对保护隐私模型的解释几乎没有关注。本文介绍了有关模型解释及其对策的隐私攻击的第一次彻底调查。我们对这一领域的贡献包括对研究论文的彻底分析，并通过相关的分类法进行了促进基于目标解释的隐私攻击和对策的分类。这项工作还包括对隐私泄漏原因的初步调查。最后，我们讨论了分析中发现的未解决的问题和前瞻性研究方向。这项调查旨在成为研究界的宝贵资源，并为该领域的新手提供明确的见解。为了支持正在进行的研究，我们建立了一个在线资源存储库，该存储库将通过新的和相关的发现不断更新。