XiaoMi-AI文件搜索系统
World File Search Systemspoo
ZED-F9P 集成手册
3.8 通信接口................................................................................................................................................47 3.8.1 UART...............................................................................................................................................48 3.8.2 I2C 接口...............................................................................................................................................49 3.8.3 SPI 接口.......................................................................................................................................52 3.8.4 USB 接口.......................................................................................................................................53 3.9 预定义 PIO.........................................................................................................................................................54 3.9.1 D_SEL.........................................................................................................................................................54 3.9.2 RESET_N.............................................................................................................................................54 3.9.3 SAFEBOOT_N.........................................................................................................................................54 3.9.4 TIMEPULSE...................................................................................................................................55 3.9.5 TX_READY.....................................................................................................................................55 3.9.6 EXTINT................................................................................................................................................55 3.9.7 GEOFENCE_STAT 接口....................................................................................................56 3.9.8 RTK_STAT 接口...................................................................................................................56 3.10 天线监控器.........................................................................................................................................56 3.10.1 天线电压控制 - ANT_OFF.........................................................................................................57 3.10.2 天线短路检测 - ANT_SHORT_N.........................................................................................57 3.10.3 天线短路检测自动恢复.........................................................................................................58 3.10.4 天线开路检测 - ANT_DETECT.........................................................................................58 3.11 多 GNSS 辅助 (MGA).........................................................................................................................59 3.11.1 授权...........................................................................................................................................59 3.11.2 在断电期间保存 MGA 和运行数据...............................................................................59 3.12 时钟和时间.........................................................................................................................................60 3.12.1 接收机本地时间....................................................................................................................60 3.12.2 导航历元.................................................................................................................................60 3.12.3 iTOW 时间戳.......................................................................................................................61 3.12.4 GNSS 时间....................................................................................................................................61 3.12.5 时间有效性....................................................................................................................................61 3.12.6 UTC 表示法.....................................................................................................................62 3.12.7 闰秒....................................................................................................................................62 3.12.8 实时时钟....................................................................................................................................63 3.12.9 日期.....................................................................................................................................63 3.13 计时功能................................................................................................................................64 3.13.1 时间脉冲....................................................................................................................................64 3.13.2 时间标记....................................................................................................................................67 3.14 安全性.........................................................................................................................................................68 3.14.1 欺骗检测与监控.........................................................................................................................69 3.14.2 干扰和干扰检测与监控.........................................................................................................69 3.14.3 欺骗和干扰指示.........................................................................................................................69 3.14.4 GNSS 接收器安全性.........................................................................................................................69 3.14.5 Galileo 开放服务导航消息认证 (OSNMA)......................................................................70 3.15 u-blox 协议功能描述.........................................................................................................................74 3.15.1 广播导航数据................................................................................................................ 74 3.16 强制重置接收器............................................................................................................................... 82 3.17 固件上传.................................................................................................................................... 82 3.18 频谱分析仪................................................................................................................................. 83 3.19 生产测试....................................................................................................................................... 84 3.19.1 连接灵敏度测试.................................................................................................................... 84 3.19.2 集成设备的通过/不通过测试.................................................................................................... 85
使用脑电图探索的人验证...
I.近年来，生物识别技术在日常生活中越来越多地使用。例如，在使用图形和面对图像登录智能手机中。但是，这种生物特征数据始终涉及身体表面。因此，可以使用数字设备（例如摄像机）轻松地被盗（捕获）。If the data are stolen, copies can be made.此外，填充和脸部识别假定仅一次性身份验证，这会导致SPOOFG的风险。使用其生物识别技术对系统的常规用户进行身份验证，即使用户被没有使用该系统许可的冒名顶替者替换，也无法根据一次性的身份验证使用生物识别方法检测SPOOFEF。为了解决这个问题，已经提出了连续的身份验证，因为它比一次性的身份验证更有效。作为适合连续身份验证的生物识别技术，脑波或脑电图（EEG）引起了人们的注意[1]。只要人还活着，信号总是会产生，因此可以连续测量此信息。此外，由于任何人都可以利用脑波，它们是最容易获得的生物识别数据。由于仅在人戴上脑波传感器时才能检测到脑波，因此其他人也无法秘密地窃取数据。但是，传统研究并未提及使用脑电波作为生物识别技术的应用。使用脑波需要用户佩戴脑波传感器，但是这需要时间，因为用户在移动头发的同时将许多电极设置在头皮上。例如，当用户输入房间，登录PC或使用ATM时，这是无法想象的。因此，作为生物识别技术的脑波不适用于一次性身份验证。另一方面，一旦用户佩戴
LIDAR可用于鲁棒的exoatmospheric定位
I。虽然早期空间任务不需要精确，但现代应用，例如卫星维修和维护，可重复使用的发射车，洲际弹道导弹指导和拦截以及一些卫星到卫星通信，需要精确的位置和速度信息。全球导航卫星系统（GNSS），例如美国的全球定位系统（GPS），可用于在地球表面和低地球轨道（LEO）上进行精确定位。[1]但是，当前的GNSS系统使用少量，复杂且昂贵的卫星，这些卫星无法修复或及时更换，这意味着仅禁用少数卫星可以在大面积上破坏该系统。低接收的功率和涉及的长距离也意味着GNSS容易受到信号spoo fifg和jamming的影响。[2]面对扩散的反卫星武器和电子战系统，政府和商业实体寻求一种替代的太空导航方法可能是优先事项，该方法对对手的干扰更为强大。现有的GNSS替代方法是使用基于地面的跟踪。但是，雷达和光学信号会受到大气扭曲的影响，从而降低了位置精度。使用扩展的集成时间的持久跟踪可以克服大气变形，但这不适用于指导短时间操作。地面跟踪也受到对抗性破坏的约束。此外，单个地面站的有限视图意味着在整个轨道或轨迹中进行持续跟踪需要一个大型网络，并且在有争议或偏远地区的地球区域可能无法进行跟踪。地面数据必须从电台的分布式网络汇总，并迅速传输到车辆，在此期间，它可能会受到干扰，spoofig或其他干扰。我们引入了一种更强大的空间导航方法，该方法使用对位置纤维的自主多材料，或用大地测量的语言进行基准测试。这个
通过...
摘要 - 我们考虑在太空中检测GNSS接收器的SPOOFIF攻击的问题，绕地球绕着地球绕。由于空间中的接收器无法利用所谓的机会信号的存在，因此必须依靠检测信号本身中的异常并检查其测量值与计算的轨道位置的一致性。我们考虑三个不同的一致性检查：在前端的总收到的GNSS信号功率上；从每个卫星发出的信号的估计载体与噪声比（C/N 0）上；在最终计算的位置在接收器输出处。此外，我们设计了一种融合方法，该方法结合了三个检查中的软输出，以提供更可靠，更强大的检测。在现实的模拟环境中测试了所提出的技术，表明尽管位置一致性检查是迄今为止最可靠的，但来自所有这三个的软信息的正确融合允许在不同条件下进一步提高检测率。
太空，网络安全的最后前沿？
此外，通过卫星传播的大量数据使犯罪分子有可能破坏准确性和可靠性，而且被发现的概率很低。特别是，防止欺骗（见下文关于卫星网络威胁的技术方面部分）需要进行完整性检查，其中大量数据在相关方之间传输。在海事领域，船舶操作员经常输入虚假信息来干扰或欺骗太空监测系统，以掩盖其非法活动。完整性检查的需要适用于海事领域的许多其他方面，例如遇险呼叫、数据和信息。原则上，缺乏完整性和可用性可能会严重损害人们对系统的信心。然而，提议的解决方案被视为昂贵的，因此不太可能被普遍采用——除非有令人信服的理由，例如立法或重大事件，或新的竞争；在这种情况下，或许 2016 年 8 月中国发射的“量子卫星”可以证明这一点，据称其“旨在通过传输不可破解的 [即量子比特] 来建立超安全量子通信”。将“防黑客”钥匙从太空移到地面”将改变游戏规则。 7
使用子空间技术在脑电图中寻找与任务无关的个体特异性特征的证据
摘要 — 脑电图 (EEG) 信号由于其防欺骗功能而有望成为其他生物识别技术的替代品。先前的研究侧重于通过分析任务 / 条件特定的 EEG 来捕捉个体差异。这项工作尝试通过规范化相关方差来建模独立于任务 / 条件的生物特征签名。为了实现这一目标，本文扩展了基于子空间的文本独立说话人识别的思想，并提出了用于建模多通道 EEG 数据的新颖修改方法。所提出的技术假设生物特征信息存在于整个 EEG 信号中，并在高维空间中随时间积累统计数据。然后将这些高维统计数据投影到低维空间，生物特征信息得以保留。使用所提出的方法获得的低维嵌入被证明是与任务无关的。最佳子空间系统识别个体的准确率分别为 86.4% 和 35.仅使用 9 个 EEG 通道，在分别包含 30 名和 920 名受试者的数据集上实现了 9% 的准确率。该论文还深入分析了子空间模型在训练过程中对未见过的任务和个体的可扩展性，以及子空间建模所需的通道数量。
使用子空间技术在脑电图中与任务无关的人特异性签名的证据
摘要 - 电脑摄影（EEG）信号是其他生物识别技术的替代方案，因为它们的保护源于SPOOFIF。以前的研究集中在通过分析任务/条件特异性脑电图来捕获个人变异性。这项工作试图通过标准化相关方差来模拟独立于任务/条件的生物特征特征。朝向这个目标，本文从基于子空间的文本独立说话者识别中扩展了想法，并提出了用于建模多渠道脑电图数据的新型修改。所提出的技术假设生物特征识别信息存在于整个脑电图信号中，并在高维空间中跨时间积累统计。然后将这些高维统计数据投影到保留生物识别信息的较低维空间。使用所提出的方法获得的较低维嵌入显示为任务是独立的。最佳的子空间系统确定精度为86的个体。4％和35。在数据集中分别使用30和920受试者的数据集使用仅使用9个EEG通道。本文还提供了有关子空间模型在培训期间未见任务和个人的可扩展性以及子空间建模所需的渠道数量的见解。
Triton：软件可重构联合航空电子测试平台
摘要 本文介绍了 Triton 联合航空电子安全测试平台，该测试平台支持测试真实飞机电子系统的安全漏洞。由于现代飞机是复杂的系统，因此 Triton 测试平台允许实例化多个系统进行分析，以便观察多个飞机系统的总体行为并确定它们对飞行安全的潜在影响。我们描述了两种激发 Triton 测试平台设计的攻击场景：ACARS 消息欺骗和飞机系统的软件更新过程。该测试平台允许我们分析这两种场景，以确定其预期操作中的对抗性干扰是否会造成危害。本文不描述真实飞机系统中的任何漏洞；相反，它描述了 Triton 测试平台的设计和我们使用它的经验。Triton 测试平台的主要功能之一是能够根据特定实验或分析任务的需要混合模拟、仿真和物理电子系统。物理系统可以与模拟组件或其软件在模拟器中运行的系统交互。为了便于快速重新配置，Triton 还完全通过软件重新配置：组件之间的所有接线都是虚拟的，无需物理接触组件即可进行更改。两所大学使用 Triton 测试平台的原型来评估飞机系统的安全性。
对雷达对象检测的对抗性阴影攻击
近年来，自动驾驶汽车发动机传感器攻击的风险引起了人们的显着关注。这些攻击操纵传感器读数，对基于机器学习模型的对象识别系统构成威胁。非常关注的是“ LiDAR SPOOFENG攻击”，它向欺骗传感器注入恶意信号以检测非易于或缺失的对象[1，2]。这些攻击目标传感器，数据处理和机器学习模型，强调了增强传感器安全性并增强模型鲁棒性的要求。本研究提出了一个新的使用LIDAR的传感系统的攻击矢量，以“ Shadow Hack”，目的是应对其威胁并开发有效的对策。此攻击的概念在于利用激光雷达传感器捕获的点云数据中自然形成的“阴影”（见图1）。LIDAR传感器产生指示对象存在的点云数据，但该数据还包括对象后面形成的阴影。通常，这些阴影在对象检测模型的输出中被忽略，但是它们的存在为对象检测提供了重要的线索。影子黑客通过故意创建它们来欺骗对象检测系统并导致它们出现故障来利用“阴影”的属性。例如，通过放置“阴影材料”，例如在环境中，可以在激光雷达传感器捕获的点云数据中创建误差阴影，从而导致对象检测模型检测不存在的对象（请参见图2）。
随机量子电路的矩及其在随机电路采样中的应用
随机量子电路和随机电路采样 (RCS) 最近引起了量子信息界所有子领域的极大关注，尤其是在谷歌于 2019 年宣布量子霸权之后。虽然 RCS 科学吸收了从纯数学到电子工程等不同学科的思想，但本论文从理论计算机科学的角度探讨了这一主题。我们首先对随机量子电路的 t 设计和反集中特性进行严格处理，以便各种中间引理将在后续讨论中找到进一步的应用。具体而言，我们证明了形式为 EV ⟨ 0 n | V σ p V † | 0 n ⟩ 2 的表达式的新上限，其中 1D 随机量子电路 V 和 n 量子比特泡利算子 σ p 。接下来，我们将从高层次讨论 RCS 至上猜想，该猜想构成了复杂性理论的主要基础，支持了以下观点：深度随机量子电路可能与任意量子电路一样难以进行经典模拟。最后，我们研究了量子和经典欺骗算法在线性交叉熵基准 (XEB) 上的性能，这是 Google 为验证 RCS 实验而提出的统计测试。我们考虑了 Barak、Chou 和 Gao 最近提出的经典算法的扩展，并尝试证明扩展算法可以获得更高的 XEB 分数 [BCG20]。虽然我们无法证明具有 Haar 随机 2 量子比特门的随机量子电路的关键猜想，但我们确实在其他相关设置中建立了结果，包括 Haar 随机幺正、随机 Cliūford 电路和随机费米子高斯幺正。