XiaoMi-AI文件搜索系统
World File Search System下有对策
生成的AI安全：挑战和对策
生成AI（Genai）系统使用户能够快速生成高质量的内容。大语模型（LLM）的最新进展（Radford等人，2019年； Chowdhery等。，2022;布朗等人。，2020年； Touvron等。，2023; Bubeck等。，2023; Schulman等。，2022; Openai，2023年；拟人化，2023年），视觉语言模型（VLMS）（Radford等人，2021;刘等。，2023a; Driess等。，2023;团队，2023年）和扩散模型（Ramesh等人，2021; Song等。，2020年；杨等。，2023年）彻底改变了Genai的能力。开放的Web应用程序安全项目（OWASP）已编制了对LLM应用程序的十大漏洞和威胁的详细列表（Owasp，2023）。Genai模型旨在了解和生成具有超过传统机器学习系统的自主权，提供新颖的能力来理解视觉场景，生成文本，代码，图像以及与人类和互联网服务互动的新型功能。此功能可以实现更广泛的应用程序，并以这种方式引入了这些新型Genai集成应用所特有的新安全挑战。在本文中，我们讨论了该领域的挑战和机遇，从本节开始，从安全风险开始，包括Genai模型如何成为攻击的目标，一个无意中损害安全性的“傻瓜”，或者是坏演员攻击他人的工具。
由于自动武器的发展而导致的预期问题和对策
6 lindelauf R.H.A.Et Al。 （2023）。 “不负责任的不负责任”，道德和信息6 lindelauf R.H.A.Et Al。（2023）。“不负责任的不负责任”，道德和信息
高温对策AI技术社会实证试验
在这期间，丰田国立工业大学因其利用面部图像的独特人工智能热对策的研究报告而获得了奖项（补充材料 1），这促使我们开始与该学校进行讨论，以期未来的业务合作。随着讨论的深入，我们得出结论：在建筑工地上，只需抬起脸就可以实现这一简单性，这将是一个巨大的优势。在专门开发建筑工地系统的DUMSCO公司的合作下，丰田技术公司同意使用丰田技术的“热对策AI”作为基础技术，以解决每年都变得越来越严重的“建筑工地热问题（补充材料2）”。首先，我们计划今年夏天进行一项示范测试，以验证其实用性（补充材料 3）。
IT和AI的发展、地方创生、少子化对策
资料来源：https://towardsdatascience.com/machine-learning-methods-to-aid-in-coronavirus-response-70df8bfc7861、https://bdtechtalks.com/2020/03/09/artificial-intelligence-covid-19-coronavirus/、https://news.yahoo.co.jp/byline/kazuhirotaira/20200326-00169744/
通过窗口：ESP32 寄存器窗口溢出的利用及对策
摘要：随着物联网 (IoT) 设备的日益普及，其安全性也成为一个日益重要的问题。缓冲区溢出漏洞已为人所知数十年，但仍然存在，尤其是对于嵌入式设备而言，由于硬件限制或仅仅由于对性能的影响而无法实施某些安全措施。因此，许多缓冲区溢出检测机制仅在使用关键数据之前检查溢出。攻击者可以用于自己目的的所有数据都可以被视为关键数据。因此，在写入缓冲区和使用缓冲区之间检查所有关键数据至关重要。本文介绍了数百万台物联网设备中使用的 ESP32 微控制器的一个漏洞，该漏洞基于不受传统缓冲区溢出检测机制（如 Stack Canaries 或 Shadow Stacks）保护的指针。本文讨论了漏洞的影响，并介绍了修复漏洞的缓解技术（包括补丁）。使用模拟以及 ESP32-WROVER-E 开发板评估了补丁的开销。我们发现，在使用 32 个通用寄存器的模拟中，CoreMark 基准的开销介于 0.1% 和 0.4% 之间。在使用具有 64 个通用寄存器的 Xtensa LX6 内核的 ESP32 上，开销降至 0.01% 以下。由综合基准模拟的最坏情况显示开销高达 9.68%。
水果和蔬菜采摘机器人机器视觉的关键问题和对策
近年来，国内人口股息逐渐消失，劳动力短缺问题已成为一种瓶颈，限制了农业发展，尤其是劳动密集型行业的发展。选择机器人技术已从前瞻性研究变为实际需求。以计算机图像处理技术，工业机器人技术和人工智能技术代表的高和新技术逐渐渗透到农业领域，采摘机器人的研究和开发已经进入了一个快速发展的时期。目前，国内外的许多企业都在开发水果和蔬菜采摘机器人，例如日本松下，美国在美国收获Croo机器人，以色列的Ffrobotics等。农业采摘机器人的工作环境非常复杂，采摘机器人需要从混乱的背景中找到随机分布的水果和蔬菜，包括分支和叶子，天空和其他干扰[1]。解决此问题的关键是将机器视觉系统引入采摘机器人，以使拾取机器人具有很高的识别率和定位准确性，并在非结构化的环境中实现自动导航。从搜索，扫描，识别，定位到最终效应器控制和操作中实现，并最终实现农作物的自动收获。例如，智能农业采摘平台
一项关于未来气候变化对大豆产量和对策的影响的案例研究
全球气候变化对农作物的生长，发育和产量产生了重大影响。中国东北部的大豆生产是中国传统的大豆生产地区之一，对于发展国内大豆工业并减少对进口大豆的依赖而言，具有很大的意义。因此，评估未来气候变化对中国东北大豆产量的影响至关重要，并提出合理的适应措施。在这项研究中，我们以中国东北部的富吉恩市为例，并使用了DSSAT中的Cropgro-Soybean模型（农业技术转移的决策支持系统）模拟未来气候变化对2020年代四个时期（2021-2030）的四个时期的大豆产量的影响（2041-2050）和2050S（2051-2060）在两个代表性浓度途径（RCP）方案（RCP4.5和RCP8.5）下，进一步确定最佳的农艺管理实践。结果表明，校准和经过验证的模型适合在研究区域模拟大豆。通过分析未来气候场景RCP4.5和RCP8.5在Precis区域气候模型中的气象数据，我们发现，在海伦吉安吉安吉省富士城的生长季节，平均温度，累积降水量和累积太阳辐射将主要增加。与模型仿真结果结合在一起，表明在CO 2受精的效果下，未来的气候变化将对大豆产量产生积极影响。与基线（1986-2005）相比，大豆产量将增加0.6％（7.4％），3.3％（5.1％），6.0％（16.8％）和12.3％（20.6％）和2020年代，2030年代，2040年代，2040年代和2050年度的rcp4.5（RCP4.5）（rcp8.5）。 RCP4.5（RCP8.5）分别为5月10日（5月5日）和50 mm（40mm）。在未来的气候条件下，农艺管理实践，例如在大豆增长的关键阶段推进播种日期和补充灌溉，将增加大豆产量，并使大豆增长更适合未来的气候变化。
说服与人工智能相遇：设计社会工程对策的道德考虑
摘要：Facebook 或 Instagram 等社交网站 (SNS) 中的隐私与人们的自我披露决策以及他们预见与大量不同受众分享个人信息的后果的能力密切相关。尽管如此，在线隐私决策通常基于虚假的风险判断，这使得人们容易向不受信任的接收者泄露敏感数据并成为社会工程攻击的受害者。人工智能 (AI) 与诸如推动之类的说服机制相结合是一种很有前途的方法，可在 SNS 用户中促进预防性隐私行为。尽管如此，将行为干预与高度个性化相结合可能会对人们的代理和自主权构成潜在威胁，即使应用于社会工程对策的设计也是如此。本文详细阐述了推动机制可能给基于 AI 的对策的开发带来的道德挑战，特别是那些解决 SNS 中不安全的自我披露实践的对策。总体而言，它认可制定个性化风险意识解决方案，作为 i) 抵制社会工程的道德方法，以及 ii) 促进反思性隐私决策的有效手段。
公共交通系统细菌微生物组的概述 - 风险，检测和对策
当我们人类旅行时，我们的微生物就会出现。这些可能是无害的，但也可能是致病性的，并且通过在客舱中触摸表面或呼吸气溶胶来扩散。作为SARS-COV-2的大流行，这些环境显示出感染传播的风险。为了降低风险，在许多地方都采用了诸如戴着口罩和距离之类的对策，但具有重大的社会影响。然而，下一个大流行将会来，需要降低风险的其他对策，以确保通勤者安全并减少微生物和病原体的传播，但对通勤者的日常生活的影响也尽可能小。本综述描述了世界各地地铁的细菌微生物组，主要以人为相关的属为特征。我们强调公共交通中与医疗保健相关的Eskape病原体，引入了最先进的方法，以检测常见的微生物和潜在病原体，例如LAMP和下一代测序。此外，我们将可以在公共交通系统中部署的可能对策描述为抗菌表面或使用等离子体的空气灭菌。在公共交通中通勤可能会有感染的风险。可以通过有效的检测方法，微生物减少系统来提高旅行者的安全性，但重要的是通过手动卫生和常识性卫生指南来实现。