XiaoMi-AI文件搜索系统
World File Search System云化
云技术挑战
在深入挑战之前，我们希望确保女童子军首先了解什么是云技术。对于此活动，如果您有白板或图纸，最好创建一个视觉效果来配合。我们创建了一个示例，您可以在最后的资源部分找到它。说：有人在连接到互联网的手机或平板电脑上使用任何应用程序吗？那些应用程序是什么？在旁边创建一个简短的列表。你应该得到像 Netflix、Disney Plus、TikTok、Instagram、Amazon、Door Dash、Uber 这样的答案……说：太好了，你列出的所有这些应用程序都使用云技术来运行。有人知道云是什么吗？等待答案。想象互联网是天空中一朵巨大的隐形云。它就像存储您所有喜爱的应用程序、网站和文件的地方。现在，云技术就像是一种神奇的方式来使用和存储这片云上的东西。数据中心是存储允许云技术工作的设备的大型建筑物。就像您需要一部手机来操作应用程序一样 - 我们需要数据中心来操作云。说：那么，让我们以 Instagram 这样的应用程序为例。我们想在那里存储什么类型的东西，或者我们要把什么数据放入应用程序中？等待答案并列出清单。（图片、标题、评论、故事、喜欢）太好了，现在如果这只是一个存储站点，那么这个云就像一个虚拟背包，携带着我们所有的数字文件，只要有互联网连接，我们就可以在任何地点访问这些文件。说：但这更复杂吧？你认为它与存储驱动器有何不同？等待答案。当我们将云用于应用程序或游戏时，云技术使您可以通过计算机、手机或平板电脑访问它们。没有云，大多数应用程序和游戏都无法运行。所以，把云想象成互联网上的一个地方，我们可以随时随地存储和访问东西（比如照片、视频或游戏）。
云趋势2025：揭示云技术的未来
我们可以理解，有许多因素影响该决定，包括Geo vlay客户投资组合和IT团队，分布式的应用程序堆栈，混合服务的可重复使用性，以逐步采用遗产中多个应用程序的云云采用。在多云体系结构中，三种最常用的模式，可以影响以下三个最常见的多云解决方案：最常见的三个模式：面向数据的多云体系结构 - 这是一个异构模式，企业根据数据源的适用性选择多云。For example, if the application estate has Oracle, Postgre, MySQL, MSSQL and customer prefers not to do actual DB transformation (Oracle to MSSQL or MSSQL to Postgre), then we can choose applications with Oracle, Postgre, MySQL to go to AWS (where Oracle to PSQL is quite easy in AWS/Azure) and MSSQL based apps can go to Azure.对于应用NOSQL数据库平台的应用程序（批次，实时分析）非常适合移动到任何CSP（例如：MongoDB，Hadoop群集），并且仅比较成本比较（对于选定的区域（S），Zone（s），Zone（s）的多云采用。面向服务的多云体系结构 - 这是一种均匀模式，企业基于服务，包括服务，API层和处理逻辑（功能）在内的多云，其中也可能使用CSP跨CSP和集中服务的多云服务可用性。例如，可以根据服务使用和需求将多glot微服务组迁移到AWS，Azure，GCP（例如：Apigee服务可以转到GCP，使用Fabric的服务编排可以转到Azure，并且Hub Service Service Service Services可以获取AWS）。
英特尔® 可扩展 I/O 虚拟化 – 减少直通设备上云原生网络功能的启动时间
英特尔可扩展 IOV 是一种可扩展且灵活的硬件辅助 I/O 虚拟化方法，它以现有的 PCI Express 功能为基础，使其能够轻松得到兼容 PCI Express 端点设备设计和软件生态系统 3 的支持。英特尔可扩展 IOV 定义了一种方法，可以以精细的粒度将大量多路复用设备接口分配给隔离域。该架构将设备共享的粒度定义为可分配设备接口 (ADI)。设备功能上的所有 ADI 都使用与设备的 PCIe 功能相对应的相同 PCIe 请求者 ID（总线/设备/功能编号）。进程地址空间标识符 (PASID) 用于区分为不同 ADI 执行的上游内存事务并传达事务所针对的地址空间。
语义增强图像-文本预训练模型的零样本三维模型分类
Cheraghian 等人 [ 21 – 23 ] 在零样本 3 维模型分类方 面提出了 3 维点云的零样本学习方法、缓解 3 维零样 本学习中枢纽点问题的方法和基于直推式零样本学 习的 3 维点云分类方法，并将它们封装进一个全新 的零样本 3 维点云方法 [ 24 ] 中。以上方法均是利用已 知类样本的点云表征及其词向量对未知类别进行分 类，开创了零样本 3 维模型分类方法。近年来， CLIP 在零样本图像分类上取得了良好的效果，因此有研 究者将 CLIP 应用到零样本 3 维模型分类方法中， Zhang 等人 [ 25 ] 提出了基于 CLIP 的 3 维点云理解 (Point cloud understanding by CLIP, PointCLIP) 模型， PointCLIP 首先将 3 维点云投影成多个深度图，然 后利用 CLIP 的预训练图像编码器提取深度图特 征，同时将类别名称通过 CLIP 预先训练的文本编 码器提取文本特征。但是 PointCLIP 的性能受到深 度图和图像之间的域差异以及深度分布的多样性限 制。为了解决这一问题，基于图像 - 深度图预训练 CLIP 的点云分类方法 (transfer CLIP to Point cloud classification with image-depth pre-training, CLIP2Point) [ 26 ] 将跨模态学习与模态内学习相结合 训练了一个深度图编码器。在分类时，冻结 CLIP 的图像编码器，使用深度图编码器提取深度图特 征，该方法缓解了深度图和图像间的模型差异。用 于 3 维理解的图像 - 文本 - 点云一致性表征学习方法 (learning Unified representation of Language, Im- age and Point cloud for 3D understanding, ULIP) [ 27 ] 构建了一个图像、文本和点云 3 种模态的 统一嵌入空间，该方法利用大规模图像 - 文本对预 训练的视觉语言模型，并将 3 维点云编码器的特征 空间与预先对齐的视觉 - 文本特征空间对齐，大幅 提高了 3 维模型的识别能力。与之相似的是，基于 提示文本微调的 3 维识别方法 (CLIP Goes 3D, CG3D) [ 28 ] 同样使用 3 元组形式确保同一类别的 3 维模 型特征和图像特征之间以及 3 维模型特征和文本特 征之间存在相似性，从而使点云编码器获得零样本 识别的能力。另外， PointCLIP V2 [ 29 ] 在 Point- CLIP 的基础之上，通过利用更先进的投影算法和 更详细的 3 维模型描述，显着提高了零样本 3 维模型 分类准确率。本文采用语义增强 CLIP 解决图像和文 本的语义鸿沟问题，通过在语义层面为图像和文本 提供更多相似的语义信息，使图像和文本对齐更具有 一致性，从而有效提高 3 维模型的零样本分类性能。 2.2 提示工程
增强Oracle云基础架构中的云安全性
摘要：云计算已成为现代IT基础架构的重要组成部分，为组织提供了可扩展且灵活的解决方案。安全问题仍然是其广泛采用的重大障碍。本研究探讨了Oracle云基础架构（OCI）的关键安全挑战，包括数据泄露，未经授权的访问，身份管理和网络漏洞。虽然Oracle的安全工具（例如Oracle Cloud Guard和Data安全）有助于减轻这些风险，而不断发展的网络威胁需要持续适应。共同的责任模型进一步需要采取主动的安全措施和法规依从性。为了提高云安全性，这项研究研究了混合加密技术的性能，比较了OCI中基于RSA，Blowfish，基于池塘的关键管理。结果表明，RSA + Blowfish模型可显着提高加密速度，降低解密延迟并增强安全指标。绩效评估指标以准确性（99.47％），精度（99.12％），召回（99.08％）和F1得分（99.10％）确认其鲁棒性。这些发现建立了混合加密作为确保基于云的数据的有前途的方法。
军事武器人工智慧(AI)化对战争伦理影响之研究
2019年，https://brokingdefense.com/2019/10/ethical-ai-for-war-defense-innovation-board-says-it-can-be-done/，