XiaoMi-AI文件搜索系统
World File Search System可信
面向新太空探索时代的可信竞争基础设施
在新太空经济中，航天机构、大型企业和初创企业旨在发射太空多机器人系统 (MRS)，用于各种现场资源利用 (ISRU) 目的，例如测绘、土壤评估和公用设施配置。然而，这些利益相关者相互竞争的经济利益可能会阻碍在集中式数字平台上进行有效协作。为了解决这个问题，中立和透明的基础设施可以促进异构空间 MRS 之间的协调和价值交换。虽然相关工作对区块链在太空中使用所涉及的技术挑战表达了合理的担忧，但我们认为有必要权衡其潜在的经济效益和缺点。本文提出了一种新颖的架构框架和一套全面的要求，用于将区块链技术集成到 MRS 中，旨在增强太空探索任务中的协调和数据完整性。我们探索了分布式账本技术 (DLT) 来设计异构 MRS 的非专有架构，并在模拟月球环境中验证了原型。我们实施的分析表明，与相应的一组单独行动的机器人相比，地图探索的全球 ISRU 效率有所提高，并且培育竞争环境可能会为利益相关者提供额外的收入机会。
确定可信人工智能系统中的角色、要求和职责
人工智能 (AI) 系统可视为机器学习 (ML) 模型的可部署实例，配备用户界面和其他支持基础设施。这些系统由工程师和 AI 专家为某个领域的特定目的而设计和实施，供该领域的从业者使用，以增强他们的能力。从业者的工作可能至关重要，对教育、医疗、金融和食品生产等不同领域的生活产生影响，而 AI 通常用于协助复杂的决策。AI 系统严重依赖数据，既用于训练和测试提供系统核心功能的 ML 模型，也用于在该领域进行操作分析。从业者通常会通过应用程序或 Web 浏览器界面与 AI 系统交互，以便他们可以向系统提供数据并查看系统的任何结果。在现实环境中实际部署和使用此类 AI 系统开始凸显“最后一英里”[7] AI 部署挑战。本文的动机来自联合国儿童基金会《儿童人工智能政策指导》草案[11]，其中指出：“对于保护和造福儿童而言，特定人工智能系统的所有相关儿童的数据公平性和代表性，包括来自不同地区（包括农村社区）、年龄、社会经济条件和种族的儿童，至关重要。例如，在数据驱动的医疗保健的情况下，儿童的治疗或药物不应基于成人的数据，因为这可能会对儿童的健康造成未知的风险。[强调]”。本文试图通过考虑需要到位的结构来满足这一要求，以便在数据驱动的医疗保健中负有责任的一方能够代表儿童。
可信人工智能评估清单（ALTAI）供自我评估
该工具支持人工智能高级专家组 (AI HLEG) 于 2019 年 4 月向欧盟委员会提交的《可信人工智能 (AI) 伦理指南》中概述的关键要求的可操作性。该道德指南基于七项关键要求引入了可信人工智能的概念：
软件工程的可信协同人工智能：愿景和路线图
摘要 — 几十年来，许多软件工程研究一直致力于设计自动化解决方案，以提高开发人员的生产力和提升软件质量。过去二十年，为软件工程任务量身定制的智能解决方案的开发出现了前所未有的激增。这一势头建立了软件工程人工智能 (AI4SE) 领域，该领域迅速成为软件工程领域最活跃和最受欢迎的领域之一。这篇关于软件工程未来 (FoSE) 的论文涵盖了几个焦点。它以 AI4SE 的简洁介绍和历史开始。此后，它强调了 AI4SE 固有的核心挑战，特别强调了实现值得信赖和协同的 AI4SE 的必要性。接下来，本文描绘了如果克服 AI4SE 的主要挑战，可能实现的飞跃的愿景，并提出了向软件工程 2.0 过渡的设想。然后制定了两个战略路线图：一个以实现值得信赖的 AI4SE 为中心，另一个以促进协同 AI4SE 为中心。虽然本文可能不是结论性指南，但其目的是促进进一步的进步。最终的愿望是将 AI4SE 定位为重新定义软件工程视野的关键，推动我们走向软件工程 2.0。
使用可信量子输入进行自我测试和认证
摘要 量子设备的设备独立认证对于安全量子信息协议的开发至关重要。到目前为止，研究最多的场景对应于由不同的非特征化设备组成的系统，观察者用经典输入探测这些设备以获得经典输出。相关量子属性的认证来自对这些没有经典对应物的事件之间相关性的观察。在完全设备独立的场景中，不对设备做出任何假设，因此它们的非经典性源于贝尔非局域性。还存在其他场景，称为半设备独立，其中对设备做出假设，例如其尺寸，并且非经典性与没有经典类似物的其他类型相关性的观察相关。最近，引入了使用可信量子输入进行认证。这项工作的目标是研究这种形式主义的威力，并使用可信量子输入描述各种设置中的自测试协议。我们还将这些不同类型的自我测试与一些最基本的量子信息协议联系起来，例如量子隐形传态。最后，我们将我们的发现应用于量子网络，并提供评估整个网络及其部分质量的方法。
首个面向可信 AI 的生成式 AI 评估沙箱
简介 信任是大多数（如果不是全部）成功的企业、计划和关系的核心。这一人类概念延伸到数字领域，人工智能 (AI) 解决方案在越来越多的日常任务中的应用，使可信 AI 模型的问题成为众人瞩目的焦点。为了确保生成式 AI 以安全、负责任的方式使用，并保持信任，信息通信媒体发展局 (IMDA) 和 AI Verify 基金会于 2023 年 10 月 31 日宣布了首个生成式 AI 评估沙盒 (Sandbox)。沙盒将汇集全球主要参与者，以建立生成式 AI 的测试和评估能力，并努力建立一种通用的标准方法来评估生成式 AI。沙盒使用新的评估目录草案，其中列出了大型语言模型 (LLM) 的通用基准方法和建议。在本次更新中，我们简要探讨了与生成式 AI 模型相关的风险、沙盒的关键方面以及 Rajah & Tann 如何帮助您成功解决与采用 AI 解决方案以满足业务需求相关的大量问题。当前对 LLM 的担忧 生成式 AI 是指学习所搜索数据的底层分布，然后从所学习的分布中生成新内容的 AI 模型。ChatGPT 是一个非常流行的生成式 AI 模型的示例。从时尚到医疗保健等各个行业都在使用生成式 AI。然而，我们对生成式 AI 风险的理解仍在不断发展。在讨论文件“生成式 AI：对信任和治理的影响”（“讨论文件”）中，IMDA 详细介绍了 LLM 的主要风险和危害，并为政府和企业的高级领导人提出了构建生态系统以可信和负责任地采用生成式 AI 的想法。讨论文件中强调的生成式 AI 带来的主要风险包括：
基于量子的医疗物联网安全可信隐私保护技术：深入分析
量子密钥分发 (QKD) 和基于量子的隐私保护技术的出现为保护医疗物联网 (IoMT) 系统内的通信通道开启了一个新时代。在这项深入的调查中，我们将研究量子密码学在医疗数据安全方面的基本原理、用途和影响。旅程从对量子密码学的深入概述开始，揭示叠加、纠缠和量子门的概念，这些概念构成了量子计算的基础。在此过程中，我们将研究量子密码学的用途，重点介绍其对解决 IoMT 系统数据密集型和网络化特性所带来的特定问题的贡献。我们细致地剖析了 QKD 在确保 IoMT 内安全通信方面的相关性，并通过案例研究和实验证明了基于量子的隐私保护技术的实用性和有效性。从远程医疗网络到可穿戴健康设备，每个案例研究都为量子安全加密的应用提供了宝贵的见解，展示了其加强数据完整性和机密性的能力。对现有研究的细致调查，加上对量子密码学进展的分析，提供了当前形势的全景。从硬件限制到距离限制，这项研究探索了挑战和突破，为未来将量子技术集成到 IoMT 系统中提供了路线图。将基于量子的方法与传统密码学进行比较，揭示了计算复杂性、密钥分发方法和实时加密考虑因素的细微差别。这种比较分析可作为医疗从业者和技术人员在 IoMT 环境中采用基于量子的隐私保护技术方面做出明智决策的指南。案例研究和实验共同描绘了基于量子的隐私保护技术在 IoMT 场景中的实用性和前景。展望未来的发展，探索范围延伸到量子硬件改进、标准化工作以及量子技术与边缘计算和区块链等新兴趋势的融合。随着医疗保健行业站在量子革命的风口浪尖，本文提供的全面见解为通过量子密码学的视角理解、实施和塑造安全医疗保健通信的未来奠定了基础。
Zettawise 的网络靶场是测试企业数字免疫力的可信工具
Cyber Range 用于通过真实应用程序和一系列威胁载体来验证客户网络的安全态势。通过模拟真实世界的合法流量、分布式拒绝服务 (DDoS)、漏洞、恶意软件和模糊测试，Zettawise 的混合 Cyber Range 可验证组织的安全基础设施，将网络降级风险降低近 80%，并将攻击准备度提高近 70%。
第 4 章 - 可信覆盖期确定和延迟投保罚款指导
本指南更新自 2025 年合同年度起生效。所有生效日期为 2025 年 1 月 1 日或之后的注册都必须按照修订后的要求进行处理。组织可以选择在规定的实施日期之前实施任何与本指南一致的新要求。本指南涵盖 42 CFR § 423 Subpart B 中规定的注册和资格规定。它涉及可信覆盖范围确定流程和 D 部分计划发起人的 D 部分延迟注册罚款 (LEP) 政策。除非明确纳入合同，否则本文件的内容不具有法律效力，也不旨在以任何方式约束公众。本文件仅旨在向公众说明法律规定的现有要求。组织必须在收到请求后以及此后以可访问/替代格式（例如大字体、盲文）向个人提供信息，如 1973 年《康复法》第 504 节（及其后续修订）所述。与未要求可访问/替代格式的参保者一样，这些人必须拥有平等的机会参与参保、支付保费账单以及与计划进行沟通。
泰雷兹与 CEA 合作开发可信生成式人工智能……
泰雷兹安全通信和信息系统业务首席技术官 Bertrand Tavernier 表示：“与 CEA 人工智能团队的此次合作将把他们的研究实力与我们在泰雷兹人工智能加速器的工作结合起来，这将整合集团的技术专长以及对国防和安全领域的深厚了解。我们的客户——政府、武装部队、关键基础设施运营商——需要值得信赖的、自主的生成式人工智能解决方案来完成他们的关键任务。” CEA 列表研究所所长、智能数字系统专家 Alexandre Bounouh 表示：“此次合作建立在 CEA 和泰雷兹长期合作的基础上，并将其扩展到生成式人工智能这一敏感问题，将 CEA 研究团队在人工智能安全和安保方面的专业知识和卓越表现与泰雷兹人工智能加速器在国防和安全战略领域的优势结合起来。它将与我们的合作伙伴以及该领域的所有机构和行业利益相关者一起，支持 CEA 在安全、安保和人工智能方面的使命。 ” 武装部队用例 可以开发生成式人工智能来加速 OODA 指挥循环（观察、定位、决策、行动），并将其应用于整个关键决策链：传感和数据收集、数据传输和存储、数据处理和决策支持。 生成式人工智能将成为用户值得信赖的智能助手，使他们能够轻松高效地与复杂系统对话，以促进和加速人类决策和行动节奏。 例如，对于情报收集，多模态生成式人工智能将能够同时从多个来源（例如网络、社交媒体和战区传感器）提取、处理、关联和解释不同类型的信息，以生成摘要并加速可靠报告的生成。 泰雷兹的人工智能实验室和 CEA 还将专注于联盟内的互操作性。 为了简化联合行动中成员国之间的沟通，值得信赖的生成式人工智能将通过将操作员的意图转化为一系列动作并将技术术语翻译成相关国家语言来促进操作员与复杂系统之间的交互。