XiaoMi-AI文件搜索系统
World File Search System可信
迈向 B5G/6G 网络中 QoE 预测的可信人工智能
摘要 预测体验质量 (QoE) 指标的能力对于未来 B5G/6G 网络提供的多种应用和服务至关重要。然而，QoE 时间序列预测迄今为止尚未得到充分研究，主要是因为缺乏可用的真实数据集。在本文中，我们首先介绍了一种从真实的 5G 网络模拟中获得的新型 QoE 预测数据集，该数据集以视频流应用的服务质量 (QoS) 和 QoE 指标为特征；然后，我们接受了在采用 AI 系统解决 QoE 预测任务时可信度的热门挑战。我们展示了如何有效利用可解释人工智能 (XAI) 模型（即决策树）来解决预测问题。最后，我们将联邦学习确定为隐私保护协作模型训练的合适范例，并从算法和 6G 网络支持的角度概述了相关挑战。
钢铁 CCUS 最新进展：碳捕获技术看起来越来越不可信
虽然钢铁行业的 CCUS 进程持续停滞，但一些钢铁企业正在从以煤为基础的炼钢转向 DRI，这是一项非常成熟的技术，随着这种替代还原剂的成本下降，它可以以绿色氢气为原料运行。几乎所有规划或建设商业规模低碳炼钢产能的钢铁企业都已转向以氢为基础或备有氢能的 DRI 工厂，而不是 CCUS。DRI 工厂的 2030 年项目产能已达到每年 9600 万吨 (Mtpa)，而用于高炉炼钢的商业规模 CCUS 产能仍停留在 1Mtpa（图 3）。用于高炉炼钢的 CCUS 正在被一种更好的替代方案所取代，这种替代方案可以在成本和减排方面胜过它。
当前技术无法实现没有可信节点的长距离 QKD
引言如今，点对点量子密钥分发 (QKD) 已经成为商业现实。商用 QKD 系统的范围通常在光纤上为 100 公里。学术系统和新协议可以达到数百公里 1、2。中国墨子号卫星已经展示了与低地球轨道卫星的自由空间 QKD 链路 3。然而，单个点对点链路的范围仍然受到链路功率损耗的限制 4。为了扩展 QKD 的实际应用，有必要将范围扩展到全球 QKD 并提供更复杂的网络拓扑 5。随着量子中继器等新技术的出现，这种扩展的多功能性可以通过所谓的可信节点 (TN) 6 实现。在 TN 中，量子信号被测量并转换为经典信号。生成一个新的经典信号，转换为量子，然后发送到下一个节点。 TN 可用作中继，提供长距离 QKD，也可用作交换机，提供复杂的拓扑 5 。然而，由于 TN 包含经典信号，原则上可以被复制，因此 TN 内不存在量子安全性。必须信任 TN 并对其进行物理保护，以避免数据泄露 5 。因此，出于安全目的，TN 代表了完整的端到端 QKD 传输中的薄弱环节。在本文中，术语“长距离 QKD”是指全球 QKD，即在地球上任意两点之间部署和实施 QKD 的能力。最近，英国知识产权局向 Arqit Ltd. 公司授予了专利号 GB2590064（https://www.ipo.gov.uk/p-ipsum/Case/PublicationNumber/GB2590064）我们还将本专利中描述的协议称为 ARQ19 协议。本专利旨在提供没有 TN 的长距离 QKD。根据这些说法，现在可以使用不受信任的卫星实现全球 QKD。这将改变 QKD 的游戏规则。因此，调查这些说法显然很重要。不幸的是，据我们所知，它们尚未在任何科学期刊上通过随附的公开披露得到验证。因此，我们的分析基于已发布的 ARQ19 专利和 Arqit 在美国证券交易委员会 (SEC) 提交的 20-F 年度报告 (https://www.sec.gov/Archives/edgar/data/0001859690/000110465921150276/arqq-20210930x20f.htm)。本报告将
实现可信 5G 及更高版本的量子密钥分发网络
• QKDN 控制、管理和编排的功能要求 • QKDN 的管理信息模型 • QKDN 控制、管理和编排的参考点 • QKDN 控制、管理和编排的流程
TTC 关于可信 AI 和风险管理评估和测量工具的联合路线图
美国和欧盟的切实全球领导力可以提供可扩展的、基于科学的方法，以推进可信赖的人工智能方法，以负责任、公平和有益的方式为所有人服务。有效的风险管理和评估有助于赢得和增加对人工智能系统开发、部署和使用的信任。我们认识到人工智能应对世界挑战的力量，也承认人工智能系统会带来风险。通过最大限度地减少人工智能系统对个人、文化、经济、社会和地球的负面影响，我们可以最大限度地发挥人工智能系统的积极影响和好处，支持志同道合的民主国家的共同价值观。为了实现这一目标，美国-欧盟贸易和技术委员会联合声明（2022 年 5 月）表示有意制定一份关于可信赖人工智能和风险管理评估和衡量工具的联合路线图（“联合路线图”）。
定制可信人工智能加速器，实现高效的隐私保护机器学习
使用可信硬件已成为实现隐私保护机器学习的一种有前途的解决方案。具体而言，用户可以将其私人数据和模型上传到硬件强制的可信执行环境（例如，支持 Intel SGX 的 CPU 中的飞地），并在其中运行机器学习任务，并确保机密性和完整性。为了提高性能，AI 加速器已广泛应用于现代机器学习任务。然而，如何保护 AI 加速器上的隐私仍然是一个悬而未决的问题。为了解决这个问题，我们提出了一种基于未修改的可信 CPU 和定制的可信 AI 加速器的高效隐私保护机器学习解决方案。我们谨慎地利用加密原语来建立信任并保护 CPU 和加速器之间的通道。作为一个案例研究，我们基于开源多功能张量加速器展示了我们的解决方案。评估结果表明，所提出的解决方案以较小的设计成本和适中的性能开销提供了高效的隐私保护机器学习。
asgard：使用基于虚拟化的可信执行环境保护设备上的深神经网络
我们提出了Asgard，这是第一个基于虚拟化的TEE解决方案，旨在保护传统ARMV8-A SOC的设备DNN。与使用基于信任的TEE进行模型保护的先前工作不同，Asgard的T恤仍然与现有专有软件兼容，保持可信赖的计算基础（TCB）最小值，并在接近零时的运行时开销。到此为止，Asgard（i）（i）通过安全的I/O传球牢固地延长了现有TEE的界限，以通过安全的I/O传球结合了SOC集成加速器，（ii）通过我们积极进取的且安全性的平台和应用程序级别的TCB Debloating Techiques和（IIIIIII）exite-iii iii iii nordie-irie-irie norder-irie norder-irie norder-irie norder-irie norder-irique tcb紧紧控制TCB的大小。合并DNN执行计划。我们在RK3588S上实施了ASGARD，这是一个基于ARMV8.2-A的商品Android平台，配备了Rockchip NPU，而无需修改Rockchip-和Armpriperipary软件。我们的评估表明，Asgard有效地保护了TCB大小和可忽略不计的推理潜伏期的传统Soc中的设备DNN。
伦纳德伍德堡启动邮政访问可信旅行者计划
您什么时候开始在国防部工作的？1984 年，我在新泽西州迪克斯堡（现称为麦奎尔-迪克斯-莱克赫斯特联合基地）接受了基础训练和军事职业专业训练。我当时的军衔是 64C，是运输员，服役期间改为 88M 机动运输员。我服役了 23 年。2007 年 6 月 30 日，我在伦纳德伍德堡退休，并于 2007 年 7 月 6 日开始在陆军宪兵学校任教。我还曾在数字训练中心工作过。2019 年，我来到第 43 军。
IPC 对安大略省政府关于安大略省可信人工智能 (AI) 框架的咨询意见
1 安大略省政府。安大略省数字和数据战略咨询。网页最后更新于 2021 年 1 月。https://www.ontario.ca/document/consultation-ontarios-digital-and-data-strategy 2 安大略省政府。人工智能（AI）指南。2021 年 3 月 30 日。https://www.ontario.ca/page/artificial-intelligence-ai-guidance 3 安大略省政府。咨询：安大略省值得信赖的人工智能（AI）框架。2021 年 5 月 5 日。https://www.ontario.ca/page/ontarios-trustworthy-artificial-intelligence-ai-framework-consultations 4 安大略省政府。建设数字安大略省。2021 年 4 月 30 日。https://www.ontario.ca/page/building-digital-ontario 5 安大略省信息和隐私专员。 IPC 战略重点 2021-2025。2021 年 4 月 22 日。https://www.ipc.on.ca/about-us/ipc-strategic-priorities-2021-2025/
对候选可信数字存储库进行审计和认证的机构的要求
– 奥地利空间局 (ASA)/奥地利。 – 比利时科学政策办公室 (BELSPO)/比利时。 – 中央机械制造研究院 (TsNIIMash)/俄罗斯联邦。 – 中国卫星发射和跟踪控制总院、北京跟踪和通信技术研究所 (CLTC/BITTT)/中国。 – 中国科学院 (CAS)/中国。 – 中国空间技术研究院 (CAST)/中国。 – 英联邦科学与工业研究组织 (CSIRO)/澳大利亚。 – 丹麦国家空间中心 (DNSC)/丹麦。 – 航空航天科学和技术部 (DCTA)/巴西。 – 电子和电信研究所 (ETRI)/韩国。 – 欧洲气象卫星应用组织 (EUMETSAT)/欧洲。 – 欧洲通信卫星组织 (EUTELSAT)/欧洲。 – 地理信息和空间技术发展局 (GISTDA)/泰国。 – 希腊国家空间委员会 (HNSC)/希腊。 – 希腊空间局 (HSA)/希腊。 – 印度空间研究组织 (ISRO)/印度。 – 空间研究所 (IKI)/俄罗斯联邦。 – 韩国航空宇宙研究院 (KARI)/韩国。 – 通信部 (MOC)/以色列。 – 穆罕默德·本·拉希德航天中心 (MBRSC)/阿拉伯联合酋长国。 – 国家信息和通信技术研究所 (NICT)/日本。 – 国家海洋和大气管理局 (NOAA)/美国。 – 哈萨克斯坦共和国国家空间局 (NSARK)/哈萨克斯坦。 – 国家空间组织 (NSPO)/中国台北。 – 海军空间技术中心 (NCST)/美国。 – 荷兰空间办公室 (NSO)/荷兰。 – 粒子与核物理研究所 (KFKI)/匈牙利。 – 土耳其科学技术研究理事会 (TUBITAK)/土耳其。 – 南非国家空间局 (SANSA)/南非共和国。 – 空间与高层大气研究委员会 (SUPARCO)/巴基斯坦。 – 瑞典空间公司 (SSC)/瑞典。 – 瑞士空间办公室 (SSO)/瑞士。 – 美国地质调查局 (USGS)/美国。