XiaoMi-AI文件搜索系统
World File Search System合法化
使用QR码修改和椭圆曲线密码
抽象的身份证或Kartu Tanda Penduduk（KTP）对于印尼人民至关重要。KTP包含个人信息，例如国家身份编号（NIK），姓名，地址，性别等。由于KTP具有必不可少的数据，并且仍在常规上打印，因此如果丢失了KTP，则存在一个漏洞，并且所有者的数据被披露，以便如果不负责任的人找到它，则可以使用数据来模仿所有者。在Haque等人，[1]提出的先前方法中，数据存储在QR码中。但是，没有验证方法可以使原始所有者合法化，并且系统没有登录功能。为了克服Haque等人的弱点，方法[1]，使用椭圆曲线EL-Gamal（ECEG）对所有者的NIK进行了加密，并在将其存储在QR码中之前，在将其存储之前使用ECDSA进一步签名。对于在数据库中获取所有者的数据，应在扫描QR码后进行验证过程。使用提出的方法，猜测攻击成功的可能性为1 /（n -1）。同时，模拟攻击成功的可能性为1 /（Q1 * Q2 * L）。
罗尔斯式的人工智能公平漏洞
摘要 人工智能 (AI) 和自然语言处理 (NLP) 领域的研究人员和行业开发人员一致采用了罗尔斯式的公平定义。根据这一定义，如果一项技术能为最弱势群体实现性能最大化，那么该技术就是公平的。我们认为这一定义存在相当大的漏洞，可以用来使 AI/NLP 研究中导致社会和经济不平等的常见做法合法化。这些做法包括我们称之为子群测试膨胀和快照代表性评估。子群测试膨胀是指最初针对特定的技术就绪早期采用者目标群体定制一项技术，以更快地收集反馈的做法。快照代表性评估是指根据当前最终用户的代表性样本评估一项技术的做法。这两种策略都可能导致社会和经济不平等，但通常使用政治经济学中熟悉的论点并以罗尔斯公平为基础来证明其合理性。我们讨论了罗尔斯公平的平等主义替代方案，以及更广泛地说，走向全球和社会公平的 AI/NLP 研究和开发道路上的障碍。
7 年级 – 药物使用、成瘾和相关行为目的：学校和教育工作者在支持学生的健康和福祉方面发挥着重要作用。
7 年级 — 药物使用、成瘾和相关行为目的：学校和教育工作者在支持青少年健康和福祉方面发挥着重要作用。在当前大麻合法化、青少年吸电子烟和饮酒现象日益普遍以及 COVID-19 大流行对心理健康造成影响的背景下，这一点尤为重要。学生必须具备做出与药物使用相关的健康（低风险）决定的知识和技能。同样，提高批判性思维技能和健康素养也很重要，这样学生才能对抗数字错误和虚假信息，做出明智的选择。目标：学生将探索心理健康与药物使用问题（包括大麻使用）之间的联系。他们将分析广告以了解导致药物使用问题的因素，并展示做出明智选择的能力，以体现健康生活。最后，他们将分析药物使用和成瘾对个人和社会的影响，并确定可用于为心理健康或药物使用问题提供支持的学校和社区资源。预期用途：本单元专为教育工作者使用而创建，考虑到了开展健康计划的各种方式。计划开展的选项包括：
血腥交易：俄罗斯在乌克兰的战争
除了参战士兵之外，国内政治和公众舆论也很重要。一些研究表明，民主国家在参战时可能对公众舆论的反战态度更为敏感。但像普京领导下的俄罗斯这样的独裁政权无法完全忽视公众舆论，因此会投入大量精力使其战争合法化，或试图将战争成本和后果隐藏在公众视野之外，就像俄罗斯所做的那样。列瓦达中心最近的民意调查显示，自入侵以来，普京的支持率从 71% 上升到 83%；然而，这与俄罗斯各地爆发的公众抗议以及许多母亲意外得知孩子被送上战场时的恐惧形成了鲜明对比。鉴于普京还加大了镇压威胁，以压制可能因这场代价高昂的战争而日益增长的异议，将亲西方的俄罗斯人称为“叛徒”和“败类”，并威胁对公众反对派施以严厉惩罚，目前尚不清楚俄罗斯的民意调查在多大程度上可以被视为对俄罗斯的真正支持。这些嘈杂的信号妨碍了乌克兰评估舆论对俄罗斯决心的影响的能力。
武器化创新：绘制人工智能地图——......
新兴和颠覆性技术及其安全和防御用途已成为欧盟 (EU) 举措的核心。人工智能 (AI) 系统也不例外。作为大国竞争和武器化日益增加的焦点，人工智能技术由于其双重用途特性以及在网络物理领域的日益部署，在改变军民关系方面既带来了风险也带来了机遇。本文探讨了欧盟最近主导的努力，确定了共同计划和项目，并考虑了欧洲技术主权话语、最近的战略举措和所涉及的主要利益相关者。在缺乏明确阐明对这一新兴技术领域及其负责任的军事研究、开发和部署立场的欧盟战略愿景的情况下，这些努力有可能成为缺失的总体智力难题的零散碎片。该文件还对将人工智能驱动的技术解决方案纳入欧盟安全和防御领域的主流提出了警示，指出这将使特定的地缘政治和军事创新想象合法化，而这可能与欧盟倡导的负责任、值得信赖和以人为本的创新系统愿景不相容。
WIAS News
WIAS年度会议2025 - 2025年3月4日WIAS WIAS组织WIAS社区的WIAS年度会议。今年将于3月4日星期二在Ede的Reehorst举行。这次会议欢迎WIAS博士候选人，博士后，工作人员和支持WIAS隶属主席团体的员工，并提供了一个绝佳的机会，可以听取WIAS和网络上最新的科学发展。请通过注册表格注册：注册以获取有关会议的更多信息以及摘要提交的信息。抽象提交的截止日期是2025年1月24日，从2025年1月开始，从2025年1月开始，每个主席组都可以将自己的博士学位论文和介词分发给论文委员会（对手和主管），图书馆和国防主席。仍然必须在博士服务中心交付一份副本，从2025年1月开始，可以在Omnia大楼上完成。毕业团队将在每个星期二上午10:00至11:00在Omnia大楼举行，以收到博士学位论文的副本，并回答有关（草稿）论文处理的任何其他问题。也可以将您的文凭交给合法化。
6年级 - 物质使用，成瘾和相关行为目的：学校和教育工作者在支持健康和井井有条
6年级 - 吸毒，成瘾和相关行为目的：学校和教育工作者在支持青年的健康和福祉方面发挥了重要作用。这在当前大麻合法化的背景下尤其重要，年轻人的烟，饮酒以及Covid-19-19大流行的心理健康影响的增加。至关重要的是，学生拥有与药物使用有关的健康（低风险）决策的知识和技能。同样，促进批判性思维技能和健康素养也很重要，以便学生可以打击数字错误和虚假信息并做出明智的选择。目标：学生将学习和练习技能，以帮助他们做出与药物使用有关的健康选择。他们将获得有关尼古丁的背景知识，并能够描述与使用烟草香烟和vapes相关的效果范围。他们将了解可能影响其使用物质决策的个人和社会因素，并使用决策策略来实践安全的个人选择。他们将探索有说服力的广告技术，并学习如何批判性评估信息来源。预期用途：该单元是为教育者使用的，考虑到可以提供健康计划的各种方式。程序交付选项包括：
成人个人使用大麻的效力
摘要分析Delta-9-四氢大麻酚（THC）是大麻中的精神活性化学物质。尚不清楚消费产品的全面影响；但是，研究表明，这种使用显着增加了与大麻相关的精神病的风险。研究发现，日常使用，尤其是高功率大麻（超过10％的THC），与早期的精神病发作和大麻使用者的精神分裂症发展密切相关。一些研究还表明，THC浓度为10％或更少的大麻对医疗有效，包括缓解神经性疼痛和由HIV/AIDS（例如HIV/AIDS），多发性硬化症和创伤后手术疼痛引起的疼痛。目前，24个州和哥伦比亚特区已将成人使用大麻合法化。两个州，康涅狄格州和佛蒙特州，目前具有成人使用大麻产品的效力限制。两种状态都禁止大麻花的总含量大于30％，而固体或液体浓缩大麻产物的总THC浓度大于60％，无法在成人使用市场中栽培，生产或出售。成人个人对大麻的使用在佛罗里达州不合法；但是，有一项未决的投票倡议来使成人个人使用合法化。尽管佛罗里达州没有成人个人使用计划，但它确实有一个建立的医用大麻计划，其中包括25个持牌医用大麻治疗中心（MMTC）。CS/CS/HB 1269建立了各种成人个人使用大麻产品的效力限制。目前获得许可的MMTC有资格获得，如果投票倡议通过，则获得，培养，工艺，制造，出售和分发成人个人使用大麻产品。MMTC当前提供的产品的THC浓度因管理途径从0.4％到90％的THC而异。吸烟形式的大麻不能具有超过30％的THC效力，并且所有其他大麻产品（不包括食用物）不能具有超过60％的THC效力。该法案禁止将多种食用物含有超过200 mg的THC和一个可食用的单次含有超过10 mg的THC。该法案允许食用产品的效力差异不超过15％。账单限制了预包装用于蒸气发电的电子设备的总量总量不超过1,000毫克。该法案还取消了现行法律中的日落规定，该法案在通过大麻或大麻宪法修正案后六个月起废除了当前的医用大麻计划法。该法案对州或地方政府没有财政影响。该法案在通过授权成人个人使用大麻的州宪法修正案后30天的生效日期为30天。
2025 01 20 -FSE＆IAWG联合声明 - 《 AI实践守则》第二稿的关注和建议
欧洲的编剧联合会（FSE）和作家行会的国际隶属关系表达了他们对AI和IAWG倡导在守则中纳入以下关键点的第二次实践守则的第二稿的担忧：在解决技术措施和保障范围之前，要认识到当前的框架，这是在范围内确定范围的范围。未能承认，DSM指令第3条和第4条中概述的文本和数据挖掘（TDM）例外并不是要授权授权复制作品以生成AI的目的，草案将使法律框架的系统性误解。这种遗漏迫使利益相关者参与损害控制，而不是解决未经授权数据使用的根本原因。在不纠正这种法律误解的情况下，任何提出的措施都将被视为合法化非法实践的风险。1。明确的权利保留机制（TDM）必须表明，必须表明他们的作品不得用欧洲法律提供的AI模型来培训AI模型。这需要简单易于访问的工具来以技术公司可以理解和尊重的方式表达这些权利保留。
体育博彩的机器学习：模型选择是否应该基于准确性或校准？
体育博彩最近在美国的联邦合法化与机器学习的黄金时代相吻合。如果投注者可以利用数据来可靠地预测结果的概率，他们可以认识到博彩公司的赔率何时对其有利。作为体育博彩仅是美国一个数十亿美元的行业，因此确定这种机会可能非常有利可图。许多研究人员将机器学习应用于运动结果预测问题，通常使用准确性来评估预测模型的性能。我们假设对于运动博彩问题，模型校准比准确性更重要。为了检验这一假设，我们在几个季节中对NBA数据进行了训练，并在单个季节进行了投注实验，并使用已发表的赔率进行了培训。我们表明，使用校准而不是准确性，作为模型选择的基础会导致更大的回报（投资回报率为 + 34.69％对-35.17％）和最好的情况（ + 36.93％对 + 5.56％）。这些发现表明，对于体育博彩（或任何概率决策问题），校准比准确性更重要。希望增加利润的体育投篮者应基于校准而不是准确性选择其预测模型。