XiaoMi-AI文件搜索系统
World File Search System安全事件
安全事件报告的有效学习需要两个人
人类操作员在安全、有弹性和高效地开展海运和空运业务方面发挥着至关重要的作用。与其他安全至关重要的行业一样，海运和航空业也因其行业和工作环境的复杂性而使其人类操作员面临高风险。这些高风险环境非但没有变得安全，反而给人类操作员带来了新的风险。有证据表明，由于自动化程度提高、无人驾驶船舶和飞机以及协调运输方式实践的趋势等方面，人为因素 (HF) 对安全的影响可能会演变并变得更加突出。此外，新技术和更多的自动化改变了人类的工作，从而导致了新类型的“人为错误” [15]。因此，事故和系统故障风险出现了新的维度，
联邦政府网络安全事件和漏洞响应手册
本文档介绍了两个剧本：一个用于事件响应，一个用于漏洞响应。这些剧本为 FCEB 机构提供了一套标准程序，用于识别、协调、补救、恢复和跟踪影响 FCEB 系统、数据和网络的事件和漏洞的成功缓解措施。此外，这些剧本的未来迭代可能对 FCEB 以外的组织有用，以标准化事件响应实践。事实证明，与所有联邦政府组织合作是解决漏洞和事件的有效模式。基于从以前的事件中吸取的教训并结合行业最佳实践，CISA 希望这些剧本能够通过标准化共享实践来发展联邦政府的网络安全响应实践，这些共享实践将最优秀的人才和流程聚集在一起，推动协调行动。
网络安全事件和漏洞响应手册
本文档介绍了两个剧本：一个用于事件响应，一个用于漏洞响应。这些剧本为 FCEB 机构提供了一套标准程序，用于识别、协调、补救、恢复和跟踪影响 FCEB 系统、数据和网络的事件和漏洞的成功缓解措施。此外，这些剧本的未来迭代可能对 FCEB 以外的组织有用，以标准化事件响应实践。事实证明，与所有联邦政府组织合作是解决漏洞和事件的有效模式。基于从以前的事件中吸取的教训并结合行业最佳实践，CISA 希望这些剧本能够通过标准化共享实践来发展联邦政府的网络安全响应实践，这些共享实践将最优秀的人才和流程聚集在一起，推动协调行动。
安全事件和可靠性 - 维护和可靠性
同时，通用航空领域开发新解决方案的资源有限，导致目前使用的许多发动机类型仍未采用 FADEC 技术。通用航空类别包括各种应用，从用于娱乐飞行的小型飞机，到农用飞机，再到用于客运的飞机。这些应用可能因飞机的尺寸/设计（以及安全要求）而有很大不同，但也因特定飞机执行的飞行类型而不同。尽管最初是为涡轮发动机设计的，但最近 FADEC 也越来越受欢迎，用于带有活塞发动机的小型飞机。在这一领域，Continental 和 Lycoming 等活塞发动机制造商越来越多地在其发动机上使用这项技术。Lycoming 使用其 iE2 FADEC 技术（TO-450、TIO-540-NXT、TSIO-550、TEO-540-A1A 发动机）。大陆航空使用其 PowerLink FADEC（IO-240、IO-360、IO-550、IOF-240、IOF-550、TSIOF-550 发动机）。FADEC 在这方面的主要优势包括发动机控制简单（飞行员可以更多地关注态势感知，而不是飞机控制）、更好的问题诊断以及更高的性能和效率。用于航空用途的柴油往复式发动机的 FADEC 也受到同样的关注。据 Cox [12] 称，用于此应用的 FADEC 价格在 2500 美元到 7500 美元之间。
计算机安全事件处理指南
美国国家标准与技术研究所 (NIST) 的信息技术实验室 (ITL) 通过为国家测量和标准基础设施提供技术领导来促进美国经济和公共福利。ITL 开发测试、测试方法、参考数据、概念验证实施和技术分析，以促进信息技术的开发和生产性使用。ITL 的职责包括制定管理、行政、技术和物理标准和指南，以确保联邦信息系统中除国家安全相关信息以外的信息具有成本效益的安全性和隐私性。特别出版物 800 系列报告了 ITL 在信息系统安全方面的研究、指南和推广工作，以及它与行业、政府和学术组织的合作活动。
患者安全事件响应框架 2020
一种新的事件管理方法，该方法有利于“本着反思和学习的精神”而不是作为“问责框架”的一部分，对更广泛的患者安全事件进行探究性审查。4 根据反馈并借鉴医疗保健和其他部门的良好实践，它支持对患者安全事件进行系统、富有同情心和熟练的应对；以开放、公平问责、学习和
使用可扩展的发现异常航空安全事件...
全球民用航空系统是有史以来最复杂的动态系统之一。大多数现代商用飞机都配备了机载飞行数据记录器 (FDR)，可在整个飞行过程中以大约 1 Hz 的频率记录数百个离散和连续参数。这些数据包含有关飞行控制系统、执行器、发动机、起落架、航空电子设备和飞行员命令的信息。在本文中，我们讨论了开发一种新颖的知识发现过程的最新进展，该过程由一套用于识别航空安全事故前兆的数据挖掘技术组成。数据挖掘技术包括可扩展的多核学习，用于大规模分布式异常检测。一种新颖的多变量时间序列搜索算法用于在海量数据集上搜索已发现异常的特征。该过程可以识别高维飞行运营质量保证 (FOQA) 数据中由于环境、机械和人为因素问题而导致的对运营有重大影响的事件。所有发现的异常都由一组独立的领域专家进行验证。这种新颖的自动化知识发现过程旨在补充最先进的基于人为超标的分析，这种分析无法发现以前未知的航空安全事故。在本文中，我们讨论了发现流程、使用的方法以及在现实世界的商业航空数据中检测到的一些重大异常
使用可扩展数据挖掘算法发现异常航空安全事件
全球民用航空系统是有史以来最复杂的动态系统之一。大多数现代商用飞机都配备了机载飞行数据记录器 (FDR)，可在整个飞行过程中以大约 1 Hz 的频率记录数百个离散和连续参数。这些数据包含有关飞行控制系统、执行器、发动机、起落架、航空电子设备和飞行员命令的信息。在本文中，我们讨论了开发一种新颖的知识发现过程的最新进展，该过程由一套用于识别航空安全事故前兆的数据挖掘技术组成。数据挖掘技术包括可扩展的多核学习，用于大规模分布式异常检测。一种新颖的多元时间序列搜索算法用于在海量数据集上搜索已发现异常的特征。该过程可以识别高维飞行运营质量保证 (FOQA) 数据中由于环境、机械和人为因素问题而导致的对运营有重大影响的事件。所有发现的异常都由一组独立的领域专家进行验证。这种新颖的自动化知识发现过程旨在补充最先进的基于人为超标的分析，这种分析无法发现以前未知的航空安全事件。在本文中，我们讨论了发现流程、使用的方法以及在现实世界的商业航空数据中检测到的一些重大异常。
使用可扩展数据挖掘算法发现异常航空安全事件
全球民用航空系统是有史以来最复杂的动态系统之一。大多数现代商用飞机都配备了机载飞行数据记录器 (FDR)，可在整个飞行过程中以大约 1 Hz 的频率记录数百个离散和连续参数。这些数据包含有关飞行控制系统、执行器、发动机、起落架、航空电子设备和飞行员命令的信息。在本文中，我们讨论了开发一种新颖的知识发现过程的最新进展，该过程由一套用于识别航空安全事故前兆的数据挖掘技术组成。数据挖掘技术包括可扩展的多核学习，用于大规模分布式异常检测。一种新颖的多元时间序列搜索算法用于在海量数据集上搜索已发现异常的特征。该过程可以识别高维飞行运营质量保证 (FOQA) 数据中由于环境、机械和人为因素问题而导致的对运营有重大影响的事件。所有发现的异常都由一组独立的领域专家进行验证。这种新颖的自动化知识发现过程旨在补充最先进的基于人为超标的分析，这种分析无法发现以前未知的航空安全事件。在本文中，我们讨论了发现流程、使用的方法以及在现实世界的商业航空数据中检测到的一些重大异常。