随着基于人工智能 (AI) 进步的系统和服务的创新,人们报告了其在广泛领域日益广泛使用所带来的脆弱性。在这些脆弱性中,嵌入式偏见或算法歧视已得到广泛认可,例如用于招聘决策、犯罪风险评估、医疗资源分配等的算法工具中的种族和性别偏见。为了解决嵌入式偏见问题,已提出了一些步骤,例如识别所使用的算法、了解解决方案的目标(例如考虑最终用户和/或数据中主体的多样性和代表性)、评估实现该目标的绩效(例如针对特定目标群体或有问题使用的情况进行测试)、根据绩效评估进行再培训以及引入监督机构。
每年 · 被引用 1 次 — 国防 (NSA CAE-CD)。• 因此,我们的项目已被指定为情报界学术卓越中心 (IC... 网络安全系统)。
如何引用本文:Prem Krishna | Saheel Ahamed | Roshan Kartik “使用 Open CV 和 YOLO 的基于 AI 的 ATM 智能安全系统”发表在《国际科学研究与发展趋势杂志》(ijtsrd)上,ISSN:2456-6470,第 5 卷 | 第 4 期,2021 年 6 月,第 336-338 页,URL:www.ijtsrd.com/papers/ijtsrd41232.pdf 版权所有 © 2021 作者和国际科学研究与发展趋势杂志。这是一篇根据知识共享署名许可条款分发的开放获取文章(CC BY 4.0)(http://creativecommons.org/licenses/by/4.0)介绍众所周知,数字印度是许多创新和技术进步的成果。如今,ATM 中心的监控摄像头仅用于记录目的。如果发生任何盗窃活动,只有通过人类信息才能知道。然后警方将借助闭路电视记录展开调查。在某些情况下,小偷会遮盖或破坏摄像头,使其无法记录。众所周知,世界广泛使用自动视频监控系统,它在我们的日常生活中发挥着至关重要的作用,以加强对个人和基础设施的保护和安全。
a 尤里·费德科维奇切尔诺夫策国立大学,Kotsybynsky 街 2 号,切尔诺夫策,58012,乌克兰 b 国立大学“扎波罗热理工学院”,Zaporizhzhia 朱可夫斯基街 64 号,扎波罗热,69063,乌克兰 c 穆罕默迪亚塔西克马来亚大学,Jl. Tamansari No. KM 2,5,Mulyasari,Kec. Tamansari,塔西克马来亚,Jawa Barat,46196,印度尼西亚 摘要 在本文中,我们介绍了一种简单的自主安全系统。该安全系统基于 Arduino Uno 和指纹扫描仪模块。Arduino 通过 USB 端口连接到计算机,并使用类似于 C++ 的语言进行编程。使用程序软件 ArduinoIDE 将编程代码(草图)上传到 Arduino。给出了连接方案和实验结果,可用于教育。 关键词 1 指纹扫描仪,安全系统,Arduino
摘要:2020 年,美国报告了 10,000 多起鸟击事件,平均每年修复费用超过 2 亿美元,全球修复费用上升至 12 亿美元。鸟类与飞机的碰撞对人类安全和野生动物构成了重大威胁。本文介绍了一种专用于监控机场上空空间的系统,用于定位和识别移动物体。该解决方案是一种基于立体视觉的实时鸟类保护系统,它使用物联网和分布式计算概念以及先进的 HMI 来提供设置的灵活性和可用性。为了实现高度定制,提出了一种具有自由定向光轴的改进型立体视觉系统。为了为中小型机场提供可负担得起的市场定制解决方案,采用了用户驱动的设计方法。数学模型在 MATLAB 中实现和优化。在真实环境中验证了实施的系统原型。使用带有 GPS 记录器的固定翼无人机对系统性能进行定量验证。得到的结果证明了该系统实时检测和尺寸分类的高效性以及高度的定位确定性。
在美国,安全系统方法代表了道路安全处理方式的范式转变。安全系统方法的基础是,在使用道路系统时不应有人死亡或严重受伤,所有相关方都有共同的责任确保这一点成为现实。从道路基础设施的角度来看,安全系统方法涉及管理碰撞情况,以便将施加在人体上的动能保持在可承受的水平,以保证生存能力和伤害程度。在交叉路口,这一挑战的特点是管理速度和碰撞角度,以及考虑风险暴露和复杂性。本报告提出了一个安全系统框架和交叉路口分析方法,可在项目层面应用,并可纳入交叉路口控制评估替代方案筛选流程,以提供另一个安全指标。
本论文由 Maritime Commons 提供。开放获取项目可以下载用于非商业、合理使用的学术目的。未经世界海事大学书面许可,不得将任何项目托管在其他服务器或网站上。如需更多信息,请联系 library@wmu.se 。
在内部开发的 CERN 辐射监测电子系统 (CROME) 框架内,需要进行可靠性分析以确保符合有关安全完整性的法律要求,安全完整性定义为系统安全仪表功能 (SIF) 的安全完整性等级 (SIL) 2。鉴于对 CROME 系统可靠性的高度期望,其开发过程由根据 IEC 61508 标准进行的广泛可靠性研究支持。本文介绍了硬件安全完整性的验证,并以 CROME 系统为例介绍一种可能的方法。本文介绍了验证硬件安全完整性所需的各个步骤,包括计算每小时危险故障概率 (PFH) 和通过计算安全故障分数 (SFF) 以及考虑系统的硬件容错 (HFT) 来评估架构约束。根据所提出的方法,这些计算基于 FIDES 标准的故障率预测、故障模式、影响和诊断分析 (FMEDA) 和故障树分析 (FTA)。最终 CROME 系统认证原型 (PQ) 的结果表明,硬件安全完整性符合 SIL 2 要求。关键词:符合 IEC 61508 的安全系统、硬件安全完整性验证、SIL、SIF、SIS、FMEDA、FTA、架构约束、SFF、HFT、PFH 计算。
互联网的极度分散的架构使得恶意软件得以传播,对开发针对此类恶意软件传播的防御措施提出了重大挑战。虽然基于机器学习的恶意软件检测模型可以改进应对此问题的方法,但它们的检测率会根据其特征和分类方法而有所不同。尽管使用了适当的训练数据集,但用于恶意软件检测的单一机器学习方法的有效性会根据其分类器的适用性而有所不同。一些分类器在恶意训练数据集上的检测率很高,但在良性训练数据集上的检测率很低,并且误报率特别依赖于使用适当的分类器。在本文中,我们提出了一种基于机器学习的混合决策模型,该模型可以实现高检测率和低误报率。该混合模型结合了随机森林和深度学习模型,分别使用 12 个隐藏层来确定恶意软件和良性文件。该模型还包括某些拟议的投票规则以做出最终决策。在涉及 6,395 个非典型样本的实验中,该混合决策模型的检测率(85.1%,标准差为 0.006)高于没有投票规则的先前模型(65.5%)。2020 作者。由 Elsevier Inc. 出版。这是一篇根据 CC BY-NC-ND 许可协议开放获取的文章( http://creativecommons.org/licenses/by-nc-nd/4.0/ )。