XiaoMi-AI文件搜索系统
World File Search System安全问题
纳米医学的大脑安全问题：需要特定的监管框架
1 EA 4446 Bioactive Molecules and Medicinal Chemistry, SFR Santé Lyon-Est CNRS UMS3453 - INSERM US7, Université Claude Bernard Lyon 1, Univ Lyon, Lyon, 69373, France 2 Small Molecules for Biological Targets Team, Centre de Recherche en Cancérologie de Lyon, Centre Léon Bérard, CNRS 5286，INSERM 1052，克劳德·伯纳德·里昂1号，里昂，里昂，69373，法国，通讯作者：Le Borgne，M。（Marc.le-borgne@uni-lyon1.fr）新的治疗实体； mRNA疫苗；纳米载体； BBB穿越；蛋白电晕;毒性;监管框架； fda; EMA预告片：近几个月来已授权mRNA-脂质纳米颗粒疫苗。这些纳米药物可以在体内发生一种称为蛋白电晕的现象，这可能会影响其生物分布。评估其大脑毒性的当前法规仍然有限。
AI至V2X自动驾驶汽车中的隐私和安全问题：调查
摘要。人工智能（AI）正在改变我们每天使用的所有技术。比以往任何时候都更接近汽车自主权的目标，这已经是长期以来的。大型汽车制造商还花费了数十亿美元来开发自动驾驶汽车（AVS）。在这项新技术的优势中，有可能增加乘客安全性，减少拥挤的道路，交通减少，优化的交通，减少燃油消耗，减少污染和改善的旅行体验。但是，此范式更改也存在新的安全性和隐私问题。以前简单的机械设备，车辆已被计算机化，网络和智能。他们收集了大量数据，必须避免入侵。在本文中，我们研究了AVS中的隐私问题和安全障碍。我们使用逐层方法研究了几次攻击。它总结了这些研究工作的贡献，并根据应用领域对它们进行了分类。它还确定了需要解决的开放问题和研究挑战，以充分实现AI在推进V2X系统中的潜力。我们的目的是提供有关围绕AVS的未解决研究问题的见解，并提出未来的询问路线。
佐剂重组带状疱疹病毒感染不会产生免疫干扰或安全问题
此预印本的版权所有者此版本于 2023 年 3 月 12 日发布。；https://doi.org/10.1101/2023.03.10.23286967 doi: medRxiv preprint
新型疫苗安全问题和将从进一步研究中受益的领域
抽象疫苗许可需要非常高的安全标准，并且通常使用的疫苗非常安全。疫苗安全监控预先验证和后许可使得可以持续评估，以确保收益大于风险，并且在出现安全问题时，会在可能的情况下迅速确定，表征和进一步的问题。我们回顾了五个疫苗安全案例研究：（1）登革热疫苗和增强的登革热疾病，（2）大流行性流感疫苗和发作性疾病，（3）轮状病毒疫苗和肠道疫苗，（4）（4）人类乳状病毒疫苗和人类乳头状病毒和后脑乳头上的矫形器和复杂的痛苦（5）。 RTS，S/辅助系统01疟疾疫苗和脑膜炎，脑疟疾，女性死亡率和反弹性严重疟疾。之所以选择这些案例研究，是因为它们是最近的，并且在他们阐明的疫苗安全挑战方面有所不同。将这些案例研究汇总在一起，我们开发的经验教训对于解决一些潜在的安全问题很有用，这些问题将不可避免地与新的疫苗一起出现。
斯洛文尼亚老年人的国内社会机器人采用和相关安全问题的定性研究
作为一个领域的机器人技术已经超越了其传统的工业角色，越来越多地融入日常生活的各个方面。欧盟委员会的调查表明，这一融合表明，大多数（70％）的欧盟公民对机器人有积极的态度。在有直接个人经验的机器人经验的人中，这种积极的看法尤其明显。该调查强调了关于机器人作用的社会共识，尤其是在被认为太危险或对人类（例如太空探索，制造业和紧急服务）的任务中。这种广泛的接受强调了公众对机器人的看法的决定性转变，这不再仅仅是工业工具，而是许多领域中必不可少的帮助者（欧洲委员会，2012年）。
电动和插电式混合动力汽车潜在锂离子电池安全问题评估
15.补充说明 Phil Gorney 和 Barbara Hennessey (NHTSA CORs) 16.摘要 本报告总结了对潜在锂离子 (Li-ion) 电池车辆安全问题的评估，为 NHTSA 提供信息，供其评估需求并确定未来对锂离子电池车辆的研究活动的优先顺序。此分析旨在帮助 NHTSA 识别可能需要考虑的潜在关键操作安全问题，并评估是否需要进一步测试以评估安全问题。本文档是该项目的综合最终报告，汇编和总结了关键背景信息和对开发结果的评估。本次调查的范围包括插电式混合动力汽车、混合动力汽车和电池电动汽车。本报告回顾了电池化学和机械设计和安全性、电池结构和设计、与电池功率相关的车辆系统、电池管理和控制系统、安全标准的文献，以及对采用锂离子电池系统进行推进的实验、概念、原型和生产规模车辆的调查。
AI安全问题的景观 - 一种支持基于AI的自主系统安全保证的方法
摘要 - 手工智能（AI）已成为一项关键技术，推动了一系列应用程序的进步。将其集成到现代自主系统中需要确保安全。但是，确保合并AI组件的系统安全性的挑战是很大的。缺乏具体的规格，以及操作环境和系统本身的复杂性，导致了不确定行为的各个方面，并使令人信服的系统安全证据的推导变得复杂。尽管如此，学者们建议彻底分析和减轻AI特异性的不可能，即所谓的AI安全问题，该问题提供了支持令人信服的保证案例的基本证据。在本文中，我们以这个想法为基础，并提出了AI安全问题的所谓景观，这是一种新颖的方法，旨在通过系统地证明缺乏AI安全问题来支持基于AI的系统的安全保证案例。通过涉及无人驾驶区域火车的案例研究来说明该方法论的应用，并证明了其实用性和有效性。索引条款 - AI安全，保证案例，自主系统，机器学习
生成式AI 进军基因编辑领域
发表在预印本服务器bioRxiv 上 的论文尚未经过专家同行评审。预 计下个月，该公司将在美国基因和细 胞治疗学会年会上提交这篇论文。 与此同时，OpenCRISPR-1 或其变体 在多种生物体（包括植物、小鼠和人 类）中是否都能发挥作用还有待证 明。此外，技术的伦理和安全问题也 需要考虑。但令人兴奋的是，这些突 破性成果为生成式AI 开辟了一条新 途径，将对医学和健康领域产生广泛 影响，有望从根本上改变人们的基因 蓝图。
在机器人技术中部署LLMS/VLM的安全问题突出了风险和漏洞
由于防御机制不足。例如，HAL-036语言模型的透明度和幻觉[14]可能会影响037对场景的可靠理解，从而导致机器人系统中不希望的038动作。另一个风险来源是039是LLMS/VLMS无法解决文本或图像提供的040上下文信息的歧义[35，52]。041由于当前语言模型通常遵循模板-042的提示格式来执行任务[16，29]，因此缺乏043在解决自然044语言的变体和同义词时缺乏灵活性也可能导致045个提示的误解[24，43]。此外，在提示046中使用多模式的输入增加了上下文理解的难度和047推理的难度，这可能导致更高的失败风险[8，18]。048在实际应用中，这些风险将对机器人系统的鲁棒性和安全构成重大挑战。050我们的目标是分析语言模型和机器人技术的可信度和可靠性051。在这方面，我们的目标是052通过广泛的实验提高对机器人应用程序054的最先进语言模型的安全问题的认识。我们表明，需要对该主题进行进一步的研究055，以安全地部署基于LLM/VLM的056机器人，以实现现实世界应用程序。我们的主要重点是057
雾计算架构、应用和安全问题的最新进展回顾 Bipesh Subedi 计算机科学与工程系
用于计算 [5]。这些问题是造成延迟和带宽过度使用的原因。雾计算模型被引入来解决这些问题。由于当今世界对物联网设备的过度使用和依赖，雾计算有着巨大的发展前景。农业、卫生、工业、教育等不同领域都在使用物联网设备来解决实际问题。随着网络应用的需求和发展，雾计算可以成为解决关键任务系统中数据处理和传输问题的替代方案。1.1 雾计算的特点雾计算技术有各种特点。[2][6] 在他们的研究中提到了这项技术的重要特点。一些主要特点如下：