XiaoMi-AI文件搜索系统
World File Search System定时
定时自动机作为表达安全性的形式化 - arXiv
许多关键信息系统依赖于通过共享网络（例如互联网）进行通信。通过此类网络的数据通常很敏感，需要保密。如果处理不当，私人数据、身份验证码、时间信息或本地化等信息可能会被网络上的任何人访问。这可能会导致安全攻击以检索或更改敏感数据 [Kan+07；HZN09；Mod+13]。为了防止此类入侵，已经开发了各种安全方法和协议。然而，这些安全决策并不总能避免入侵。为了分析信息系统的安全性并突出其弱点，自关键信息系统出现初期就开始使用 FMEA（故障模式影响和危害性分析）[Xu+02；Cas+06] 等技术标准。此后，人们开始探索更加结构化、基于模型的方法，例如 ADVISE 方法 [LeM+11]，该方法可以自动生成定量指标或形式化模型，例如团队自动机 [BLP05] 和攻击树 [KPS14]。
通过明文对加密芯片的定时泄漏分析...
摘要。在侧通道测试中，当VENDOR可以提供测量以指示加密算法的执行时间时，标准时序分析有效。在本文中，我们发现功率/电磁通道中存在时机泄漏，这在传统的计时分析中通常被忽略。因此，提出了一种新的定时分析方法，以处理无法使用执行时间的情况。不同的执行时间会导致不同的执行间隔，从而影响了明文和密文传输的位置。我们的方法通过研究将迹线向前和向后对齐时，通过研究明文相关性的变化来检测时间泄漏。然后，在不同的加密设备上进行实验。此外，我们提出了一个改进的时间分析框架，该框架为不同场景提供了适当的方法。
定时自动机作为表达安全性的形式化 - arXiv
许多关键信息系统依赖于通过共享网络（例如互联网）进行通信。通过此类网络的数据通常很敏感，需要保密。如果处理不当，私人数据、身份验证码、时间信息或本地化等信息可能会被网络上的任何人访问。这可能会导致安全攻击以检索或更改敏感数据 [Kan+07；HZN09；Mod+13]。为了防止此类入侵，已经开发了各种安全方法和协议。然而，这些安全决策并不总能避免入侵。为了分析信息系统的安全性并突出其弱点，自关键信息系统出现初期就开始使用 FMEA（故障模式影响和危害性分析）[Xu+02；Cas+06] 等技术标准。此后，人们开始探索更加结构化、基于模型的方法，例如 ADVISE 方法 [LeM+11]，该方法可以自动生成定量指标或形式化模型，例如团队自动机 [BLP05] 和攻击树 [KPS14]。
在自主系统中实现定时保证
由于与物理世界的持续相互作用而摘要，自主的网络物理系统（CPS）都需要函数和时间正确性。尽管实时计算的理论基础最近取得了进步，但在现代CPS平台中有效利用这些结果通常会涉及领域的专业知识，并向许多开发人员带来了非平凡的挑战。要了解构建实时软件的实际挑战，我们对7个代表性CPS开源项目的189个软件问题进行了调查。通过这种表现，我们发现大多数错误是由于网络和物理状态之间的时间不对。这激发了我们抽象三个关键的时间属性：新鲜度，一致性和稳定性。使用新开发的概念，即数据流动能力（DFA），旨在捕获数据流的时间/可用性期望，我们展示了如何将这些基本证券表示为数据流的时序约束。为了实现DFA的时机保证，我们设计和实施了Kairos，该Kairos自动检测和构成正时限制违规行为。为了检测违规行为，Kairos将基于API的注释的策略定义转化为运行时程序仪器。为了减轻违规行为，它提供了一个基础架构，以弥合不同抽象层的调度程序之间的语义差距，以进行协调的努力。在三个现实世界中的CPS平台上进行的端到端评估表明，Kairos在引入最小的2时提高了定时性和安全性。8％的运行时间开销。
弹性定位，导航和定时（PNT）一致性框架
欧内斯特·王美国国土安全部本杰明·萨拉萨尔美国国土安全部威廉·杰克逊美国国土安全部蕾妮·史蒂文斯·史蒂文斯美国国土安全部yonas nebiyeloul-kifl美国国土安全部Arthur Scholz Miter patricia Miter patricia Miter Brad Moranter Moran Moran Moran Moran Moran Moran Moran Moran Moran Moran Moran Moran Moran Moran Moran Moran Moran Moran Moran Moran Moran Moran Moran Moran Morn. Moran Morn.miter-Miter-Mornand-Kift W. Lewis航空航天公司Sai Kalyanaraman Collins博士Aerpase Helmut Helmut Imlau Deutsche Telekom Lannie Lannie Lannie Lannie Lannie Herlihy联邦航空管理局Andrew F. Bach F. Bach Financial Servisical Confiness顾问Victor yodaiken fsmlabs fsmlabs fsmlabs fsmlabs inc. Microchip Paul E. Black博士国家标准与技术研究所Ya-Shian Li-Baboud国家标准与技术研究院Magnus Danielson Net Insight AB Deepak Maragal New York Power Authoration new York Power of Cristina Seibert seibert Dr.杰夫·达格尔（Jeff Dagle）西北国家实验室洛里·罗斯·奥尼尔（Lori Ross O'Neil Pacific）西北国家实验室迈克尔·奥康纳（Michael O'Connor）卫星博士克里斯蒂娜·莱利（Christina Riley）
红移的Cherenkov辐射，用于快速定时检测器
基于闪烁体的伽马射线检测器中时间响应的增强对于诸如飞行时间正电子发射断层扫描（TOF-PET）以及实验核和粒子物理等应用至关重要。实现这一改进的一种有希望的方法是利用Cherenkov辐射，与传统闪烁光相比，它几乎瞬间发出。然而，基于Cherenkov的检测的主要局限性是可检测光子的低收率，因为大多数紫外线（UV）范围内发出，许多材料表现出很高的吸收和透明度降低。为了克服这一限制，我们建议使用红移的Cherenkov散热器（RCR）。通过将荧光掺杂剂引入液体溶剂中，Cherenkov光子从紫外线转移到可见的光谱，在紫外线上，材料更透明，常规的光电探测器具有更高的效率。这种技术旨在增加检测到的Cherenkov光子的数量，最终导致辐射探测器的时机分辨率得到改善。为了评估这种方法的可行性，我们测试了不同的液体溶剂，包括八度（ODE），氯仿（CHCL₃）和二甲基亚氧化二甲基亚氧化物（DMSO），并以Popop为波长转移掺杂剂。uv-ab-吸附分析证实，ODE在紫外线范围内表现出最高的透明度，并且在检测到的Cherenkov光子中，Popop的掺入导致了17％至56％的增加，如图1左图所示，这比较了与波长偏移的不同溶剂的相对检测率。
细胞自主定时驱动脊椎动物分割时钟的波模式
生长的脊椎动物体的抽象节奏和顺序分割依赖于分割时钟，这是一种多细胞振荡遗传网络。时钟可见为组织级运动学基因表达的运动波，这些运动波穿过前中胚层（PSM），并在每个形成段的位置停滞。在这里，我们测试了该标志性波模式是如何通过培养单个成熟PSM细胞来驱动的。我们将它们的细胞自主振荡和停滞动力学与我们在细胞分辨率下在胚胎中观察到的动力学进行了比较，发现振荡相对放慢的相似性和与分化的一致性相似。这表明细胞不需要细胞 - 超支信号来指导波模式下的发展程序。我们表明，在尾梁中退出的细胞中，一个细胞自主的时序活动会启动，然后在PSM中的前向细胞流中向下延伸，从而使用经过的时间为时钟提供位置信息。外源性FGF延长了细胞中性计时器的持续时间，表明胚胎中的外在因子可能通过计时器调节分段时钟。总的来说，我们的工作表明，嘈杂的细胞自主，固有的计时器驱动了波模式下的振荡放缓和停止，而胚胎中的外部因素则在该计时器的持续时间和精确度中。这是对驱动发育中组织模式的细胞中性和 - 超级机制平衡的新见解。
人工智能在自然周期宫内授精和定时性交中的应用
目的：开发一种机器学习模型，用于预测自然周期中宫内授精或定时性交 (TI) 的排卵时间和最佳受精窗口。设计：一项回顾性队列研究。地点：一家大型体外受精单位。患者：2018 年至 2022 年间接受 2,467 次自然周期 - 冷冻胚胎移植周期的患者。干预措施：无。主要结果测量：预测实施授精或 TI 的最佳日期的准确性。结果：数据集被分成一个包括 1,864 个周期的训练集和 2 个测试集。在测试集中，排卵是通过专家意见或由 2 名独立的生育专家确定排卵日（“专家”）（496 个周期）或根据连续 2 天的超声检查之间主要卵泡的消失来确定的（“确定排卵”）（107 个周期）。训练了两种算法：一种是 NGBoost 机器学习模型，用于估计每个周期发生排卵的概率；一种是治疗管理算法，使用学习模型来确定最佳授精日或是否应进行另一次血液测试。最后一次测试的雌二醇孕酮和黄体生成素水平是该模型使用的最具影响力的特征。“确定排卵”和“专家”测试集的平均测试次数分别为 2.78 和 2.85。在“专家”组中，92.9% 的病例中，该算法正确预测了排卵并建议在第 1 天或第 2 天进行授精。在 2.9% 的病例中，该算法预测为“失误”，这意味着上次测试日已经是排卵日或以后，建议避免进行授精。在 4.2% 的病例中，该算法预测为“错误”，建议进行授精，但事实上应该在非最佳日期（0 或 3）进行。“确定排卵”组也有类似的结果。结论：据我们所知，这是第一项仅基于血液测试实施机器学习模型以高精度安排授精或 TI 的研究，这归因于算法能够整合多种因素而不是仅仅依赖黄体生成素激增。引入该模型的功能可能会提高排卵预测的准确性和效率，并增加受孕的机会。临床试验注册号：HMC-0008-21。（Fertil Steril 2023；120：1004 – 2023 年 12 月，美国生殖医学会。）本文最后提供西班牙语版本。
定制启发式方法和定时人工智能干预以支持新闻真实性评估
1. 我们首先找到被媒体偏见/事实核查 (MBFC) 标记为可靠和不可靠的来源 2. 从这些来源中找到特定主题的文章（气候变化和疫苗接种；COVID） 3. 选定经过第三方新闻机构事实核查的文章，例如 Snopes、PolitiFact、FactCheck.org、华盛顿邮报事实核查或美联社事实核查
脉冲定时对皮层和丘脑底核深部脑刺激诱发电位的影响
脉冲时间的影响是我们了解如何有效调节基底神经节丘脑皮质 (BGTC) 回路的重要因素。通过电刺激丘脑底核 (STN) 产生的单脉冲低频 DBS 诱发电位可以洞察回路激活，但长延迟成分如何随脉冲时间的变化而变化尚不清楚。我们研究了在 STN 区域传递的刺激脉冲之间的时间如何影响 STN 和皮质中的神经活动。在五名帕金森病患者的 STN 中植入的 DBS 导线被暂时外化，从而可以传递脉冲间隔 (IPI) 为 0.2 至 10 毫秒的成对脉冲。通过 DBS 导线和头皮 EEG 的局部场电位 (LFP) 记录来测量神经激活。 DBS 诱发电位是使用通过联合配准的术后成像确定的背外侧 STN 中的接触器计算的。我们使用小波变换和功率谱密度曲线量化了不同 IPI 对跨频率和时间的诱发反应幅度的影响程度。STN 和头皮 EEG 中的 DBS 诱发反应的 β 频率内容随着脉冲间隔时间的增加而增加。间隔 < 1.0 ms 的脉冲与诱发反应的微小变化相关。1.5 到 3.0 ms 的 IPI 使诱发反应显著增加，而 > 4 ms 的 IPI 产生适度但不显著的增长。当 IPI 在 1.5 到 4.0 ms 之间时，头皮 EEG 和 STN LFP 反应中的 β 频率活动最大。这些结果表明，DBS 诱发反应的长延迟成分主要在 β 频率范围内，并且脉冲间隔时间会影响 BGTC 电路激活的水平。