XiaoMi-AI文件搜索系统
World File Search System开源
开源与开放目标：开源软件供应链攻击综合分析
收到日期：2024 年 7 月 7 日 修订日期：2024 年 8 月 4 日 接受日期：2024 年 8 月 21 日 发布日期：2024 年 8 月 31 日 摘要 - 软件供应链攻击对全球组织构成重大威胁。开源软件使威胁行为者能够进一步扩大影响，并为使用开源软件 (OSS) 的组织带来独特的挑战。与针对组织的有针对性的攻击不同，基于 OSS 的供应链攻击具有连锁影响。本文对 2010 年至 2022 年基于 OSS 的软件供应链攻击进行了全面分析。对公共领域可用的数据集进行了实证分析。高级聚类分析用于识别攻击向量、代码库类型和分发向量中的不同模式。该研究强调了基于 OSS 的供应链攻击的多种方法和目标。分析结果旨在使安全专业人员能够深入了解趋势。在尝试加强对软件供应链攻击的防御时，它们将有助于确定重点领域。本文还深入探讨了可供组织衡量其针对供应链攻击的防御成熟度的框架，并介绍了可行的缓解策略，以加强对此类攻击的防御。
llm-aix：基于保留大型语言模型的隐私从非结构化医学文本中提取信息的开源管道
在临床科学和实践中，文本数据（例如临床信件或程序报告）以非结构化的方式存储。这种类型的数据不是任何定量研究的可量化资源，任何手动审查或结构化信息检索都是耗时且昂贵的。大语言模型（LLMS）的功能标志着自然语言处理的范式转移，并为结构化信息提取（IE）提供了新的可能性。本协议描述了基于LLM的信息提取（LLM-AIX）的工作流程，从而可以使用隐私保留LLMS从非结构化文本中提取预定义的实体。通过将非结构化的临床文本转换为结构化数据，LLM-AIX解决了临床研究和实践中的关键障碍，在这种临床研究和实践中，有效提取信息对于证明临床决策，增强患者结果并促进大规模数据分析至关重要。该协议由四个主要处理步骤组成：1）问题定义和数据准备，2）数据预处理，3）基于LLM的IE和4）输出评估。LLM-AIX允许在本地医院硬件上集成，而无需将任何患者数据传输到外部服务器。作为示例任务，我们将LLM-AIX应用于肺栓塞患者的虚拟临床信件的匿名化。此外，我们提取了这些虚拟字母的肺栓塞的症状和横向性。我们通过在现实世界数据集上使用IE，癌症基因组图集计划（TCGA）（TCGA）的100个病理报道来证明管道中潜在问题的故障排除，以进行TNM阶段提取。LLM-AIX可以通过易于使用的界面执行任何程序知识，并且在不超过几分钟或几个小时的时间内执行，从而在所选的LLM模型上删除。
k位置论文：糖尿病患者的开源技术... S467
使用自动胰岛素排气故事（AID系统）的糖尿病技术可以在日常管理中支持糖尿病的摘要，从而降低了低血糖的风险并改善了血糖的生活质量和生活质量。由于援助可用性的各种障碍，在国际上，开源援助系统的使用已在国际上发展。这些技术提供了商业产品的必要替代方法，特别是如果可访问的系统无法访问或不足以满足申请人的特定需求。开源技术的特征是在互联网上全球自由供应，没有通过听话批准程序进行，因此用途是您自己的响应。在临床实践中，缺乏专业知识会导致对从业人员冲突情况的法律后果的不同系统：内部，有时拒绝想要使用开源技术的直径的人。在本职位上的论文中，应为医学专家提供现有证据和实际取向辅助工具的概述，以最大程度地减少不确定性和障碍。糖尿病患者必须继续在培训，处理和管理自己的疾病中得到支持 - 无论他们选择的滑室技术如何，即使他们决定使用开源系统。对代谢态度，急性和慢性并发症以及对相关疾病进行筛查的医学控制都是必要的，无论选定的援助系统如何，都应由具有适当专业知识的多学科团队进行。
使用开放式PDK和开源工具设计模拟/RF芯片
□从github/gitlab/codeberg/sourceforge获取工具，或安装现成的docker映像□免费访问3个可制造的PDK（130nm CMOS，180nm CMOS，130nm CMOS，130nm SIGE：CBICMOS：C BICMOS）。文档和标准细胞LIB，记忆，IO细胞□在GUI（XSCHEM，QUCS-S），模拟（NGSPICE，XYCE），图形结果（XSchem，Gaw，Python）中绘制电路； TCL（XSchem）中的脚本重复设计任务；在原理图（XSchem）中使用嵌入式的仿真控制和评估
通过硬件/软件共同设计在开源硅平台上核心后加密量的加速
摘要。Quantum加密（PQC）算法目前正在标准化，并且它们的早期实施效率不如成熟的公共密钥密码学（PKC）算法，这些算法从数十年的优化中受益。我们报告了加速数量理论变换（NTT）的努力，这是Kyber（ML-KEM）（ML-KEM）和二硫思军（ML-DSA）PQC算法中最昂贵的原始原始性。我们的目标平台是Opentitan Big Number Accelerator（OTBN），这是第一个开源硅芯片芯片的一部分。我们仅使用现有说明在OTBN组装中实现了Kyber NTT，并确定了其瓶颈。然后，我们对代码进行了重组，以利用Parlelism，并为开源协作处理器定义了其他汇编指令，以实现我们的矢量插入。我们的硬件/软件共同设计方法产生了重大的性能：NTT的运行速度比仅使用OTBN现有说明的基线实现快21.1倍。我们的方法充分利用了并行性的潜力，并最大程度地说明了OTBN的现有能力。我们的一些优化是相当笼统的，可能会成功地应用于其他上下文，包括在其他平台上加速其他算法。
人工智能的开源实践
人工智能领域的实践通常需要在整个开发过程中调动许多资源，而很少有参与者能够完全控制这些资源。开发人员通常会使用开源库（以下称为开源操作系统），例如 Tensorflow 1 或 PyTorch 2 来创建新模型，或者使用 Transformers 库 3 下载预先训练好的模型。如果他们没有自己的数据集，他们会选择从社区网站（例如 Kaggle 4 ）下载数据，以利用加州大学欧文分校在其机器学习库 5 上提出的由学术团队发布的数据集，或者使用公共服务发布的数据，例如来自 data.gouv.fr 6 的数据集目录。他们可以从 Github 7 或 HuggingFace 8 等社区平台检查他们上传的工具、模型和数据是否已经过第三方审查，并且没有严重缺陷。最后，为了分析所获得的结果，他们会将其与其他研究人员获得并发表在科学期刊上的结果进行比较，然后通过发表自己的研究成果为该社区做出贡献。
IHP 开放 PDK 计划的最新进展以及如何在 IHP 技术中提交免费开源设计
其独特卖点是采用最先进 BiCMOS 技术的 200 毫米试验线，该线在类似工业的条件下全天候运行，用于提供原型和小批量生产。
