XiaoMi-AI文件搜索系统
World File Search System捉迷藏
观察捉迷藏人工智能的进化
该项目的目的是观察两个人工智能代理（一个“寻找者”和一个“隐藏者”）在玩简化版的捉迷藏游戏时的发展。这些代理将通过机器学习得到改进，并且只会被赋予对游戏规则的理解和在游戏的网格状空间中导航的能力；它们不会被教授或提供任何策略，而是从头开始学习。特别有趣的是观察随着游戏中引入新元素（例如障碍物、门和其他环境影响），隐藏者和寻找者智能的特殊游戏风格。通过这种观察，我希望不仅能确定捉迷藏游戏中的关键策略，还能更好地了解机器学习 AI 搜索和隐藏模式的演变，这与网络、人工智能和网络安全等多个领域相关。
捉迷藏和buff变换的不可分割性
摘要。由于Cremers等人，Buff转换。（S＆P'21），是数字签名方案的通用转换，目的是获得超出义务的额外安全保证：独家所有权，消息结合的签名和不可辨认性。非可分离性（本质上挑战了对手重新签署一个未知的信息，它仅获得了signalth的信息），这是一个微妙的问题，就像最近的Don等人一样。（加密24）表明，最初的定义基本上是无法实现的。特别是，它不是通过buff变换来实现的。这导致引入了新的，削弱的非可分辨率，这些版本（可能是）可实现的。，结果表明，Buff变换的盐变体确实达到了一些弱化的可分离性。但是，盐需要额外的随机性，并且会导致稍大的特征。原始的Buff转换是否也实现了一些有意义的非可分辨率概念，这是一个自然的开放问题。在这项工作中，我们肯定地回答了这个问题。我们表明，面对已知的不可能结果，Buff转换满足了人们所希望的（几乎）最强的不可分辨率的概念。我们的结果涵盖了统计和计算情况，以及经典和量子设置。我们分析的核心是一个新的安全性游戏，用于我们称之为捉迷藏的随机门。乍看之下似乎是无辜的，但严格的分析却令人惊讶地具有挑战性。