XiaoMi-AI文件搜索系统
World File Search System检测算法
无监督的算法检测零日攻击
摘要在过去的十年中，研究人员，从业人员和公司努力制定机制来检测网络安全威胁。除其他努力中，这些努力是基于规则的，基于签名的基于签名或监督的机器学习（ML）算法，这些算法被证明有效地检测已经遇到和表征的那些侵犯。取而代之的是，新的未知威胁通常称为零日攻击或零周日，可能未发现，因为这些技术通常会被这些技术误解。近年来，无监督的异常检测算法显示出检测零周的潜力。然而，对无监督异常检测算法的定量分析的专门支持仍然很少，并且通常不会促进元学习，这有可能提高分类性能。在这样的程度上，本文介绍了零周期的问题，并审查了无监督的算法检测。然后，本文采用了提问方法来确定对零日检测进行定量分析的典型问题，并显示了如何使用适当的工具设置和行使无监督的算法。使用最新的攻击数据集，我们对i）特征对无监督算法的检测性能的影响，ii）评估入侵探测器的相关指标，iii）均需比较多个无用的算法，iiv），iv）iv算法，iv）iv）应用元学习的应用以减少错误分类的应用。最终，v）我们测量相对于零周的无监督异常检测算法的检测性能。总的来说，本文典型地说明了如何实际编排和应用适当的方法，过程和工具，甚至提供了非专家，以选择适当的策略来处理零日。
计算机研究 - UCL发现 - 伦敦大学学院
最初是为反应性内容审核系统设计的毒性检测算法，已被部署到主动的最终用户干预措施中，以进行中等内容。然而，在此适度范式中使用这些算法几乎没有批评。我们与四个利益相关者群体进行了设计研讨会，要求参与者将毒性检测算法嵌入到想象中的手机键盘中。这使我们能够批判性地探索如何使用这种算法来主动减少有毒含量的发送。我们发现了情境因素，例如平台文化和负担能力，滥用量表，影响了对系统毒性和有效性的看法。，我们在连续的意图中确定了不同类型的最终用户，从不了解用户到确定和有条理的信息。最后，我们强调了某些最终用户群体滥用这些系统来验证其攻击，游戏仇恨和操纵算法模型以加剧伤害的潜力。
基于节能树的脑电图伪影检测
摘要 — 在癫痫监测中，由于脑电图伪影在幅度和频率上具有形态相似性，因此经常被误认为是癫痫发作，这使得癫痫发作检测系统容易受到更高的误报率的影响。在这项工作中，我们介绍了一种基于并行超低功耗 (PULP) 嵌入式平台上最少数量的脑电图通道的伪影检测算法的实现。分析基于 TUH 脑电图伪影语料库数据集，并重点关注颞电极。首先，我们使用自动机器学习框架在频域中提取最佳特征模型，在 4 个颞脑电图通道设置下实现了 93.95% 的准确率和 0.838 F1 得分。所实现的准确率水平比最先进的水平高出近 20%。然后，这些算法针对 PULP 平台进行并行化和优化，与最先进的低功耗伪影检测框架实现相比，能效提高了 5.21 倍。将此模型与低功耗癫痫发作检测算法相结合，可以在可穿戴外形尺寸和功率预算下使用 300 mAh 电池进行 300 小时的连续监测。这些结果为实现经济实惠、可穿戴、长期癫痫监测解决方案铺平了道路，该解决方案具有低假阳性率和高灵敏度，可满足患者和护理人员的要求。临床意义——所提出的 EEG 伪影检测框架可用于可穿戴 EEG 记录设备，结合基于 EEG 的癫痫发作检测算法，以提高癫痫发作检测场景的稳健性。索引词——医疗保健、时间序列分类、智能边缘计算、机器学习、深度学习
由 NVIDIA 提供支持的 Deloitte Quartz Atlas AI 药物研发
我们的团队设计了一种新型分类器/AI 模型，通过为给定的氨基酸序列输入推荐最佳折叠模型来简化蛋白质预测流程。此外，我们还集成了一种基于几何深度学习的热点检测算法，该算法可快速进行计算机实验，深入了解蛋白质的相关功能区域。
麻省理工学院林肯实验室空中交通管制
20 世纪 80 年代中期，一系列与微下击暴流（强大的雷暴引起的下沉气流和发散性地面风切变）相关的商用飞机事故促使美国联邦航空管理局开发了终端多普勒气象雷达 (TDWR)，为美国大型机场提供风切变检测和预警服务。林肯实验室的任务是开发 TDWR 原型以及所需的信号处理和模式识别算法，以提供高度可靠、全自动的风切变现象检测。该原型在科罗拉多州丹佛、密苏里州堪萨斯城和佛罗里达州奥兰多进行了 TDWR 运行演示。这些测试验证了 TDWR 概念的技术和操作可行性，并提供了有关风切变区域特征的宝贵数据，支持针对不同环境的检测算法优化。林肯实验室的 TDWR 原型活动促使美国联邦航空管理局从雷神公司采购了 45 台 TDWR。TDWR 网络在 20 世纪 90 年代全面部署，自 1994 年以来，美国没有发生过重大风切变相关事故。林肯实验室继续支持美国联邦航空管理局优化 TDWR 风切变检测算法的性能；现代化 TDWR 数据处理架构；并实施其他算法，包括雷暴跟踪和运动预测功能。
评估模拟物理条件的图像到图像翻译技术
摘要 - 交通迹象对于向驾驶员提供重要信息，确保其安全并帮助他们遵守道路规则至关重要。对象检测算法（例如您只看一次（YOLO））在自动驾驶汽车中使用来监视交通标志信息。但是，大多数对象检测研究都集中在识别交通标志而不是其身体状况上。现有数据集的一个主要问题是缺乏有关培训损坏的流量标志的数据，这可能会对对象检测算法的性能产生不利影响。为了解决这个问题，我们的论文全面审查了图像到图像（I2i）算法，以修改现有的流量标志图像以展示不同的身份状态（正常和损坏）。我们使用最先进的图像式图像翻译技术，UNET视觉变压器周期符合生成对抗网络（UVCGAN）V2和能量引导的随机微分方程（EGSDE）进行实验进行实验。使用Fréchet成立距离（FID）和并排图像比较评估我们的实验结果。我们分析并讨论可能的和未来的改进。关键字 - 流量标志检测，图像生成，图像 - to-Image（I2i），生成对抗网络（GAN），循环生成对抗网络（Cyclegan），扩散模型
向空军和太空部队交付两架“阵风”战斗机
F4.1标准是2023年3月获得DGA认证的F4标准的第一个组成部分，标志着协同空战时代迈出的重要一步。它带来了主要能力的发展：集成 1 个 Scorpion 头盔瞄准器、改进使用流星导弹（由发射飞机以外的飞机管理的导弹）的火控、开发被动威胁检测算法，以及增强阵风之间的数据交换能力。
NV5高性能数字红外运动探测器数字检测Envy Seriestm -NVX80 -Paradox.ee
NVX80（3级双技术检测器）专为高安全性室外或室内环境而设计。部署Paradox的Seetrue™技术，再加上8个检测通道，NVX80由4倍向前看起来的PIR通道，2倍微波通道和2倍专用的蠕变探测器组成，全部由高级检测算法支持。提供出色的检测性能，NVX80绕开了常规和环境干扰，例如摇摆植物，小动物和光反射，因此可以最大程度地减少虚假警报。