美国国家标准与技术研究所 (NIST) 的联邦信息处理标准出版物系列是与根据 1996 年《信息技术管理改革法》第 5131 节(公法 104-106)和 2002 年《联邦信息安全管理法》(公法 107-347)的规定通过和颁布的标准和指南有关的官方出版物系列。这些规定赋予商务部长和 NIST 重要责任,以改善联邦政府对计算机和相关电信系统的使用和管理。NIST 通过其信息技术实验室,为政府在这些领域的标准和指南的制定工作提供领导、技术指导和协调。
5。确定主要责任办公室(OPR)。OPR是机翼,区域或NHQ功能,有责任和必要的权力来考虑和决定是否指导或实施建议的安全措施。有关OPR确定的问题应针对您的安全官员。5.1。机翼。对于大多数SSO,机翼将是OPR,尤其是建议的行动与个人有关的情况。5.2。区域。当该地区负责发生SSO的任务或活动时,它们将成为推荐涉及个人行动的OPR。5.3。NHQ。 建议采取的行动,涉及开发,修订或实施指令或非指导材料通常是NHQ的责任。 CAP/SE将在下一步中审查这些建议并与NHQ功能局进行协调。 NHQ还将负责提出与参与NTSB或FAA可报告事故或事件的个人有关的建议。 6。 理由。 理由是一个关键步骤,为推荐行动提供了额外的理由。 在您的理由中包括三个基本要素:意图,行动和利益。 示例:NHQ。建议采取的行动,涉及开发,修订或实施指令或非指导材料通常是NHQ的责任。CAP/SE将在下一步中审查这些建议并与NHQ功能局进行协调。NHQ还将负责提出与参与NTSB或FAA可报告事故或事件的个人有关的建议。6。理由。理由是一个关键步骤,为推荐行动提供了额外的理由。在您的理由中包括三个基本要素:意图,行动和利益。示例:
摘要。交通、国防、电信、核电站、机器人和自动驾驶汽车等现代系统正变得越来越复杂。这导致了新型系统故障、安全问题和严重事故。传统的系统设计和安全分析方法不足以捕捉现代社会技术系统的复杂性和动态性。本文重点介绍基于系统理论和认知系统工程的社会技术系统安全和事故建模的新方法。我们研究组织社会学家对管理和运营高风险技术系统的复杂组织的安全贡献。本文建议进行涵盖技术、人为因素和组织社会学的跨学科研究,以便从广泛的系统视角捕捉现代社会技术系统的复杂性,从而理解安全和事故成因的多维方面。
本卷II卷取代了Mars-Ev。2.0文档套件的II卷,第III卷和第四卷,日期为2015年11月。此Mars-Ev。2.2是一个临时发布,反映了国家,卫生与公共服务部(HHS)(HHS)(HHS)和CMS级别的安全性和隐私政策和标准指南的最新消息,包括CMS可接受的风险保障(ARS)v。3.1,2017年11月21日,2017年11月21日。在继续为ACA环境保留自定义时,此临时版本使安全性和隐私控制参数保持一致,以与CMS ARSv。3.1一致。它集成了针对个人身份信息(PII)和云服务提供商环境的特定实施规范,并提高了评估安全性和隐私控制实现有效性的灵活性。
多元化的 ICS 社区由 ICS 安全领域的利益相关者组成,包括:联邦、州和地方政府;资产所有者和运营商;供应商;系统集成商;国际合作伙伴;以及所有 16 个 CI 部门的学术专业人士。CISA 每天都与我们的合作伙伴合作,帮助他们识别、防范和检测网络安全威胁,并应对信息技术和运营技术网络的重大事件并从中恢复。
(u)该联合审计的目的是确定海岸警卫队是否根据适用的网络安全要求实施网络安全控制以保护在国防部(DOD)信息网络(DOD)信息网络(DODIN)的海岸警卫队系统。1海岸警卫队必须遵守DOD网络安全要求,因为其系统在DODIN上运行。在国防部与国土安全部(DHS)之间的一系列备忘录中提出了海岸警卫队在DODIN上操作其系统的角色和责任。有关与目标相关的范围和方法,请参见附录A。
摘要:随着近年来空中交通需求的不断增长,安全风险评估对维护航空运输系统的运行安全、实现可持续发展具有重要意义。本文基于博弈论和云物元分析对空中交通管制(ATC)系统进行了安全风险评估。从人、机、环境和管理四个方面评估ATC系统的安全风险,引入博弈论中的纳什均衡来对指标进行权重计算。云物元评估采用模糊集和概率论中的云模型来取代传统物元理论中的确定性值,考虑到指标的随机性、模糊性和不相容性,通过计算指标与风险之间的标准云物元关联度来评估ATC系统的安全风险水平。本文通过引入并结合博弈论和云物元分析,扩展了研究范围。此外,以ATC系统为例,检验了该方法的适用性和鲁棒性,丰富了现有文献,指明了未来工作的方向。
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
摘要。本文提出了一种光电两波方法,用于监测大气中的甲烷含量。光谱特性给出了两种颜色LED模块LED39,LED32,Photodiode PD36和甲烷吸收光谱。已经开发了具有高测量精度的光电传感器,用于监测大气中的甲烷含量,并显示了其框图。在光电传感器中用于监测大气中的甲烷含量的两个彩色LED模块,其发射光谱为3.2微米(参考)(参考)和发射光谱为3.4微米(工作)的LED。为了提高LED(3.2和3.4微米)的光功率,这是一种具有更有效的热量去除量和LED的抛物线反射器设计的设计,该设计以8-10度的角度聚焦IR辐射。具有3.2微米和3.4微米的发射光谱的LED晶体安装在一个外壳中,以确保设备的高精度和灵敏度。