XiaoMi-AI文件搜索系统
World File Search System约束设备
在资源约束设备上部署机器学习模型：案例研究
在现代，机器学习和人工智能系统在执行各种任务的能力方面成倍增长，但是在开发训练阶段和最终设备上的推理阶段的能源需求中。这引起了人们对它们对全球温室气体排放的影响的严重关注。期望ML的新时代停止解决这些环境问题是不现实的，因此，有必要探索提高这些ML模型以减少资源的效率的方法。本文探讨了此过程的一些潜在改进，即在资源受限的物联网设备上部署机器学习模型，减少训练这些模型所需的数据量，并最大程度地减少开发它们所需的神经元数量。对于研究的实际方面，我们将探索使用Edge Impulse在云上开发机器学习以在云上进行运动分类的最有效的方式，并在Thing thing thaty 52上部署了该模型，这是北欧半导体的小物联网设备。，我们将探讨减少所需训练数据的量，训练时期的数量，隐藏层和神经元的数量，尽管培训因素减少了，并且随着Thing the Things 52的限制资源，并讨论了遇到的各种问题和潜在的未来改进，以汇聚在可接受的模型上。
hetegen：在资源约束设备上对大语言模型的异质平行推断
模型压缩（Dettmers等人，2022; Xiao等。，2022; Frantar等。，2022）压缩参数权重以减少参数存储器的位宽和低级操作，包括KV-CACHE管理（Kwon等人，2023年）和融合的注意内核（Dao等人，2022b）已提出通过系统选择来减少记忆使用量。但是，他们节省内存的能力仍然远非预期。零下载（Ren等人，2021; Aminabadi等。，2022b）提议将未使用的参数卸载到CPU内存和磁盘上，以大大降低内存成本，但它导致速度明显损失。flexgen（Sheng等人，2023）通过计算CPU中的注意力和计算重叠I/O中的注意力，改善了大批次推理的卸载吞吐量。但是，FlexGEN对CPU和I/O资源的利用仍然有限，并且不会有效地减少稀疏输入的延迟。
基于数组元素替换的密钥生成算法
RC4算法广泛用于各种信息安全系统和计算机网络（例如，在协议中）。SSL用于密码加密Windows NT等）。Spritz是由Bruce Schneier和Daniel Whiting开发的轻量级溪流密码。它以其简单，速度和安全性而闻名。Spritz特别适合资源约束设备，例如微控制器和智能卡。Spritz本质上是RC4算法的改进版本，考虑到现代的加密工具和算法。它还使用256个元素字节数组。Spritz使用古字母和旋转轮的概念来生成用于加密数据的伪随机序列。该算法具有较小的内部状态，可以在内存有限的设备上有效地实现它。
Tinyml实施的挑战：文献综述
这项研究旨在使微小的机器学习（Tinyml）实施文献敏感和总结。Tinyml是机器学习（ML）的子集，它专注于在资源约束设备（例如微控制器，嵌入式系统和物联网（IoT）设备）上实现ML模型。对过去十年在该领域发表的作品进行了系统的文献综述。本文的重点是了解这项新兴技术面临的关键挑战。我们提出了Tinyml的五个重大挑战，即有限和动态资源，异质性，网络管理，安全和隐私以及模型设计。对ML，IoT和Edge计算领域感兴趣的研究人员和从业人员将感兴趣。
一项关于物联网轻巧加密算法的调查
摘要：物联网（IoT）很快将渗透到人类生活的各个方面。由于物联网系统中使用的不同设备和协议，存在几种威胁和漏洞。常规的加密原始图或算法不能有效运行，并且不适合物联网中的资源约束设备。因此，已引入了一个最近发达的密码学，称为轻质加密图，多年来，已经提出了许多轻量级算法。本文对轻型加密字段进行了全面概述，并考虑了过去几年中提出和评估的各种流行的轻型加密算法以进行分析。还提供了算法和其他相关概念的不同分类法，这有助于新研究人员快速概述该领域。最后，根据软件实现对11种选定的超轻量级算法进行了分析，并使用不同的指标进行评估。
NIST SP 800-232首次公共草稿，基于ASCON的轻巧加密标准受限设备
2023年，美国国家标准技术研究所（NIST）宣布了Dobraunig，Eichlseder，Mendel和Schläffer设计的Ascon算法家族，为资源约束设备提供有效的密码解决方案。这个决定来自严格的多轮轻巧的加密标准化过程。该标准介绍了一个新的基于ASCON的对称键加密原始家族，旨在提供经过验证的加密，并具有相关数据（AEAD），哈希和可扩展输出功能（XOF）功能，即Ascon-Aead-Aead128，Ascon-Hash256，Ascon-Hash256，Ascon-Xof128，Ascon-Xof128，和Ascon-cxof128。ASCON家族的特征是基于轻质置换的原始词，并提供了可靠的安全性，效率和灵活性，使其非常适合资源受限的环境，例如物联网（IoT）设备，嵌入式系统和低功率传感器。当高级加密标准（AES）可能无法最佳性能时，将开发家庭提供可行的替代方案。该标准草案概述了Ascon-Aead128，Ascon-Hash256，Ascon-XOF128和Ascon-CXOF128的技术规格，并提供其安全属性。
探索电动汽车的计算范例
摘要：电动汽车在全球范围内被广泛采用，作为一种可持续的运输方式。随着车载计算和通信功能的增加，车辆正在朝着自动驾驶和智能运输系统迈进。在车辆架构中，物联网，边缘智能，5G和区块链等技术的适应性增加了有效且可持续的运输系统的可能性。在本文中，我们介绍了边缘计算范式的全面研究和分析，并解释了边缘AI的要素。此外，我们讨论了在边缘设备上部署AI算法和模型的边缘智能方法，这些算法和模型通常是位于网络边缘的资源约束设备。它提到了Edge Intelligence及其在智能电动汽车中用例的优势。它还讨论了挑战和机遇，并提供了深入的分析，以优化边缘智能的计算。最后，它通过将努力分为拓扑，内容，服务片段，模型适应，框架设计和处理器加速度，对Edge的AI和AI的研究路线图进行了一些启示，所有这些都将从AI技术中获得优势。调查重要技术，问题，机会和路线图的结合将是从事电动汽车边缘情报研究的社区的宝贵资源。
q-secure：用于资源约束的物联网设备加密
摘要 - 物联网（IoT）在塑造我们生活的不同方面起着重要作用。物联网设备由于其连接，收集和分析数据，自动化流程，提高安全性和效率并提供个性化体验的能力而变得越来越重要。但是，量子计算机开发的进步对资源受限的物联网设备构成了重大威胁。这一新一代的合并者可以打破这些物联网设备中实现的经典公钥加密计划和数字签名。在保护IoT设备免受量子计算机攻击的同时构成了许多挑战，研究人员在开发轻质的量子后加密算法方面不断取得重大进展，以实现有效的键换交换机制和量身定制的数字签名算法，以克服此问题。本文提出了Q-Secure，Q-Secure是一种用于统一资源约束设备加密的加密后的Quantum Secissivant Security Suserival。这种新颖的方案使任何物联网系统都可以利用网络中其他设备的帮助，以使用分布式和并行计算来生成给定尺寸的任何提出的量子加密密钥。索引术语 - post-quantum，物联网，加密式，5G-iot技术，基于晶格的基于晶格，isogenie，关键封装，密钥一代。
MindCrypt：大脑作为基于SOC的大脑计算机界面的随机数发生器
摘要 - 由于固有的硬件限制，资源约束设备上的真实数量随机数生成具有挑战性。这些局限性会影响找到具有高吞吐量和足够良好的可靠随机性来源的能力。作为脑部计算机界面领域（BCI）领域的最新发展表明，需要随机数的广泛应用，我们研究了基于皮质学的神经数据作为随机数生成的种子的可用性。我们开发了从脑数据中产生随机位的算法，并使用NIST SP 800-22测试套件来评估随机性的质量。我们将算法作为硬件随机位发电机（RBG）实现。然后，我们将这些实现作为硬件加速器集成在MindCrypt，MindCrypt是一种异质的芯片系统（SOC），配备了主机处理器来运行BCI应用程序。在MindCrypt中，应用程序使用我们的RBG加速器作为随机数生成器（RNG）和素数生成器。与使用基于最先进的Linux的RNG相比，在RISC-V处理器上运行软件应用程序的FPGA原型在RISC-V处理器上运行软件应用程序的提高了376倍和4885X的能源效率。通过将RBG加速器和加密加速器之间的点对点（P2P）通信传递随机位，我们在性能中获得6.1倍，与直接存储器访问（DMA）相比，能量效率为12.4倍。最后，我们探索了MindCrypt的部分重新配置的FPGA实现的功效，该实现动态优化了在资源约束的BCI SOC中随机数生成的吞吐量。索引条款 - SOC，HLS，BCI，RISC-V，P2P，FPGA，DPR
直接到卫星物联网的网络尺寸估计
摘要 - 全球物联网（IoT）的采用取决于传感器节点的大规模部署和及时的数据收集。但是，在远程或无法访问的区域中安装所需的地面基础设施在经济上是没有吸引力或不可行的。成本效益的纳米卫星部署在低地球轨道（LEO）中是一种替代用解决方案：板载物联网网关可访问对远程物联网设备的访问，这是根据直接到卫星IoT（DTS-IOT）体系结构的访问。DTS-iot的主要挑战之一是设计通信协议，以通过同样受约束的轨道网关提供的数千种高度约束设备。在本文中，我们通过首先估计（移动）纳米卫星足迹下方设置的设备的（不同）尺寸来解决此问题。然后，我们证明了用于智能油门DTS-iot访问协议时估计的适用性。由于最近的工作表明，当网络尺寸估计可用时，MAC协议提高了DTS-IOT网络的吞吐量和能源效率，因此我们在此提出了DTS- IOT中的新颖且计算高效的网络尺寸估计器：基于乐观的碰撞信息（OCI）的估计器。我们通过广泛的DTS-iot场景模拟来评估OCI的有效性。结果表明，当使用网络尺寸估计时，基于Aloha的DTS- IOT网络的可伸缩性将增强8倍，最多可提供4×10 3设备，而无需罚款。我们还显示了OCI机制的有效性，并证明了其低计算成本实施，使其成为DTS-IOT网络估计的有力候选者。