XiaoMi-AI文件搜索系统
World File Search System联网
SamurAI：具有事件驱动唤醒和嵌入式 ML 加速功能的多功能物联网节点
摘要 — 现在，物联网应用需要增强识别和自适应等功能。虽然物联网节点功耗是这些应用的主要关注点，但由于通过无线网络连续传输传感器或图像数据，基于云的处理变得难以为继。因此，应在物联网节点中集成优化的 ML 功能和数据传输。此外，物联网应用在零星数据记录和耗能数据处理（例如图像分类）之间左右为难。因此，节点的多功能性是解决这种多样化能源和处理需求的关键。本文介绍了 SamurAI，这是一种多功能物联网节点，它通过利用两个片上子系统来弥补处理和能源方面的差距：低功耗、无时钟、事件驱动的始终响应 (AR) 部分和节能的按需 (OD) 部分。 AR 包含一个 1.7MOPS 事件驱动的异步唤醒控制器 (WuC)，唤醒时间为 207ns，针对零星计算进行了优化，而 OD 结合了深度睡眠 RISC-V CPU 和 1.3TOPS/W 机器学习 (ML)，可执行高达 36GOPS 的更复杂任务。这种架构分区实现了同类最佳的多功能性指标，例如峰值性能与空闲功率比。在应用分类场景中，它展示了系统功率增益，与基于云的处理相比高达 3.5 倍，从而延长了电池寿命。
改善卫星互联网连接的治理
人类在需要希望时会向上看。天空有足够的空间来检验我们的伟大构想，有足够的空间让梦想得以扩展。在数字时代，没有网络的社区也希望实现尚未实现的全民互联互通的承诺。尽管人们已经在海底和地面铺设了电缆，并在丛林、沙漠和城市中架起了信号塔，但互联网发明几十年后，全球至少有 26 亿人仍然无法访问高质量、开放、安全的互联网。尽管手机现在几乎无处不在，但近年来移动连接的增长率实际上有所放缓。这种数字鸿沟伤害了处于弱势或不利地位的群体，尤其是中低收入国家的年轻女性和女孩。与普遍看法相反，“数字鸿沟”不仅仅是地理或经济条件的结果，而是来自跨越政治、意识形态、宗教、伦理和父权制界限的多种相互交织的压制形式。因此，我们更愿意谈论多重交叉的“数字鸿沟”，这些鸿沟的根源在于歧视，而不是自然力量。即使在实现了稳定和可访问互联网的承诺的地方，事实证明，互联网也很脆弱，受制于专制政府、严厉的监管机构或残酷的交战方的突发奇想。在世界各地，扩大连接和设备访问并不能阻止互联网断网次数逐年增加。2023 年，#KeepItOn 联盟记录了有史以来最多的断网次数，39 个国家的当局在冲突、抗议、考试、选举等期间实施了至少 283 次断网。在断网和通信中断期间，数字鸿沟只会扩大。断网通常故意针对边缘化人群，如少数民族、LGBTQ+ 社区和军事占领下的人民。断网通常只在目标地区实施，而且只针对移动互联网，这使得互联网接入不稳定和刚刚起步的社区更难保持连接。每次断网都强化了互联网自由捍卫者倡导让人们重新上网的替代方案的必要性。社区及其倡导者在测试和部署创新替代方案以弥补缺失或不足的连接系统方面拥有丰富的经验，即使在偏远或受限制的地区也是如此，但尚未证明任何一种方案是危机情况下的灵丹妙药。确定合适的紧急连接系统需要反复试验，这使得该过程具有风险、缓慢且远不能扩展。虽然一种解决方案可能在一个地区有效，但在几百公里外可能无效。例如，网状网络提供了弹性和可扩展性，但
物联网和分析在塑造智能城市中的作用
摘要题为“物联网和分析在塑造智能城市中的作用：案例研究方法”的论文探讨了物联网（IoT）（IoT）和数据分析对城市环境的变革性影响，从而强调了它们在智能城市发展中的作用。由于市政当局越来越多地采用技术来提高生活质量，因此该研究确定了智能城市基础设施的关键组成部分，包括城市规划，基本服务和政策框架。该研究强调了IOT如何促进实时数据收集和分析，这对于有效的城市管理和决策至关重要。通过检查各种案例研究，尤其是针对巴塞罗那的案例研究，该论文说明了物联网在交通管理，减少废物和公民参与中的实际应用。调查结果强调了政策制定者和城市规划人员接受这些技术以促进可持续城市发展的必要性，同时解决数据安全和整合等挑战。这项全面的文献综述是利益相关者的基础资源，旨在利用技术协同作用来创造韧性有效的城市空间。关键字：物联网（物联网），智慧城市，数据分析，城市规划，可持续发展，人工智能（AI），城市AIOT，实时监控，公民参与，交通管理，环境可持续性，大数据分析，大数据分析，数字化转型。近年来，全球各地的智能城市都没有增加。智能城市是一个使用技术来改善其公民生活质量的市政当局。智能城市使用技术，以使城市更清洁和配备技术。物联网（IoT）是物理对象的网络 - 设备，仪器，车辆，建筑物以及其他嵌入电子，电路，软件，传感器和网络连接性的项目，使这些对象能够收集和交换数据。物联网允许对象在现有网络基础架构之间进行远程感知和控制，从而为将物理世界更直接整合到基于计算机的系统中创造了机会，并提高了效率和准确性。该物联网是数字化转换的关键组成部分，使公司能够将物理产品数字化并在其上收集数据。可以通过使用IoT数据，AI和数据分析来优化性能来创建虚拟副本物理，设备和系统。（Gokhale。P等人2018）智能城市基金会的关键要素包括城市规划和设计，基本基础设施和政策。提供这些要素的提供程度及其相互联系定义了一个城市的运作状况，公民在经济上有生产力的活动上花费了多少时间以及又又有城市的生产力水平和潜力。“智能城市”一词是指利用信息和通信技术（ICT）的新行业
交互模式和物联网的影响分析......
摘要。如今，估计有一半的连接设备与物联网 (IoT) 有关。物联网范式导致信息技术能源需求增加。能源需求一方面是由于物联网设备数量庞大，另一方面是由于大量物联网终端用户应用程序消耗这些设备产生的数据。然而，考虑到此类应用程序的开发中的能源消耗，使用物联网设备产生的数据仍然具有挑战性。人们缺乏关于开发绿色物联网应用程序的最佳实践的知识。本文提出的工作旨在提高应用程序设计人员对物联网协议和交互模式的选择对应用程序能耗的影响的认识。为此，我们通过实验分析了 HTTP 和 MQTT 的能耗，它们是物联网消费者应用程序最流行、最成熟和最稳定的两种协议。对于 HTTP 协议，我们研究了发布-订阅和请求-回复交互模式。对于 MQTT，我们研究了具有三种可用服务质量的发布-订阅交互模式。我们还研究了消息有效负载对能耗的影响。结果表明，发布/订阅交互模式的能耗低于同步交互模式（约低 92%），而对于发布/订阅交互模式，HTTP 比 MQTT 协议消耗的能量多 20%。最后，我们表明有效负载对能耗的影响很小，有效负载从 24 到 3120 字节不等，开销为 9%。
B-337023；商务部工业和安全局：确保信息和通信技术和服务供应链安全：联网汽车
B-337023 2025 年 1 月 31 日 尊敬的 Tim Scott 主席 尊敬的 Elizabeth Warren 排名成员 银行、住房和城市事务委员会 美国参议院 尊敬的 Brian Mast 主席 尊敬的 Gregory Meeks 排名成员 众议院 主题：商务部、工业和安全局：保护信息和通信技术和服务供应链：联网汽车 根据美国法典第 5 篇第 801(a)(2)(A) 节的规定，这是我们关于商务部、工业和安全局 (BIS) 颁布的一项重要规则的报告，该规则名为“保护信息和通信技术和服务供应链：联网汽车”(RIN：0694-AJ56)。我们于 2025 年 1 月 16 日收到该规则。它于 2025 年 1 月 16 日在《联邦公报》上公布。90 Fed. Reg. 5360。该规则的生效日期为2025年3月17日。据BIS称，该规则规定了应对涉及信息和通信技术和服务的交易类别对国家安全和美国公民造成的不当或不可接受的风险的规定和程序，这些交易类别由某些外国对手拥有、控制或受其管辖或指导的个人设计、开发、制造或供应，并且是规则中定义的联网汽车不可或缺的一部分。随函附上我们对BIS遵守第5篇第801(a)(1)(B)(i)至(iv)节关于该规则所要求的程序步骤的评估。如果您对本报告有任何疑问，或希望联系负责与该规则主题相关的评估工作的GAO官员，请联系助理总法律顾问Charlie McKiver，电话：(202) 512-5992。
引用Salama R、Mohapatra H、Tülbentçi T 和 Al-Turjman F (2025) 深度学习技术：通过物联网实现安全通信。
由于这些网络相互依赖，因此将它们连接在一起是一项巨大的挑战。深度学习是一种人工智能 (AI)，已成为提高物联网连接有效性和安全性的有力工具。深度学习算法可以通过使用强大的神经网络分析大量数据来发现异常、预测潜在威胁并快速应对安全漏洞。由于连接的设备数量众多且种类繁多，传统的安全方法在物联网环境中可能不够用。这就是为什么这个功能如此重要的原因。本文的目的是提供深度学习技术的基本介绍以及它如何应用于保护物联网连接。并在此研究的基础上，为基于深度学习的物联网系统中的漏洞发现提供了一种软件定义网络 (SDN) 支持的解决方案。最新的 Cuda 深度神经网络、Cuda 双向长短期记忆 (Cu-BLSTM) 和 Cuda 门控循环单元 (Cu-DNNGRU) 分类器可用于成功检测威胁。我们将研究深度学习背后的基本思想、构成其架构的组件，以及如何定制这些方法以应对物联网环境带来的独特挑战。我们还将讨论深度学习技术增强物联网网络安全性和可靠性的具体用例和实际应用。深度学习技术能够维护安全且有弹性的通信基础设施，了解其原理和功能将有助于物联网生态系统参与者（从开发人员和工程师到决策者和最终用户）认识到这一前景。通过这种分析，我们力求强调深度学习对未来物联网安全的变革性影响，并刺激相关技术的创新。要发现“深度学习技术：通过物联网实现安全通信”的相关信息，请查找讨论机器学习（特别是深度学习）与物联网安全之间关系的研究和文章。以下是一些重要领域和类似相关主题：
一种用于检测物联网网络攻击的混合AI方法...
摘要： - 物联网（IoT）设备的快速扩散已转变为从医疗保健和农业到工业自动化的多个部门。但是，这种大规模的扩张导致脆弱性的相应增加，使IoT网络易受各种网络攻击。传统的安全方法通常由于设备异质性，资源限制和大规模部署而无法满足物联网的需求。本文提议使用人工智能（AI）技术，尤其是机器学习（ML）和深度学习（DL），以增强物联网系统中的网络攻击检测。对现有基于AI的攻击检测方法进行了全面调查，然后开发了结合了受监管，无监督和深度学习技术的混合模型。所提出的模型证明了攻击检测准确性，可伸缩性和效率的提高，同时降低了误报。该研究还讨论了将AI集成在物联网安全性中的挑战，潜在解决方案和未来方向。
引用：Abhijit Khadatkar。 “机器人技术，人工智能和启用物联网的技术可以改变开发Nati
引用：Abhijit Khadatkar。“机器人技术，人工智能和启用物联网的技术可以改变发展中国家的农业情景”。Acta Scientific Agriculture 9.3（2025）：01-02。
引用：Abhijit Khadatkar。 “机器人技术，人工智能和启用物联网的技术可以改变开发Nati
引用：Abhijit Khadatkar。“机器人技术，人工智能和启用物联网的技术可以改变发展中国家的农业情景”。Acta Scientific Agriculture 9.3（2025）：01-02。
实时fMRI神经反馈调节多巴胺能中性脑活动的互联网游戏障碍风险升高：随机续
我们通过基于社交媒体的广告招募了具有IGD风险的年轻参与者。在研究1中，9名参与者执行了基于游戏视频的提示反应任务（多媒体附录1，图S1），以建立VTA提示反应性与IGD症状水平之间的关联[5]。在研究2中，筛选了20名不同的参与者，并随机分配给2组中的1组。在多媒体附录1，图S2和S3中描述了纳入标准和筛选工具。实验组从VTA（蒙特利尔神经学成像[MNI]坐标[1，–17，–13]; 246素;图1 B）中收到了反馈，而对照组则从右中间回旋右中间接收了假反馈。之所以选择此区域，是因为它与奖励处理无关，并且与