XiaoMi-AI文件搜索系统
World File Search System证据
fiat-shamir的证据也缺乏证据
我们探讨了任意共享物理资源的加密功能。最通用的资源是在每个协议执行时访问新鲜的纠缠量子状态。我们将其称为常见的参考量子状态（CRQ）模型，类似于众所周知的常见参考字符串（CRS）。CRQS模型是CRS模型的自然概括，但似乎更强大：在两党设置中，CRQ有时可以通过在许多相互无偏置的基础之一中测量最大纠缠的状态来表现出与随机甲骨文相关的特性。我们将此概念形式化为一个弱的一次性随机Oracle（Wotro），在该n –bit输入条件时，我们只要求M-Pit Outputs具有一定的随机性。我们表明，当n -m∈Ω（lg n）时，CRQS模型中WOTRO的任何协议都可以受到（低效率）对手的攻击。此外，我们的对手是有效的模拟，它排除了通过将完全黑盒减少到加密游戏假设来证明方案的计算安全性的可能性。另一方面，我们为哈希函数引入了一个非游戏量子假设，该假设暗示了CRQ $模型中的WoTro（CRQ仅由EPR对组成）。我们首先构建一个统计安全的WOTRO协议，其中m = n，然后哈希输出。WoTro的不可能带来以下后果。首先，我们显示了量子菲亚特 - 沙米尔变换的完全黑色盒子，这扩大了Bitansky等人的不可能结果。（TCC 2013）到CRQS模型。第二，我们显示了Quantum Lightning版本（Zhandry，Eurocrypt 2019）的完全黑色盒子的不可能结果，其中量子螺栓具有附加参数，而没有生成新的螺栓就无法更改。我们的结果还适用于普通模型中的2个 - 摩塞格协议。
人工智能作为证据
从联邦审判法官和两名计算机科学家（其中一名也是经验丰富的律师）的角度，阐述了人工智能（“AI”）在民事和刑事案件中的应用。它详细而易懂地讨论了什么是人工智能及其工作原理、其发展历史以及它旨在实现的各种功能的描述，强调人工智能应用无处不在，无论是在私营部门还是公共部门。如今的应用包括：医疗保健、教育、与就业相关的决策、金融、执法和法律专业。本文强调了确定人工智能应用的有效性（即，人工智能测量、分类或预测其设计目的的准确程度）及其可靠性（即，人工智能在应用于相同或基本相似情况时产生准确结果的一致性）的重要性，以决定是否应在民事和刑事案件中将其作为证据。本文进一步讨论了可能影响人工智能证据有效性和可靠性的因素，包括各种类型的偏见、“功能蠕变”、缺乏透明度和可解释性，以及在人工智能应用向公众发布之前对其进行客观测试的充分性。本文接下来深入讨论了决定人工智能证据是否应在法庭案件中被采纳的证据原则，目前，这一主题还不是判决法全面分析的主题。本讨论的重点是逐步分析最重要的问题以及影响是否采纳人工智能证据的因素。最后，本文最后讨论了旨在帮助律师和法官引入、反对或决定是否采纳人工智能证据的实用建议。
