XiaoMi-AI文件搜索系统
World File Search System轻量级
轻量级且高可靠性 - Nkt.ru
航天 – 高密度解决方案 HUBER+SUHNER 提供完整的项目管理，包括客户/行业筛选和资格测试计划、测试配置文件和报告编制。这包括利用和采购合格测试供应商名单 (QTSL) 实验室以及定义 DPA 程序和测试 MIL-STD-1580 范围之外的定制混合组件。采购、可追溯性和组装过程均根据 ESA、NASA 和 MIL 标准执行。我们拥有广泛的制造、质量控制和质量保证能力，可不断为客户提供最优质、最可靠的产品，以满足其苛刻的航天应用需求。
肽：肽的轻量级python库...
在过去的十年中，肽发现的机器学习一直是150 FUL研究的努力，预计151将获得进一步的吸引力。尽管有152个工具可用于计算肽描述符和表示形式，但这些153个工具在集成过程中经常引入摩擦。这154个为这种跨学科领域创建了进入障碍。155肽旨在通过提供Acces-157 Sible编码解决方案在开箱即用的情况下弥合肽SE-156 QUENCES和机器学习库之间的差距。肽不是158仅使流行的编码方法像159一样易于访问，它还通过支持对肽属性的批判性161的翻译后修改来扩展可用工具160的功能。162
轻量级且可解释的 Deepfakes 检测框架
摘要 — 近期所谓的深度伪造的现实创作和传播对社会生活、公民休息和法律构成了严重威胁。名人诽谤、选举操纵和深度伪造作为法庭证据只是深度伪造的一些潜在后果。基于 PyTorch 或 TensorFlow 等现代框架、FaceApp 和 REFACE 等视频处理应用程序以及经济的计算基础设施的开源训练模型的可用性简化了深度伪造的创作。大多数现有检测器专注于检测换脸、口型同步或木偶大师深度伪造，但几乎没有探索用于检测所有三种类型深度伪造的统一框架。本文提出了一个统一的框架，利用混合面部标志和我们新颖的心率特征的融合功能来检测所有类型的深度伪造。我们提出了新颖的心率特征，并将它们与面部标志特征融合，以更好地提取假视频的面部伪影和原始视频中的自然变化。我们利用这些特征训练了一个轻量级的 XGBoost，以对 deepfake 和真实视频进行分类。我们在包含所有类型 deepfake 的世界领袖数据集 (WLDR) 上评估了我们框架的性能。实验结果表明，与比较 deepfake 检测方法相比，所提出的框架具有更优异的检测性能。将我们的框架与深度学习模型候选模型 LSTM-FCN 进行性能比较，结果表明，所提出的模型取得了类似的结果，但它更具可解释性。索引术语 —Deepfakes、多媒体取证、随机森林集成、树提升、XGBoost、Faceswap、Lip sync、Puppet Master。
具有量子安全轻量级加密技术...
摘要 — 量子置换垫或 QPP 最早由 Kuang 和 Bettenburg 于 2020 年提出 [15]。QPP 是一种由多个 n 量子比特量子置换门组成的通用量子算法。作为一种量子算法，QPP 既可以在量子计算系统中实现为对 n 量子比特状态进行操作以进行转换的量子电路，也可以在由 n 位置换矩阵垫表示的经典计算系统中实现。QPP 具有两个独特的特点：巨大的香农信息熵和置换矩阵之间的非交换性或广义不确定性原理。置换变换是输入信息空间和输出密文空间之间的双射映射。这意味着，由于不确定性关系，QPP 具有可重用的香农完全保密性。QPP 是希尔伯特空间上一次性垫或 OTP 的推广，而 OTP 是伽罗瓦域上 QPP 的简化。基于此，本文研究了一种 AES 变体，将 AES 的 ShiftRows 和 MixColumns 与 QPP 结合起来，形成一种量子安全轻量级密码体制，称为 AES-QPP。AES-QPP 将 SubBytes 和 AddRoundKey 与 16 个 8 位置换矩阵的相同 QPP 结合起来，本质上 SubBytes 是一个特殊的 8 位置换矩阵，AddRoundKey 是从 XOR 操作中选择的 16 个 8 位置换矩阵。通过随机选择 16 个带有密钥材料的置换矩阵，AES-QPP 可以容纳总共 26,944 位香农熵。它不仅提高了对差分和线性攻击的安全性，而且还将轮数大大减少到 5 轮。AES-QPP 可能是量子安全轻量级密码体制的良好候选者。
轻量级图像的完全1×1卷积网络...
摘要：深层卷积神经网络，尤其是具有较大内核的大型模型（3 3或更多），已经在单像超分辨率（SISR）任务中取得了重大进展。但是，此类模型的大量计算足迹阻止了它们在实时，资源约束的环境中的影响。相反，1 1卷积具有实质性的计算效率，但在汇总局部空间表示方面挣扎，这是SISR模型的重要能力。响应这种二分法，我们建议统一3 3和1 1个内核的优点，并利用其轻巧的SISR任务的巨大潜力。具体，我们提出了一个简单而有效的1 1 1卷积网络，称为基于Shift-Conv的网络（SCNET）。通过合并无参数的空间移动操作，完全1 1卷积网络配备了强大的表示能力和令人印象深刻的计算效率。广泛的实验表明，尽管SCNET完全1 1 1卷积结构，但始终匹配甚至超过了采用常规卷积的现有轻质SR模型的性能。可以在https://github.com/aitical/scnet上找到代码和验证的模型。
dlkn：增强的轻量级图像超级
在菲律宾南部莱特（Silago）的一座受保护的森林中，在纳科洛德山（Mount Nacolod）的森林内进行了有关地面甲虫的先驱调查。在两个月内完成的全面收集工作产生了2,315个人，分别在纳科洛德山的森林中记录了16个属，8个部落和2个亚科的26种。表1提供了这些物种的全面列表，详细介绍了它们的地理分布，栖息地类型和保护状况。在记录的物种中，有11个被确定为菲律宾的典范，其中4个特有莱特特有的。这些发现提供了纳科洛德山的甲虫甲虫的基线数据。值得注意的是，诸如hassenteufeli，lumawigi和Tricondyla aptera untctipennis等物种被记录为最丰富的物种。强调这项研究在扩展对局部生物多样性的理解方面的重要性。Leyte中的新添加是Brachinus leytensis，Trigonotoma goeltenbothi，Pheropsophus Lumawigi，azoulayi azoulayi，Feropsophus uliweberi和taclopophus taclobanensis。在本研究中发现并确定了最后两个物种。也记录了这些物种的生态特征，分布和发生。建议进行紧急保护工作，特别是对于纳科洛德山（Mount Nacolod）等特定森林栖息地中发现的稀有和特有甲壳虫物种。必须加强指定景观中的保护措施，以减轻诸如采矿，非法伐木，砍伐和燃烧的农业和人类侵占等威胁，从而保护纳科洛德山及其周围森林的生物多样性富裕的生态系统。
使用 PUF 和哈希的轻量级远程证明......
远程证明是一种强大的机制，它允许验证者知道物联网 (IoT) 设备 (充当证明者) 的硬件是否被伪造或篡改，以及其固件是否被更改。远程证明基于以可信方式收集和报告测量值，对于资源受限的物联网设备来说应该是轻量级的。这项工作建议在证明者中包含一个低成本的测量和报告可信根 (RoTMR)，该根基于物理不可克隆函数 (PUF) 和证明只读存储器 (A-ROM) 的组合，并在证明协议中使用基于哈希的数字签名。建议的 RoTMR 针对基于微控制器的物联网设备，该微控制器执行位于攻击者可访问的外部非易失性存储器中的一些应用程序代码 (可测量对象)。数字签名所需的密钥不存储，而是使用 PUF 重建。 A-ROM 包含证明指令，并确保其内容无法更改，并且其指令按顺序执行而无需修改。使用基于哈希的数字签名使解决方案具有抗量子性和非常强大的功能，因为其安全性完全依赖于哈希函数的单向性。所提出的证明协议利用了以下事实：一次性签名 (OTS) 生成和多次签名 (MTS) 验证非常适合低端设备，而 MTS 方案适用于验证器应用程序环境。该提案已通过实验验证，使用广泛用于物联网设备的 ESP32 微控制器，使用其 SRAM 作为 PUF 并实施 WOTS+，这是一种 Winternitz 一次性签名方案 (WOTS)、智能数字签名的一次性签名方案 (SDS-OTS) 以及用它们构建的 MTS 方案。与 MTS 和 ECDSA（椭圆曲线数字签名算法）相比，OTS 方案需要更小的代码，因此 A-ROM 更小。其中一个 WOTS+ 的代码占用的空间比 ECDSA 少 4 倍左右。在执行时间方面，OTS 方案非常快。其中一个 WOTS+ 在几十毫秒内执行所有签名操作。OTS 方案（尤其是 SDS-OTS）在通信带宽方面也非常高效，因为它们与其他后量子解决方案相比使用较小的签名。© 2023 作者。由 Elsevier BV 出版 这是一篇根据 CC BY 许可开放获取的文章（http://creativecommons.org/licenses/by/4.0/）。