目录2关于此文档的目录2 4 1问题说明5 1.1目标5 2什么是SBOM?7 2.1 SBOM Elements 8 2.2 Baseline Attributes 9 2.2.1 SBOM Meta-Information 9 2.2.1.1 Author Name 9 2.2.1.2 Timestamp 10 2.2.1.3 Type 10 2.2.1.4 Primary Component (or Root of Dependencies) 10 2.2.2 Component Attributes 10 2.2.2.1 Component Name 11 2.2.2.2 Version 12 2.2.2.3 Supplier Name 12 2.2.2.4 Unique Identifier 13 2.2.2.5 Cryptographic Hash 14 2.2.2.6 Relationship 15 2.2.2.6.1 Primary Relationship 16 2.2.2.6.2 “Included In” Relationship 16 2.2.2.6.3 Heritage or Pedigree Relationship 16 2.2.2.6.4 Relationship Completeness 16 2.2.2.7 License 17 2.2.2.8 Copyright Notice 18 2.3 Undeclared SBOM Data 18 2.3.1 Unknown Component Attributes 19 2.3.2 Redacted Components 20 2.3.3 Unknown Dependencies 20 2.4支持用例21 2.5映射到现有格式的补充信息22 2.6 SBOM示例23 3 SBOM流程26 3.1 SBOM创建:26 3.2 SBOM创建:27 3.3 SBOM Exchange 27 3.4软件供应链规则规则28 3.5角色和Perspectives 30
模块化自治软件库•具有可互换组件的核心软件库(例如perception, navigation, localization) • Modular approach to enable seamless integration with various vehicles and hardware configurations • Support for state-of-the-art sensors (lidar, cameras, navigation units) and communication protocols Developer Ecosystem • A vibrant community of roboticists experienced working in ARCS to accelerate development • Documentation, tutorials, tools, and forums to encourage collaboration • Defined standards and processes for建筑,编码和需求机会•ARCS符合MOSA的软件可确保各种地面机器人平台之间的无缝集成•ARCS提供了一个框架,以鼓励开发自治的能力和能力,以达到DOD特定要求的能力,这对于行业
我们的集成系统可适应从低到高的有效载荷,并可满足客户的培训需求,包括商务喷气机、商用飞机、直升机和超轻型喷气机 (VLJ) 等新类别。我们所有子系统均采用通用软件和硬件接口,这意味着安装、调试和用户培训更加轻松快捷。我们的经验意味着我们可以帮助您缩短开发时间,并确保我们推荐的子系统具有最佳性能/尺寸比,以满足您的确切要求。
3级SDV标准为最终用户提供了明确的路线图,以了解和体验软件定义的车辆的好处。从开发的角度来看,由于ECU和单功能控制器的数量,传统的EE体系结构非常复杂。软件定义可以合并,降低硬件复杂性。但是,它大大提高了软件开发的复杂性。为了解决这个问题,我们应该寻求标准化基础软件并在所有SDV级别上利用它。一旦我们确定了此基础平台的组成部分,通过利用通用软件元素
摘要:中国拟建的超级金牛座神灯装置(STCF)是新一代正负电子对撞机,质心能量为2~7 GeV,峰值亮度为0.5×1035cm−2s−1。开发了STCF离线软件(OSCAR),支持离线数据处理,包括探测器仿真、重建、刻度以及物理分析。针对STCF的具体要求,OSCAR基于HEP实验轻量级通用软件SNiPER框架进行设计和开发。除了常用的 Geant4 和 ROOT 软件外,OSCAR 还采用了 HEP 社区中一些最先进的软件包和工具,例如探测器描述工具包 (DD4hep)、普通旧数据 I / O (podio) 和英特尔线程构建模块 (TBB) 等。本文将介绍 OSCAR 的总体设计和一些实现细节,包括事件数据管理、基于 SNiPER 和 TBB 的并行数据处理以及基于 DD4hep 的几何管理系统。目前,OSCAR 已全面投入使用,以促进 STCF 探测器的概念设计和其物理潜力的研究。
比以往任何时候都更加紧急地需要新的科学知识,以应对气候变化,可持续性,健康和社会福祉等全球挑战。人工智能(AI)可以加速科学以及时应对这些全球挑战吗?AI已经在彻底改变了个人科学学科,但是我们在这里认为这可能是更全面的和包容的。我们将虚拟实验室的概念介绍为科学知识产生的新观点,并激励新的AI研究和发展。尽管经常有特定于领域的研究实践和固有的隐性知识,但我们认为,研究过程的许多要素跨科学领域复发,即使是用于为不同领域服务的通用软件平台也是可能的。我们概述了虚拟实验室如何使AI研究人员更容易为广泛的科学领域做出贡献,并强调虚拟实验室为AI和域科学家提供的共同利益。
摘要 - 使用频谱传感和射频识别技术的新结构健康监测(SHM)计划提出了衡量结构性应变。与高端设备相比,涉及通用软件无线电外围设备(USRP)的拟议程序为这类测量方法提供了一种经济的替代方案,而该方法可以实现更灵活的数据处理。应变检测的整体系统由三个主要部分组成:1)斑块天线作为应变的传感器; 2)USRP作为测量工具; 3)用于数据处理的计算机。由于天线长度的变化,斑块天线可用于通过探视谐振频移来测量结构应变。在本文中,我们使用应用于USRP的优化能量检测算法来检测贴片天线的光谱,最终测量结果表明,斑块天线传感器具有应变敏感性1.7678 kHz/ µε,而测量值的误差和应力值之间的误差和2.4443的真实值是2.4443%的计算机。
项目标题3D视觉驱动的机器人Yunhui Liu教授(机械和自动化工程系)对于物流机器人有限公司,Wei Chen研究生,机械与自动化工程系Kejing博士Kejing He Postdoctoral Begrill,香港物流中心机器人有限公司有限公司; Qi Dou教授,计算机科学与工程学系Chi Wing Fu教授,计算机科学与工程项目的教授教授教授现有机器人在没有任何视觉反馈的情况下工作,或者使用慢速视觉反馈工作,以便它们无法在自然动态环境中安全地自适应,并且有很多不确定性。该项目旨在开发和商业化3D Vision驱动机器人的技术和产品,这些机器人实现有效,实时的眼睛 - 脑运动协调,以更加适应性,更快,更安全的互动与人类,自然工作环境中的其他机器人和对象。将要开发的尖端技术包括实时3D成像传感器和感知算法,以及支持机器人高频性发音大型运动协调的通用软件和硬件平台。我们将与工业合作伙伴密切合作,以在智能物流,智能城市,智能建筑和智能制造业中商业化3D Vision驱动的机器人。
近几十年来,卫星遥感系统的快速发展导致从各种观测仪器获得的卫星数据量呈爆炸式增长 [1]。地球遥感数据的应用领域正在扩大,因为这些数据现在广泛应用于自然环境和人为物体领域的各种研究和应用任务。反过来,所有这些都导致对提供卫星数据处理的系统的需求显著增加,特别是对维护卫星数据档案的系统的需求,这些系统为数据分析提供了后端。现代卫星数据存档系统的主要要求之一是支持操作具有不同技术特性(观测频率、空间分辨率、观测重复性等)的观测设备获得的异构卫星数据。这导致需要统一数据存档程序、开发通用数据库结构和实现通用软件接口以访问各种卫星数据类型。另一个重要要求是支持超大型分布式卫星数据档案,这使得位于多个卫星数据获取和存储中心的档案能够联合运行,从而形成单一信息资源。因此,无论用户身在何处,他们都可以访问数据。
摘要:众所周知,共享硬件元素(例如缓存)会引入微架构侧信道泄漏。消除这种泄漏的一种方法是不跨安全域共享硬件元素。然而,即使在无泄漏硬件的假设下,其他关键系统组件(例如操作系统)是否会引入软件引起的侧信道泄漏仍不清楚。在本文中,我们提出了一种新颖的通用软件侧信道攻击 KernelSnitch,针对内核数据结构(例如哈希表和树)。这些结构通常用于存储内核和用户信息,例如用户空间锁的元数据。KernelSnitch 利用了这些数据结构的大小可变的特性,范围从空状态到理论上任意数量的元素。访问这些结构所需的时间取决于元素的数量(即占用率)。这种变化构成了一个定时侧信道,可被非特权的孤立攻击者从用户空间观察到。虽然与系统调用运行时相比,时间差异非常小,但我们演示并评估了可靠地放大这些时间差异的方法。在三个案例研究中,我们表明 KernelSnitch 允许非特权和孤立的攻击者泄露来自内核和其他进程活动的敏感信息。首先,我们演示了传输速率高达 580 kbit/s 的隐蔽通道。其次,我们利用 Linux 在哈希表中使用的特定索引,在不到 65 秒的时间内执行了内核堆指针泄漏。第三,我们演示了网站指纹攻击,F1 分数超过 89%,表明可以使用 KernelSnitch 观察到其他用户程序中的活动。最后,我们讨论了针对与硬件无关的攻击的缓解措施。