IoT devices
PulseAugur coverage of IoT devices — every cluster mentioning IoT devices across labs, papers, and developer communities, ranked by signal.
2 天有情绪数据
-
数字化孪生技术通过实时数据和人工智能革新海事运营
数字化孪生技术通过创建船舶及其系统的虚拟副本，正在革新海事行业。这些数字模型利用来自传感器的实时数据，结合人工智能和机器学习，来监控性能、预测故障并优化运营。这种方法能够实现预测性维护，提高燃油效率，并增强在充满挑战的海洋环境中的整体船舶安全性和可靠性。
-
LLM被用于大规模高精度识别物联网设备
研究人员开发了一种新颖的方法，通过将网络流量元数据视为语言建模任务，以大规模识别物联网（IoT）设备。他们使用大型语言模型构建了一个高保真度的供应商标签数据集，然后在此数据上对LLaMA 3.1 8B模型进行了指令微调。这种方法在设备识别方面取得了高精度，并对数据缺失、协议漂移和对抗性操纵表现出鲁棒性，将LLM定位为可信赖的物联网设备识别的可扩展基础。
-
使用开源大语言模型演示了 AI 驱动的自适应计算机蠕虫
研究人员开发了一种原型 AI 驱动的蠕虫，该蠕虫能够利用大语言模型 (LLM) 实时调整其攻击策略。与利用特定漏洞的传统蠕虫不同，这种自适应蠕虫使用递归推理循环来检测和利用其在网络上传播时的各种漏洞。该蠕虫能够自我复制、颠覆系统控制，并利用受害者的计算资源，从而有效地将攻击者的成本降至零。这一发展标志着网络威胁能力发生了重大转变，因为它表明即使是运行在本地 GPU 上的较小的开源大语言模型也可能构成重大的网络安全风险。
-
人工智能加剧医疗保健网络安全风险，导致破纪录的泄露成本
人工智能正在给医疗保健行业带来重大的新网络安全挑战，而该行业本已是网络攻击的主要目标。虽然人工智能在药物发现和诊断等领域提供了革命性的好处，但它也使攻击者能够获得用于网络钓鱼、社会工程和快速网络利用的先进工具。医疗保健行业广泛的数字足迹，包括人工智能、物联网设备和遗留系统，再加上频繁的内部威胁和未修补的漏洞，使其特别容易遭受代价高昂的数据泄露。
-
研究人员利用被劫持的LLM创建自适应AI蠕虫
IT研究人员开发了一种自适应AI蠕虫，能够跨越各种操作系统和设备传播。该蠕虫利用受感染的计算机运行大型语言模型，使其能够在不增加攻击者计算成本的情况下维持其决策能力并扩大攻击范围。研究人员通过利用企业网络中常见的漏洞，成功地在一个受控网络环境中演示了其传播能力。
-
AI驱动的蠕虫可以自主适应和传播
研究人员开发了一种AI驱动的计算机蠕虫原型，该蠕虫可以实时调整其攻击策略。这种新型恶意软件利用受损机器上运行的开放权重大型语言模型，为每个目标生成定制的漏洞利用。该蠕虫可以在包括Linux、Windows和物联网设备在内的各种平台上传播，并且它利用被盗计算资源的能力使得攻击者的感染成本几乎为零，从而在经济上造成防御者与攻击者之间严重的不平衡。研究人员强调，迫切需要针对这些自主的、生成式的网络威胁制定新的防御策略。
-
LLM智能体在可再生能源预测中的应用综述
本综述论文探讨了大型语言模型（LLM）智能体在增强可再生能源预测方面的应用。文章研究了LLM智能体如何整合来自物联网设备、天气API和历史记录的各种数据流，以提高电网稳定性和运营规划。该论文提出了一个用于这些预测工作流程的六层分类法，并确定了十二个开放性挑战，包括实时部署、模型漂移和不确定性量化。