MétaCan
Menu
Retour à la cohorte
Enregistrement W4315488978 · doi:10.1109/cdc51059.2022.9993125

Enforcing Degree of Opacity with Supervisory Control

2022· article· en· W4315488978 sur OpenAlexaff
Bryony H. Schonewille, Richard Hugh Moulton, Karen Rudie

Notice bibliographique

Revue2022 IEEE 61st Conference on Decision and Control (CDC) · 2022
Typearticle
Langueen
DomaineComputer Science
ThématiquePetri Nets in System Modeling
Établissements canadiensQueen's University
Organismes subventionnairesnon disponible
Mots-clésSupervisory controlOpacityDegree (music)Control (management)Computer scienceArtificial intelligencePhysicsAcoustics

Résumé

récupéré en direct d'OpenAlex

The opacity-enforcement problem in discrete-event systems is one of ensuring that an adversarial observer cannot determine a given system’s secret. Although the problem has been well studied, existing formulations enforce opacity as a binary notion: a system is either opaque or it isn’t. Here we introduce a more general measure of a system’s opacity called degree of opacity. This measure can be used to assess the security of systems with respect to different criteria through the quantification of the level of security. We demonstrate how the subobserver property allows supervisory control to produce a closed-loop system whose overall degree of opacity meets a desired threshold. We demonstrate that degree of opacity can be used in place of the traditional, binary definition and argue that many applications will benefit from this nuanced view.

Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.

Comment cette classification a été obtenuedéplier

Prédiction machine sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.

score de la tête « metaresearch » (Codex)0,007
score de la tête « metaresearch » (Gemma)0,027
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Théorique ou conceptuel · Signal consensuel: Théorique ou conceptuel
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,007
Score d'incertitude au seuil0,036

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0070,027
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0010,001
Études des sciences et des technologies0,0010,007
Communication savante0,0030,006
Science ouverte0,0020,006
Intégrité de la recherche0,0010,004
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

Scores machine (provisoires)

Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.

Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.

Tête enseignante Opus0,064
Tête enseignante GPT0,252
Écart entre enseignants0,188 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeThéorique ou conceptuel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations2
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revue2022 IEEE 61st Conference on Decision and Control (CDC)Même sujetPetri Nets in System ModelingTravaux en français237 207