近日，美国情报高级研究项目署（Intelligence Advanced Research Projects Activity，IARPA）发布两个信息征求通知（Request for Information，RFI），要求行业厂商向其提供“机器学习和深度学习”和“针对移动设备的便携式散热技术”两个方向的研究建议。

对于“机器学习和深度学习”方向，情报高级研究项目署特别感兴趣于从“具备实施当前及前沿机器学习技术的知识和经验、有资格参与绝密/敏感隔离信息（TOP SECRET//SCI）密级项目，并拥有持有密级资质的人员和必要网络访问权限”的机构处了解项目技术的研究建议。对于“针对移动设备的便携式散热技术”方向，情报高级研究项目署指出其希望将智能手机改造为多种传感器的处理设备，并放置在因为阳光照射内部温度迅速超过170华氏度（77摄氏度）汽车等位置中——在这个温度条件下，智能手机的电池将可能破损、燃烧甚至爆炸，使智能手机、周边传感器乃至车辆本身损毁。因此情报高级研究项目署要求获得解决两个问题：应对移动设备在重度使用下其自身电子元件所产生的内部热负荷、以及保护设备免遭最高170华氏度环境温度损坏的解决方案。情报高级研究项目署还特别指出，如果厂商提出的研究建议需要能源，那么能源应包含在解决方案的部件清单内，而不能使用智能手机的电池作为能源，该机构特别鼓励不使用能源的创新散热方案。

情报高级研究项目署近期还推出了两项新的有奖技术挑战“可信性评估标准化测评挑战（Credibility Assessment Standardized Evaluation Challenge，CASE）”和“扩展视频中的活动有奖挑战（Activities in Extended VideoPrize Challenge，ActEV）”。

针对CASE挑战，情报高级研究项目署指出当前并没有可用于评估“可信性评估工具（Credibility assessment tools）”准确性的标准化体系，尽管“迄今为止不计其数的研究活动已提出若干可信性评估技术，并试图使用这些技术来判断来源或消息是否可信，特别是判断一个人正在说谎还是讲真话”，但“目前依然难以获得一个可用于在多种应用场景中判断来源和信息可信性的验证工具集”。

对于ActEV挑战，情报高级研究项目署希望能邀请来自全球的跨学科团队参与这项旨在形成可检测并定位视频中活动的算法。该挑战将以两个挑战进行组织：第一阶段对所有提供解决方案的团队开放，第二阶段则由美国国家标准与技术学会（National Institute for Standards and Technology，NIST）组织，将利用单独的数据集对第一阶段得分最高的八个解决方案进行独立测评。情报高级研究项目署指出，近年来各类视频数据的数据量快速增长，但针对实时警报、归类和取证分析的视频处理能力却没有与之相匹配的发展，这使得用户无法应对海量的视频数据，而“可在扩展视频中识别和定位活动的自动化方法，则是减轻人类操作者处理压力的必要手段”。

声明：本文来自国际安全简报，版权归作者所有。文章内容仅代表作者独立观点，不代表士冗科技立场，转载目的在于传递更多信息。如有侵权，请联系 service@expshell.com。