Tootfinder

Republikaner erhöhen Druck auf Trump bei Russland-Sanktionen
Zwei republikanische US-Abgeordnete wollen scharfe Sanktionen gegen Russland wegen des Krieges in der Ukraine erzwingen, indem sie ihren Gesetzentwurf an ein dringend benötigtes Gesetz zur Finanzierung der Regierung koppeln. Der Senator Lindsey Graham und der Abgeordnete des Repräsentantenhauses, Brian Fitzpatrick, kündigten an, sie würden…
🔗

Selenskyj drängt auf schärfere Russland-Sanktionen - Trump zeigt sich offen
Präsident Selenskyj fordert nach den schweren russischen Angriffen auf die Ukraine eine Reaktion der Weltgemeinschaft. US-Präsident Trump zeigte sich offen für neue Sanktionen. Er sei "nicht glücklich" über die ganze Situation.

Kellogg: Angriff Zeichen für Eskalation Russlands
Der US-Sonderbeauftragte für die Ukraine, Keith Kellogg, erklärte, dass der jüngste Angriff Russlands auf Kiew kein Zeichen dafür sei, dass Moskau den Krieg in der Ukraine auf diplomatischem Wege beenden wolle. "Russland scheint mit dem größten Angriff des Krieges auf die Büros des ukrainischen Kabinetts in Kiew zu eskalieren", schrieb Kellogg auf X.
🔗

EU-Empörung nach Angriffen auf Ukraine: "Der Kreml verhöhnt die Diplomatie"
Verbündete der Ukraine zeigen sich nach den neuen schweren Angriffen auf das Land fassungslos. Mindestens vier Zivilisten starben - das zeige: Der Kreml wolle keinen Frieden. Die EU will ihren Druck auf Russland erhöhen.

Data Management System Analysis for Distributed Computing Workloads
Kuan-Chieh Hsu, Sairam Sri Vatsavai, Ozgur O. Kilic, Tatiana Korchuganova, Paul Nilsson, Sankha Dutta, Yihui Ren, David K. Park, Joseph Boudreau, Tasnuva Chowdhury, Shengyu Feng, Raees Khan, Jaehyung Kim, Scott Klasky, Tadashi Maeno, Verena Ingrid Martinez Outschoorn, Norbert Podhorszki, Fr\'ed\'eric Suter, Wei Yang, Yiming Yang, Shinjae Yoo, Alexei Klimentov, Adolfy Hoisie

Data Management System Analysis for Distributed Computing Workloads
Large-scale international collaborations such as ATLAS rely on globally distributed workflows and data management to process, move, and store vast volumes of data. ATLAS's Production and Distributed Analysis (PanDA) workflow system and the Rucio data management system are each highly optimized for their respective design goals. However, operating them together at global scale exposes systemic inefficiencies, including underutilized resources, redundant or unnecessary transfers, and altered erro…

Incentives and Outcomes in Bug Bounties
Serena Wang, Martino Banchio, Krzysztof Kotowicz, Katrina Ligett, R. Preston McAfee, Eduardo' Vela'' Nava
https://arxiv.org/abs/2509.16655

Incentives and Outcomes in Bug Bounties
Bug bounty programs have contributed significantly to security in technology firms in the last decade, but little is known about the role of reward incentives in producing useful outcomes. We analyze incentives and outcomes in Google's Vulnerability Rewards Program (VRP), one of the world's largest bug bounty programs. We analyze the responsiveness of the quality and quantity of bugs received to changes in payments, focusing on a change in Google's reward amounts posted in July, 2024, in which …

CGSim: A Simulation Framework for Large Scale Distributed Computing Environment
Sairam Sri Vatsavai, Raees Khan, Kuan-Chieh Hsu, Ozgur O. Kilic, Paul Nilsson, Tatiana Korchuganova, David K. Park, Sankha Dutta, Yihui Ren, Joseph Boudreau, Tasnuva Chowdhury, Shengyu Feng, Jaehyung Kim, Scott Klasky, Tadashi Maeno, Verena Ingrid Martinez, Norbert Podhorszki, Fr\'ed\'eric Suter, Wei Yang, Yiming Yang, Shinjae Yoo, Alexei Klimentov, Adolfy Hoisie

CGSim: A Simulation Framework for Large Scale Distributed Computing Environment
Large-scale distributed computing infrastructures such as the Worldwide LHC Computing Grid (WLCG) require comprehensive simulation tools for evaluating performance, testing new algorithms, and optimizing resource allocation strategies. However, existing simulators suffer from limited scalability, hardwired algorithms, lack of real-time monitoring, and inability to generate datasets suitable for modern machine learning approaches. We present CGSim, a simulation framework for large-scale distribu…

Machine Learning-Driven Predictive Resource Management in Complex Science Workflows
Tasnuva Chowdhury, Tadashi Maeno, Fatih Furkan Akman, Joseph Boudreau, Sankha Dutta, Shengyu Feng, Adolfy Hoisie, Kuan-Chieh Hsu, Raees Khan, Jaehyung Kim, Ozgur O. Kilic, Scott Klasky, Alexei Klimentov, Tatiana Korchuganova, Verena Ingrid Martinez Outschoorn, Paul Nilsson, David K. Park, Norbert Podhorszki, Yihui Ren, John Rembrandt Steele, Fr\'ed\'eric Suter, Sairam Sri Vatsavai, Torre Wenaus,…

Machine Learning-Driven Predictive Resource Management in Complex Science Workflows
The collaborative efforts of large communities in science experiments, often comprising thousands of global members, reflect a monumental commitment to exploration and discovery. Recently, advanced and complex data processing has gained increasing importance in science experiments. Data processing workflows typically consist of multiple intricate steps, and the precise specification of resource requirements is crucial for each step to allocate optimal resources for effective processing. Estimat…