边缘计算2.0时代存得挑战
|
如果说有某个领域为人类所独有，那就是感知了。数十年来，我们尝试模仿人类的能力去感知周围的世界，却鲜有成功。理解一幅图画或将语音转文字的复杂度使其几乎无法用编程的方式实现——想象一下如何用一步步的指令来定义图片里的一匹马。 机器学习算法更适合解决这类问题。然而，传统机器学习算法在处理感知任务时的准确性与人类能做到的程度相去甚远(我仍然记得在Windows Vista上给开发们演示语音识别功能的情景……这件事教我学会要做个更坚强的人!)。 以图像分类为例。ImageNet是图像分类中最著名的挑战。自2010年起，全球的参与者提交他们的算法来创建最精准的模型。在竞赛初期(即2010年)，能达到的较好的误差率约在25%左右。作为比较，同一数据集下人类对应的误差率约为5.1%。 到了2012年，Alex Krizhevsky(一位来自多伦多大学的学生)提交了他的方案：一个包含8层名为AlexNet的神经网络。AlexNet击败了其他竞争对手，达到了15.3%的误差率—比仅次于他的竞争者低了10个点。 在接下来的数年内，他引入的技术被持续改进并增加了更多层数，直到2014年，一个名为GoogLeNet的22层神经网络达到了6.7%的误差率。 次年，一个来自微软研究院的团队提交了使用全新神经网络技术的作品，其神经网络的深度达到了超大的152层，误差率仅为3.57%，首次超过了人类的表现。 深度学习永远地改变了计算机视觉。如今，这项技术实际上已经被用于计算机视觉的所有高精度场景，这使其成为企业中最常见的用例。以下是一些计算机视觉在当今的应用：
在Tenable的研究中，漏洞的增加并不是唯一需要关注的趋势。截至10月30日，在该年度，该报告共确定730起公共数据泄露事件和220亿条暴露记录。此外，超过35%的零日漏洞是基于浏览器，并且发现18个勒索软件团伙在运行泄漏站点。 研究人员在报告中写道：“勒索软件仍然是当今企业面临的最大威胁。对于勒索软件而言，勒索是关键：勒索软件仍然是最具破坏性的全球网络威胁。” 勒索软件攻击加剧未修补漏洞和数据泄露。 未修补漏洞使敏感数据和系统遭暴露，“为勒索软件攻击者提供绝佳机会”。该报告发现，超过35%的数据泄露事故与勒索软件攻击有关，“这通常导致巨大的财务损失”。 2019年的漏洞仍然在发挥作用 2020年充斥着攻击、数据泄露事故和安全事件，同时远程办公人员增加等，但让Tenable担忧的是2019年发现的漏洞仍然在发挥作用-特别是虚拟专用网漏洞。 Narang说：“在2020年的所有18,000个漏洞中，如果你查看2020年的前五个漏洞，其中三个来自2019年，2019年的这三个漏洞是你需要重点关注的漏洞，这是因为它们仍然构成问题。” 这包括CVE-2018-13379：Fortinet FortiOS SSL虚拟专用网 Web Portal Information，CVE-2019-11510：Arbitrary File Disclosure in Pulse Connect Secure以及CVE-2019-19781: Citrix Application Delivery Controller (ADC) and Gateway。针对这些漏洞的修复程序已于2019年发布。 “ 这些漏洞正在被非常有决心的国家行为者利用。我想特别强调修复这些漏洞的重要性，因为这是通向你网络的网关，对我们所有人来说，这都非常重要。”
对于整体漏洞披露，在2021年的第一个月，这种情况似乎没有改善。Tenable研究人员在周二的博客文章中指出，在2021年的第一个补丁周二中，微软修复83个CVE，其中10个被评为关键。 （编辑：孝感站长网） 【声明】本站内容均来自网络，其相关言论仅代表作者个人观点，不代表本站立场。若无意侵犯到您的权利，请及时与联系站长删除相关内容! |
