當(dāng)?shù)貢r(shí)間周四,安全公司Netcraft發(fā)現(xiàn)了EA游戲服務(wù)器的兩處網(wǎng)絡(luò)釣魚(yú)漏洞,黑客通過(guò)這些漏洞,可非法獲得蘋(píng)果ID、Origin密碼及相關(guān)的付款信息。
如果最近在EA游戲子域名下,用戶發(fā)現(xiàn)系統(tǒng)一直提示要求用戶輸入蘋(píng)果ID、支付和安全證書(shū)等,這意味著已經(jīng)遭受黑客攻擊,因此用戶應(yīng)立即更改賬號(hào)密碼。同樣,在過(guò)去一周時(shí)間里,如果用戶登錄過(guò)EA Origin子域名,也應(yīng)盡快修改密碼、賬戶連接。
安全公司Netcraft稱,在EA游戲服務(wù)器上發(fā)現(xiàn)了一處能夠竊取用戶蘋(píng)果ID的網(wǎng)絡(luò)釣魚(yú)欺詐漏洞;而第二個(gè)網(wǎng)絡(luò)釣魚(yú)欺詐通過(guò)偽裝成EA Origin登錄頁(yè)面,騙取用戶的EA Origin登錄密碼,據(jù)悉,EA Origin擁有約930萬(wàn)用戶,倍受用戶青睞。
針對(duì)這些安全漏洞,EA公司向媒體表示:“我們發(fā)現(xiàn)了EA游戲服務(wù)器上的安全漏洞,我們已經(jīng)將其隔離。我們確信類似的攻擊不會(huì)再次發(fā)生。”但EA沒(méi)有評(píng)論EA Origin偽裝登錄頁(yè)面安全隱患處理情況。
Netcraft稱,EA Origin偽裝登錄頁(yè)面運(yùn)行至少已有一周時(shí)間。但目前尚不清楚這些釣魚(yú)網(wǎng)站運(yùn)行的具體時(shí)間、不清楚蘋(píng)果ID被盜具體數(shù)目。
Netcraft稱,獲得2008版本W(wǎng)ebCalendar 1.2.0更新的EA游戲服務(wù)器,可以避免出現(xiàn)上述問(wèn)題。“其中的一個(gè)網(wǎng)絡(luò)釣魚(yú)漏洞內(nèi)容,很有可能和WebCalendar應(yīng)用程序存在于同一個(gè)目錄下。”
Netcraft提醒,在過(guò)去一周時(shí)間里,對(duì)于那些反復(fù)輸入蘋(píng)果ID 和安全問(wèn)題的用戶,應(yīng)該立即修改他們的ID密碼和安全信息,同時(shí)應(yīng)修改與密碼關(guān)聯(lián)的任何賬號(hào)信息。
好文章,需要你的鼓勵(lì)
新加坡國(guó)立大學(xué)研究團(tuán)隊(duì)開(kāi)發(fā)了SPIRAL框架,通過(guò)讓AI與自己對(duì)弈零和游戲來(lái)提升推理能力。實(shí)驗(yàn)顯示,僅訓(xùn)練AI玩簡(jiǎn)單撲克游戲就能讓其數(shù)學(xué)推理能力提升8.6%,通用推理提升8.4%,且無(wú)需任何數(shù)學(xué)題目作為訓(xùn)練材料。研究發(fā)現(xiàn)游戲中的三種推理模式能成功轉(zhuǎn)移到數(shù)學(xué)解題中,為AI訓(xùn)練提供了新思路。
同濟(jì)大學(xué)團(tuán)隊(duì)開(kāi)發(fā)的GIGA-ToF技術(shù)通過(guò)融合多幀圖像的"圖結(jié)構(gòu)"信息,創(chuàng)新性地解決了3D相機(jī)噪聲問(wèn)題。該技術(shù)利用圖像間的不變幾何關(guān)系,結(jié)合深度學(xué)習(xí)和數(shù)學(xué)優(yōu)化方法,在合成數(shù)據(jù)集上實(shí)現(xiàn)37.9%的精度提升,并在真實(shí)設(shè)備上展現(xiàn)出色泛化能力,為機(jī)器人、AR和自動(dòng)駕駛等領(lǐng)域提供更可靠的3D視覺(jué)解決方案。
伊利諾伊大學(xué)研究團(tuán)隊(duì)通過(guò)對(duì)比實(shí)驗(yàn)發(fā)現(xiàn),經(jīng)過(guò)強(qiáng)化學(xué)習(xí)訓(xùn)練的視覺(jué)語(yǔ)言模型雖然表現(xiàn)出"頓悟時(shí)刻"現(xiàn)象,但這些自我糾錯(cuò)行為并不能實(shí)際提升推理準(zhǔn)確率。研究揭示了AI模型存在"生成-驗(yàn)證差距",即生成答案的能力強(qiáng)于驗(yàn)證答案質(zhì)量的能力,且模型在自我驗(yàn)證時(shí)無(wú)法有效利用視覺(jué)信息,為AI多模態(tài)推理發(fā)展提供了重要啟示。
MIT等頂尖機(jī)構(gòu)聯(lián)合提出SparseLoRA技術(shù),通過(guò)動(dòng)態(tài)稀疏性實(shí)現(xiàn)大語(yǔ)言模型訓(xùn)練加速1.6倍,計(jì)算成本降低2.2倍。該方法使用SVD稀疏性估計(jì)器智能選擇重要計(jì)算部分,在保持模型性能的同時(shí)顯著提升訓(xùn)練效率,已在多個(gè)任務(wù)上驗(yàn)證有效性。