在當(dāng)?shù)貢r(shí)間周二發(fā)布的補(bǔ)丁軟件中,微軟修正了一處“潛伏”了19年之久的安全漏洞。
BBC(英國(guó)廣播公司)當(dāng)?shù)貢r(shí)間周三報(bào)道,這一安全漏洞是由IBM研究人員發(fā)現(xiàn)的,他們后來(lái)與微軟聯(lián)合開(kāi)發(fā)了補(bǔ)丁軟件。如果用戶通過(guò)IE瀏覽惡意網(wǎng)頁(yè),名為WinShock的這一漏洞就可以被用來(lái)在計(jì)算機(jī)上遠(yuǎn)程執(zhí)行代碼。一旦計(jì)算機(jī)被感染,就會(huì)受到黑客遠(yuǎn)程控制。
WinShock影響自Windows 95以來(lái)的所有桌面版Windows操作系統(tǒng)。WinShock被發(fā)現(xiàn)表明,軟件中的安全漏洞潛伏期可以長(zhǎng)達(dá)數(shù)年,甚至更長(zhǎng)時(shí)間。這也是PC技術(shù)存在的基本漏洞。盡管及時(shí)安裝補(bǔ)丁軟件有助于提高系統(tǒng)安全性,但是,有安全意識(shí)的用戶也可能面臨被攻擊的風(fēng)險(xiǎn),尤其是漏洞沒(méi)有被發(fā)現(xiàn)、得到修正的情況下。
IBM對(duì)WinShock危險(xiǎn)等級(jí)的評(píng)分為9.3分(滿分為10分,分?jǐn)?shù)越高越危險(xiǎn)),意味著它風(fēng)險(xiǎn)非常高。盡管已經(jīng)潛伏19年,但I(xiàn)BM沒(méi)有發(fā)現(xiàn)利用它興風(fēng)作浪的惡意代碼。
微軟解釋了這一漏洞對(duì)用戶系統(tǒng)的影響,“黑客可以設(shè)計(jì)一個(gè)能通過(guò)IE利用該漏洞的惡意網(wǎng)站,然后引誘用戶訪問(wèn)。但是,黑客不能強(qiáng)迫用戶瀏覽他們控制的內(nèi)容,而必須通過(guò)引誘用戶點(diǎn)擊電子郵件或即時(shí)通訊消息中的鏈接,訪問(wèn)惡意網(wǎng)站,或通過(guò)打開(kāi)電子郵件中的附件感染用戶的計(jì)算機(jī)。漏洞本身必須依靠IE才能傳播。”微軟稱(chēng),最危險(xiǎn)的是“那些頻繁使用IE瀏覽器的系統(tǒng),例如工作站或終端服務(wù)器”。
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。