CNET科技資訊網(wǎng) 5月3日 北京消息(文/齊豐潤(rùn)): 技術(shù)的飛速發(fā)展帶來(lái)的是安全行業(yè)越來(lái)越受到重視,同時(shí)也讓各種新技術(shù)得以在安全領(lǐng)域中大膽的去應(yīng)用。當(dāng)下,越來(lái)越多的網(wǎng)絡(luò)安全公司開(kāi)始利用深度學(xué)習(xí)、自動(dòng)化處理、人工智能等技術(shù)手段對(duì)數(shù)據(jù)進(jìn)行深度分析,改善安全防御體系,實(shí)現(xiàn)對(duì)威脅的快速及時(shí)響應(yīng)和控制。
在2017北京國(guó)際互聯(lián)網(wǎng)科技博覽會(huì)暨世界網(wǎng)絡(luò)安全大會(huì)上,“阿里聚安全算法挑戰(zhàn)賽”進(jìn)行了現(xiàn)場(chǎng)答辯,并最終決出了優(yōu)勝者。據(jù)了解,此次答辯賽總共有15名選手入圍。最后,StanTheMan戰(zhàn)隊(duì)勇奪冠軍,并獲得150000元的現(xiàn)金大獎(jiǎng)和8月份赴加拿大參加國(guó)際頂級(jí)數(shù)據(jù)挖掘會(huì)議KDD 2017的學(xué)習(xí)機(jī)會(huì);Waterdrop戰(zhàn)隊(duì)、SmartIDS戰(zhàn)隊(duì)分獲亞軍和季軍;secAI_LYL戰(zhàn)隊(duì)和freelife戰(zhàn)隊(duì)獲得第四名。
本屆線上選拔賽賽題包括了《人機(jī)行為識(shí)別》、《SQL注入檢測(cè)》和《社區(qū)反垃圾》,首次把風(fēng)控、網(wǎng)絡(luò)安全及內(nèi)容安全的多維度數(shù)據(jù)結(jié)合的算法比賽。據(jù)悉,“阿里聚安全算法挑戰(zhàn)賽”吸引了來(lái)自全球1000多支參賽隊(duì)伍,其中不乏中國(guó)科學(xué)院、北京大學(xué)、浙江大學(xué)等眾多高校人才,也有大數(shù)據(jù)行業(yè)資深人士、網(wǎng)絡(luò)安全專(zhuān)家、企業(yè)和創(chuàng)業(yè)者參與。
參賽選手表示,“阿里聚安全舉辦的這次比賽非常好,對(duì)于我來(lái)說(shuō),這是一次極好的‘實(shí)戰(zhàn)’機(jī)會(huì)。賽題采用了阿里巴巴安全部真實(shí)匯總的數(shù)據(jù),而且有阿里云強(qiáng)大計(jì)算力的支持。另外,本次比賽還把風(fēng)控、網(wǎng)絡(luò)安全及內(nèi)容安全進(jìn)行了很好的結(jié)合,對(duì)選手的能力是一個(gè)非常大的挑戰(zhàn),也讓我們得到了提升。”
將AI融入到安全中已經(jīng)成為了行業(yè)的新趨勢(shì)。但在當(dāng)前,很多擁有豐富的安全行業(yè)經(jīng)驗(yàn)的工程師,并沒(méi)有專(zhuān)業(yè)且海量的數(shù)據(jù)供其研究。相對(duì)的,對(duì)于專(zhuān)注于算法領(lǐng)域的工程師來(lái)說(shuō),其在一定程度上又缺乏對(duì)安全的認(rèn)知。這使得從人才層面上,安全+AI的應(yīng)用就面臨了很多難點(diǎn)。
為此,阿里安全打造了開(kāi)放平臺(tái)阿里聚安全,在依托阿里巴巴十余年的安全領(lǐng)域詞庫(kù)沉淀,每天百億級(jí)的交易、近百PB的數(shù)據(jù)下,為企業(yè)提供安全能力的同時(shí),還為業(yè)界輸出計(jì)算能力和專(zhuān)業(yè)數(shù)據(jù),幫助算法專(zhuān)家和安全專(zhuān)家更好地互通,融合網(wǎng)絡(luò)安全和人工智能兩大熱門(mén)領(lǐng)域。
據(jù)悉,阿里聚安全的數(shù)據(jù)風(fēng)控、內(nèi)容安全服務(wù)已經(jīng)大量應(yīng)用人工智能和深度學(xué)習(xí)技術(shù),使用成熟的模型和算法,實(shí)時(shí)預(yù)警分析,可大幅度幫助企業(yè)降低人力成本,并提升業(yè)務(wù)風(fēng)險(xiǎn)的防控能力。
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。