边摸边吃奶边做爽免费视频99,亚洲无码国产一区、二区,99re6在线视频精品免费

英美兩國建立全球首個涉AI安全雙邊協(xié)議

美國東部時間 4 月 1 日晚，美國和英國簽署了一項具有里程碑意義的 AI 相關協(xié)議，雙方宣布建立人工智能安全科學合作伙伴關系。這也是全球首個關于人工智能安全的雙邊協(xié)議。該協(xié)議明確，英國去年 11 月成立的新 AI 安全研究所和美國同類機構，將通過借調兩國研究人員來互相交流專業(yè)知識。

發(fā)表于：4/3/2024

主流壓縮軟件XZ-utils被曝后門

日前，開源軟件xz-utils被曝5.6.0到5.6.1版本，存在被供應鏈攻擊并植入后門風險。統(tǒng)信軟件官方宣布，已對旗下所有產(chǎn)品完成了排查，確認包括統(tǒng)信UOS桌面操作系統(tǒng)與服務器操作系統(tǒng)各版本均不受其影響，用戶可以放心使用。

發(fā)表于：4/2/2024

新加坡電信打造量子安全解決方案

新加坡電信打造量子安全解決方案據(jù)新加坡電信發(fā)布的官方消息，這家運營商與思科、飛塔、諾基亞簽署了三份諒解備忘錄，共同為企業(yè)用戶提供量子安全解決方案。

發(fā)表于：4/2/2024

【技術沙龍】數(shù)據(jù)要素資產(chǎn)化開啟網(wǎng)絡安全行業(yè)新紀元

在數(shù)字經(jīng)濟迅猛發(fā)展的當下，數(shù)據(jù)已成為推動社會進步的核心要素之一。我們正見證著一個歷史性的轉變,數(shù)據(jù)要素資產(chǎn)化正在重塑經(jīng)濟結構，尤其是在網(wǎng)絡安全領域，它開辟了前所未有的機遇與挑戰(zhàn)！

發(fā)表于：4/1/2024

美國電信巨頭AT&T數(shù)據(jù)泄露：涉及數(shù)百萬用戶信息

美國電信巨頭AT&T近日陷入了一場嚴重的個人數(shù)據(jù)泄露風波，引發(fā)了廣泛關注和擔憂。該公司已緊急向數(shù)百萬用戶通報了這一事件，并采取了多項措施來應對潛在的安全風險。據(jù)AT&T官方聲明，他們已經(jīng)對受影響用戶的密碼進行了重置，以確保賬戶安全。同時，公司還積極與可能遭受信息泄露的賬戶持有人進行溝通，提供必要的支持和指導。

發(fā)表于：4/1/2024

派拓網(wǎng)絡推出全新Cortex平臺端點安全方案加強端點保護

2024年3月28日，北京——全球網(wǎng)絡安全領導企業(yè)Palo Alto Networks（納斯達克代碼：PANW）（派拓網(wǎng)絡）近日宣布推出全新Cortex平臺端點安全方案，幫助客戶加快平臺化進程，提高端點防護能力。

發(fā)表于：3/28/2024

研究顯示AMD處理器也受Rowhammer內(nèi)存攻擊影響

研究顯示 AMD 處理器也受 Rowhammer 內(nèi)存攻擊影響，官方給出緩解措施

發(fā)表于：3/27/2024

Gartner發(fā)布2024年網(wǎng)絡安全重要趨勢

Gartner公司于近日發(fā)布2024年網(wǎng)絡安全重要趨勢。根據(jù)Gartner公司的研究，推動2024年主要網(wǎng)絡安全趨勢的因素包括生成式人工智能（生成式AI）、持續(xù)威脅暴露、第三方風險、隱私驅動的應用和數(shù)據(jù)解耦和網(wǎng)絡安全技能重塑等。 Gartner研究總監(jiān)陳延全表示：“企業(yè)安全職能在技術、組織和人員方面面臨顛覆。風險管理領導者必須進行完善的準備工作并采取務實的態(tài)度，以應對顛覆，實施高效的網(wǎng)絡安全項目。” 為了應對這些因素的綜合影響，2024年風險管理領導者需要在其安全計劃中采取一系列實踐方法、技術功能和結構改革，以此提高企業(yè)機構的韌性和網(wǎng)絡安全績效。

發(fā)表于：3/27/2024

Black Lotus Labs：TheMoon惡意軟件變種被發(fā)現(xiàn)

3 月 27 日消息，網(wǎng)絡安全公司 Black Lotus Labs 近日發(fā)布報告，近日追蹤發(fā)現(xiàn)了名為“TheMoon”的惡意軟件僵尸網(wǎng)絡變種，已經(jīng)感染了全球 88 個國家和地區(qū)的數(shù)千臺 SOHO 路由器和物聯(lián)網(wǎng)設備。

發(fā)表于：3/27/2024

簡化退化模型的真實圖像超分辨率網(wǎng)絡

圖像超分辨率任務常用雙三次下采樣以構造數(shù)據(jù)集訓練網(wǎng)絡，但雙三次下采樣由于退化模型固定，導致網(wǎng)絡泛化能力低，無法用于真實世界低分辨率圖像。為解決上述問題本文提出預處理模塊，通過預處理模塊與雙三次下采樣數(shù)據(jù)集得到的網(wǎng)絡相結合，在減少資源消耗的同時提高其泛化能力。此外，還針對不同的精度需求設計了特征學習訓練策略和多任務聯(lián)調策略。通過根據(jù)不同需求采用相應的訓練策略，在滿足精度需求的同時具有消耗計算資源少、訓練速度快以及適用范圍廣的特點。實驗證明，增加預處理模塊的網(wǎng)絡以較少的模型參數(shù)增加量換取了重建效果和感知質量方面的較大提升，并且通過不同策略實現(xiàn)了進一步的精度提高。

發(fā)表于：3/25/2024

基于CNN-Transformer混合構架的輕量圖像超分辨率方法

針對基于混合構架的圖像超分模型通常需要較高計算成本的問題，提出了一種基于CNN-Transformer混合構架的輕量圖像超分網(wǎng)絡STSR（Swin Transformer based Single Image Super Resolution）。首先，提出了一種并行特征提取的特征增強模塊（Feature Enhancement Block，F(xiàn)EB），由卷積神經(jīng)網(wǎng)絡（Convolutional Neural Network，CNN）和輕量型Transformer網(wǎng)絡并行地對輸入圖像進行特征提取，再將提取到的特征進行特征融合。其次，設計了一種動態(tài)調整模塊（Dynamic Adjustment，DA），使得網(wǎng)絡能根據(jù)輸入圖像來動態(tài)調整網(wǎng)絡的輸出，減少網(wǎng)絡對無關信息的依賴。最后，采用基準數(shù)據(jù)集來測試網(wǎng)絡的性能，實驗結果表明STSR在降低模型參數(shù)量的前提下仍然保持較好的重建效果。

發(fā)表于：3/25/2024

一種用于輔助兵棋推演的快速決策框架研究

基于一般的決策和規(guī)劃流程，提出了一個面向兵棋推演的快速決策框架（Rapid Military Decision Framework，RMDF），該框架針對異構實體模型，通過分層的網(wǎng)格環(huán)境對復雜推演環(huán)境簡化建模，將推演實體的作用效果，簡化為地面、海上和空中三個網(wǎng)格環(huán)境層次上的作用效果，并以熱圖的形式在網(wǎng)格環(huán)境中顯示，通過推演實體的核心參數(shù)來確定其性能模型和行為模型，并基于一致性包算法實現(xiàn)任務分配，生成備選行動策略，通過快速仿真實現(xiàn)推演策略的迭代優(yōu)化，能夠在推演之前或推演期間提供行動方案的快速評估，可以有效地輔助兵棋推演指揮人員進行復雜態(tài)勢下的兵棋推演。

發(fā)表于：3/25/2024

基于遺傳算法和LightGBM的網(wǎng)絡安全態(tài)勢感知模型

針對傳統(tǒng)煙草工業(yè)系統(tǒng)中的網(wǎng)絡流量異常檢測方法存在的特征間聯(lián)系和上下文信息丟失等問題，提出了一種基于遺傳算法改進的LightGBM模型，此模型能夠使得模型避免陷入局部最優(yōu)情況。首先通過計算構建樹模型對數(shù)據(jù)降維，從高維數(shù)據(jù)中挖掘出對于檢測效果影響重要的關鍵特征信息，并使用提出的模型對這些關鍵特征信息進行分析。為了評估模型的有效性與優(yōu)越性，使用準確率和損失進行模型評價，并與其他網(wǎng)絡流量異常檢測模型Tabular model、TabNet、LightGBM、XGBoost進行對比。使用公開數(shù)據(jù)集 CIC.IDS.2018 進行實驗分析。結果表明，在高特征的網(wǎng)絡安全態(tài)勢感知下，多分類和二分類的識別準確率分別達99.43%和99.87%，在低特征情況下，多分類和二分類的識別準確率分別達98.73%和99.39%，具有較高準確率以及良好的靈活性和魯棒性。

發(fā)表于：3/25/2024

依賴差分隱私：關聯(lián)數(shù)據(jù)集下的高斯機制

差分隱私(Differential Privacy)是一種數(shù)據(jù)擾動框架，它保證查詢結果在概率上不可區(qū)分。研究表明差分隱私應用于關聯(lián)數(shù)據(jù)集時，將帶來隱私泄露的風險。根據(jù)依賴差分隱私(Dependent Differential Privacy)，量化了依賴差分隱私敏感度的度量；隨后，提出了依賴差分隱私-高斯機制算法(Gaussian Mechanism Algorithm Dependent Differential Privacy)，實現(xiàn)數(shù)據(jù)擾動，同時證明了該機制滿足隱私保證的基本定理；通過使用真實數(shù)據(jù)集的實驗表明，GMA DDP在管理依賴數(shù)據(jù)的隱私-效用權衡方面具有較高的可用性。

發(fā)表于：3/25/2024

關于智能網(wǎng)聯(lián)汽車數(shù)據(jù)安全治理框架的探究

發(fā)表于：3/25/2024