每年双11我都会参与剁手，前几年来自外省的包裹要等一周甚至两周才收到，但今年双11我买的东西尽管到货没有平日快，却也在两三天内陆陆续续到达了。...翻了下朋友圈，发现关于包裹延迟到达的吐槽也比往年少了许多，双11物流这个老大难问题似乎已经得到顺利解决。 快递终于不再是双11的瓶颈 今年双11快递行业比往年“好过”，有些出人意料。...百度外卖、达达等快递服务，成为中国街头的一道风景线；共享快递的出现，让许多人可以兼职成为快递员也可以让不同公司可以调配社会闲散运力；电商行业的快递保险则直接催生了众安保险这家上市公司；便于用户延时取件的智能快递箱也成为中国本土创新的样本...可以说，今天中国快递行业的服务能力已是九年前不可同日而语，快递运力、速度、效率和成本都做到了全球领先，什么都可以送、哪里都可以去，成为中国经济发展中与互联网、电商并列的一道奇迹，能够支持交易额大幅攀升的双...；再比如顺丰利用图像识别技术来识别面单，提高录入效率；除了大数据和AI技术外，今年双11期间不少物流公司在仓库引入了机器人和物联网技术，智能分拣，提高效率降低分拣员的劳动强度。
ChatGPT让我们看到了人工智能的未来、它的影响以及它帮助人类的能力。它于去年11月推出，在五天内获得了超过100万用户，可以说它引起了轰动。...有人推测ChatGPT可以做一些事情，比如创建恶意代码变体，查找恶意软件，并测试新的威胁是否可以使用基于人工智能的技术逃避检测。这还有待观察，但滥用人工智能的可能性肯定在增加。...使用ChatGPT创建恶意软件确实存在技术缺陷。这款聊天机器人只有2021年的数据。虽然它为创建恶意软件组件提供了快捷方式，但人工智能生成的组件很容易识别。...Q4 在哪里可以找到用于测试和研究的勒索软件样本?...通过使攻击者更难识别和利用特定的漏洞，MTD可以帮助防止高级AI生成的恶意软件成功危及终端。
排除连iPhone 8和iPhone X都不区分的“恶意差评”，我们来看看iPhone X最被差评的地方在哪里：全面屏、无线充电、面部识别、双摄像头光学防抖在安卓阵营都已有先行玩家，iPhone X不过是跟随...因为唱衰苹果的分析师没有站在用户角度思考问题，消费者买的不是创新，买的是体验，双摄像头不是苹果先做的，但做得更好。 同样，iPhone X的体验提升是十分显著的。...如果说双摄像头、无线充电、OLED屏幕、A11处理器是优化还符合事实，但去掉HOME键和全新功能Face-ID，却着实算属于苹果的创新。...在楼市和股市有所斩获的人，如果已是iPhone用户，换机概率很大，买iPhone X送礼的几率也更大，且别忘了，iPhone X正式开卖的11月，是中国的黄金购物季，iPhone历年是明星产品，今年iPhone...现在智能手机已成为日益壮大的二手电商平台上的热门品类，在9月11日公布了一份数据，成立一年多的转转已跃升为二手手机交易量最大的闲置平台，其平台上手机交易量爆发式增长，二季度达到惊人的210万台，二手手机市场已十分成熟
一直没找到人工智能是怎么跟恶意加密流量对抗的。直到看到最后一段。终于看到“人工智能”这四个字了！ ? 图5 人工智能与恶意加密流量的对抗 看过这段文字之后，终于明白了标题二所要表述的内容。...图6 人工智能可以与恶意加密流量对抗 这是一段即没有量化，又没有逻辑的废话。“人工智能算法赋予机器以专家的智慧”这是要换头吗？...图11 模型训练1 看到没，图11，千万别笑。人家用的是CPU！ CPU！没错就是CPU！太牛了！为什么会用CPU！是因为GPU太贵了吗？ 还是说样本太少了！...并且模型的拟合度极高，6万多样本仅1次就能达到95%以上的正确率。这样的模型可以用于网络中的加密流量识别。我只能惊叹一下，加密流量的特征好明显啊，用个屁的人工智能。 下面的模型更是雷，如图12所示。...训练所需次数少，可以推断数据的维度非常低，数据样本非常少。 少量的样本数据，低维的特征提取，最终只能出来个玩具模型。 准确率基于的是已提供样本识别率，并非现网流量识别率，这个在文中无从衡量。
本文以全连接神经网络为例来介绍对抗样本对人工智能模型作用的本质。...在图像分类、语音识别等模式识别任务中，机器学习的准确率甚至超越了人类。 人工智能技术具有改变人类命运的巨大潜能，但同样存在巨大的安全风险。...随后越来越多的研究发现，除了DNN模型之外，对抗样本同样能成功地攻击强化学习模型、循环神经网络(RNN)模型等不同的机器学习模型，以及语音识别、图像识别、文本处理、恶意软件检测等不同的深度学习应用系统。...本文以全连接神经网络为例来介绍对抗样本对人工智能模型作用的本质。 二、对抗样本简介 神经网络是目前人工智能系统中应用最广泛的一种模型，是一种典型的监督学习模型。...3双半月数据集的二分类问题 前面通过等高线分布图说明了对抗样本的作用机理。下面针对更加复杂的数据集来进一步展示。本节对双半月形数据集进行二分类。数据集和神经网络的等高线图分别如图6和图7所示。 ?
在互联网如火如荼发展的背后，灰黑产大军暗流涌动，身影无处不在，哪里有活动哪里就存在刷量行为，轻者人肉刷，重者自动机批量刷。...如：为京东“618”、“双11”保驾护航；为斗鱼、快手、bilibili等提供注册和营销保护；为东鹏特饮、蒙牛、可口可乐等“一物一码扫红包”场景提供防刷服务，通过防水墙提供的防刷安全服务，东鹏特饮每年可节省...接入防水墙防刷解决方案，实时风控系统识别黑产使用代理服务器IP和大量黑手机号码刷取注册优惠券，刷量峰值11W/天，占比高达60%。...结合人工智能进行用户画像、关系图谱分析，有效识别帐号质量、恶意IP和恶意设备。...防水墙推出了兼顾体验与安全的新型智能验证码，好人可免验证通过，普通用户使用滑动验证码简单一滑即可校验，针对高恶意请求可下发高难度的图中点选验证码。
，并通过聚类和优化的LCS算法，有效识别恶意流量中的扫描流量特征（包含同质载荷内容），有效提升规则的准确率。...该分类器可基于决策树、循环神经网络等机器学习或深度学习模型构建，以完成在识别恶意流量等文本分类任务。...进一步，根据采样恶意流量载荷，进行字节级别的聚类，以将恶意流量中的扫描流量识别出来：扫描流量指包含同质载荷内容的流量集合，在聚类过程中将形成聚类簇。...在检测模型识别该载荷内容为webshell的情况下，使用LIME算法能够得到模型将该载荷样本识别为恶意webshell的关键词及其贡献程度的置信度值。...评估数据集（评估集）包含当前批次恶意流量载荷样本（采样率βm），以及正常样本（可与感知阶段检测模型使用相同训练数据集，采样率βn-his），以及与当前批次恶意流量在同一时间窗口内的正常样本（采样率βn-cur
此外还会通过搜集反馈回来的失败样本，以及人工打码的标定数据，来实时训练和更新识别网络，不断迭代训练进行优化，进一步提高神经网络模型的识别能力。...由于恶意用户仅占总体用户的少部分，具有异常样本“量少”和“与正常样本表现不一样”的两个特点，且不依赖概率密度，因此此异常检测模型不会导致高维输入的下溢出问题。...该模型可识别异常用户盗号、LBS/加好友、欺诈等行为。随着样本增加，恶意请求的uin、类型、发生时间通过分析端通过线下人工分析和线上打击，达到良好的检测效果。...在恶意代码识别方面，区别传统的黑白名单库、特征检测、启发式等方法机器学习的安全应用从反病毒的代码分类、恶意文件检测、恶意URL的网页代码识别等 在社工安全防范方面，区别传统的技术与业务经验分析、安全宣传...，因此恶意访问、攻击样本的不充分，导致模型训练后的检测准确率有待提高。
《当人工智能遇上安全》系列博客将详细介绍人工智能与安全相关的论文、实践，并分享各种案例，涉及恶意代码检测、恶意请求识别、入侵检测、对抗样本等等。只想更好地帮助初学者，更加成体系的分享新知识。...浙大团队分享AI对抗样本技术 [当人工智能遇上安全] 2.清华张超老师 GreyOne和Fuzzing漏洞挖掘各阶段进展总结 [当人工智能遇上安全] 3.安全领域中的机器学习及机器学习恶意请求识别案例分享...(3)性能评估 下面是衡量机器学习模型的性能指标，首先是一幅混淆矩阵的图表，真实类别中1代表恶意样本，0代表非恶意样本，预测类别也包括1和0，然后结果分为： TP：本身是恶意样本，并且预测识别为恶意样本...FP：本身是恶意样本，然而预测识别为非恶意样本，这是误分类的情况 FN：本身是非恶意样本，然而预测识别为恶意样本，这是误分类的情况 TN：本身是非恶意样本，并且预测识别为非恶意样本 然后是Accuracy...其中，TPRate表示分类器识别出正样本数量占所有正样本数量的比值，FPRate表示负样本数量占所有负样本数量的比值。
刚刚过去的双11、双12网络购物节中，无数网友在各个电商网站的促销大旗下开启了买买买模式。不过，当你在网上选购商品时，同类的商品成千上万，哪些因素会影响你选购某件商品呢?...然而各位一定也有所耳闻，买的不如卖的精，刷单的、刷评论的始终横行网上，没准你看到的评论就是卖家自己刷出来的。...下次还来买，赶快上新款哦!” “有史以来最满意的鞋，妈妈看了说是真皮的，卖家态度又很好，发货超快，诚信卖家，特别满意的一次购物!”...我们意在使用这些数据去构建刷单评论识别模型，然后可以用这里得出来的规则去识别其它鞋类商品的刷单评论。...我们把先前获取的5000条评论一分为二，其中70%作为训练样本，30%作为验证样本。
我觉得很重要的一个因素就是要在商业上获得成功，商业上的成功说白了就是要有人为它买单，但这个单应该由客户来买，而不应该由VC来买。 怎样才能获得商业上的成功呢？...这样的Banner过去都是要由人来设计的，大家可能不知道“双11”这一天需要多少Banner，大概是7个多亿的级别，过去都是需要人工来完成的。...去年“双11”的时候是有7亿多个的Banner，其中4.1亿是通过算法完成的，几天的时间当中每天产生5000万个Banner，产生以后就上线使用，没有任何人工干预，所以也是有很多的技术难题。...这个技术以前我也讲过，通过拍照片分析物品的种类，然后识别它的位置，最后突出它的特征，然后在大量的搜索库里面进行检索，最后把结果呈现给大家。...如果有摄像头，人不需要到实地，但还是要有人在屋子里看，这也是非常繁琐的活，每天对着枯燥的样本看的话会漏掉很多东西。或者它们有一定的智能，但没有达到全自动的目标。
该样本和以前捕获的一组样本来自于同一个下载源，从代码特征等因素判断为同一作者制作，我们命名此新恶意样本为ADB.Mirai。...在互联网上存在一些未设置权限控制，没有任何密码，高权限的情况对外开放了ADB接口的Android设备，如智能手机，智能电视，机顶盒等，此次受感染正是这些设备。...此样本具备蠕虫特性，受感染设备会继续尝试感染并投递恶意代码。...，有很多被感染IP从2018年11月20日 ~ 2018年11月26日 持续对我们的蜜网节点 5555端口发送攻击相同的Payload (下载地址为同一个IP)。...涵盖威胁识别技术，威胁跟踪技术，威胁捕获技术，威胁主体识别技术。研究目标包括：僵尸网络威胁，通过掌控现网威胁来识别风险，缓解威胁伤害，为威胁对抗提供决策支撑。 内容编辑：伏影实验室 责任编辑：肖晴
摘自：毕马威大数据挖掘 微信号：kpmgbigdata 刚刚过去的双11、双12网络购物节中，无数网友在各个电商网站的促销大旗下开启了买买买模式。...然而各位一定也有所耳闻，买的不如卖的精，刷单的、刷评论的始终横行网上，没准你看到的评论就是卖家自己刷出来的。...我们意在使用这些数据去构建刷单评论识别模型，然后可以用这里得出来的规则去识别其它鞋类商品的刷单评论。...我们把先前获取的5000条评论一分为二，其中70%作为训练样本，30%作为验证样本。...我们还留下了30%的验证样本，现在它们可以现身来验证成果了。
有趣的是，在当时人们都认为该算法将很快导致“强”人工智能的出现。即，智能的思考能力、独立思考并可以解决那些默认编程程式外任务的人工智能。...可随后就是“弱”人工智能的时代，它可以解决一些创造性的任务，比如识别图片、预测天气、玩象棋等。...误解三：机器学习——做一次就够了 恶意软件检测和人脸识别在概念上的区别，脸永远是脸，在这方面永远也不会有什么改变。...因为通过客户端的恶意样本的平均数量要比反病毒实验室收集到的恶意样本数量小得多。客户端会因为没有收集到样本进行学习而丧失应对能力。...问题是大多数同家族的恶意软件都是由一个恶意程序修改而来的。例如 Trojan-Ransom.Win32.Shade 是一个拥有超过三万个恶意样本的家族。
有趣的是，在当时人们都认为该算法将很快导致“强”人工智能的出现。即，智能的思考能力、独立思考并可以解决那些默认编程程式外任务的人工智能。...可随后就是“弱”人工智能的时代，它可以解决一些创造性的任务，比如识别图片、预测天气、玩象棋等。...误解三 机器学习——做一次就够了 恶意软件检测和人脸识别在概念上的区别，脸永远是脸，在这方面永远也不会有什么改变。...因为通过客户端的恶意样本的平均数量要比反病毒实验室收集到的恶意样本数量小得多。客户端会因为没有收集到样本进行学习而丧失应对能力。...问题是大多数同家族的恶意软件都是由一个恶意程序修改而来的。例如 Trojan-Ransom.Win32.Shade 是一个拥有超过三万个恶意样本的家族。
个样本是带有恶意宏的诱饵文档 ?...2019.12——2020.2双尾蝎APT组织针对巴勒斯坦所投放可执行文件样本的样本类型占比图-pic3 在这14个Windows恶意样本中,其诱饵文档的题材,政治类的样本数量有9个,教育类的样本数量有...那下面追影小组将以一个恶意样本进行详细分析,其他样本采取略写的形式向各位看官描述此次攻击活动。...而在2019年7月份捕获的双尾蝎APT组织样本中该组织的编译戳为2019.7.14 11:08:48而在本次活动所捕获的样本中我们发现该组织将编译时间戳统一改为:1970.1.1 1:00,也就是置0....编译时间戳的演进-pic117 (3).自拷贝方式的演进 双尾蝎APT组织在2017年到2019年的活动中,擅长使用copy命令将自身拷贝到%ProgramData%下.而可能由于copy指令的敏感或者已经被各大安全厂商识别
过去不久的双11、双12网络购物节中，无数网友在各个电商网站的促销大旗下开启了买买买模式。不过，当你在网上选购商品时，同类的商品成千上万，哪些因素会影响你选购某件商品呢?...然而各位一定也有所耳闻，买的不如卖的精，刷单的、刷评论的始终横行网上，没准你看到的评论就是卖家自己刷出来的。...下次还来买，赶快上新款哦!” “有史以来最满意的鞋，妈妈看了说是真皮的，卖家态度又很好，发货超快，诚信卖家，特别满意的一次购物!”...我们意在使用这些数据去构建刷单评论识别模型，然后可以用这里得出来的规则去识别其它鞋类商品的刷单评论。...我们把先前获取的5000条评论一分为二，其中70%作为训练样本，30%作为验证样本。
在6月11日-12日召开的2019腾讯安全国际技术峰会上，腾讯安全专家研究员彭思翔带来议题《AI在数据安全中的实践》，介绍了腾讯安全数盾以AI为核心，构建的包含外部攻击防护、数据交换保护、内部防泄露等全流程的数据安全保护方案...NO.2 以AI为核心 腾讯安全数盾构建全流程数据安全保护方案 重重挑战之下，传统基于规则策略加上大量人工干预的安全方案不再适用，如何在数据安全的各个环节落地人工智能的应用无疑成为破局关键。...本次峰会上，彭思翔介绍了腾讯安全数盾的做法——引入AI引擎+创新算法： ➣一方面，数盾通过独创的“白+黑”AI双引擎对数据进行综合判断，自动适配用户操作特征，减少误报和漏报。...白引擎对存量日志进行训练和预测，降低误报率；黑引擎对攻击样本和正常样本进行深度神经元网络分析，降低漏报率。...以无监督学习为主构建的数据治理中心，能够快速感知数据应用的异常事件；以有监督学习为主构建了准确识别恶意攻击的多种安全防御能力。
个样本是带有恶意宏的诱饵文档 2019.12——2020.2双尾蝎APT组织针对巴勒斯坦所投放样本的样本类型占比图-pic2 在这12个可执行文件样本中,有7个样本伪装成pdf文档文件,有1个样本伪装为...那下面追影小组将以一个恶意样本进行详细分析,其他样本采取略写的形式向各位看官描述此次攻击活动。...,属于政治类诱饵样本 诱饵文档daily_report.docx文件原文与翻译-pic98 之后的行为就和之前的如出一辙了,在此就不必多费笔墨 (11).asala-panet-il-music-live...而在2019年7月份捕获的双尾蝎APT组织样本中该组织的编译戳为2019.7.14 11:08:48而在本次活动所捕获的样本中我们发现该组织将编译时间戳统一改为:1970.1.1 1:00,也就是置0....%下.而可能由于copy指令的敏感或者已经被各大安全厂商识别。
配备了后置双摄像头，而前置摄像头依旧采用了到 2000万像素。...可精确采集296个人脸特征点，支持AI智能优化。 ? 网友：我刚花了两千八买了R11s，马上就出了R15，才三千，啊啊啊[震惊][震惊]！你觉得我还会买吗？是的，你猜对了！...所有的钱都用来给明星代言费，试问你的手机研究经费能高到哪里？质量？这种机子我们业内叫它“一次性手机”。 网友：有些人能别觉得自己最清醒吗？...大家还是参考下值不值得买 好了 才几个月研制的新机 也不会有太大突破。所以还是会有很多追星族，义无反顾的买的。才刚买r11s，反正买不起！...网友：我刚买的R11s跟我闹着玩么？我刚换的r11s那么快就有新的了？手机不咋滴，卖的倒是挺贵，你是想说让我和她们用一样的手机吗？你看她们粉丝买账吗？
领取专属 10元无门槛券
手把手带您无忧上云
云服务器
ICP备案
实时音视频
即时通信 IM
对象存储
