首页
学习
活动
专区
工具
TVP
发布
精选内容/技术社群/优惠产品,尽在小程序
立即前往

智能门锁哪家?被动不如主动

第一把国产智能锁诞生于2000年,而等到第一把智能指纹锁出现,已经是2006年了。然而“中国速度”在智能门锁赛道又一次上演。...例如在开锁方式上,国内市场在短时间内就完成从“密码锁”到“指纹锁”的趋势迭代,大大提升了体验效率;而后,针对复杂场景开门痛点的“人脸识别技术”又迅速走上台前,进一步加速了从2D到3D的场景迭代。...像前不久海尔智能3D人脸可视猫眼锁SV30首发上市,其中的AI 3D人脸识别相比较2D及传统3D技术更安全也更快捷,所搭载的主动式探测雷达,更是能做到人到门前就能自动识别开锁。...除了开锁方式,智能门锁的迭代还进一步体现在产品交互环节。可以说,指纹锁时代让智能门锁真正走出与传统机械锁不同的路径,而人脸识别技术的应用,才终于完成智能门锁从0到1的交互革新。...因此,构建智能门锁交互差异化成为品牌的技术护城河。像海尔智能门锁SV30就将身高、视角、光线等要素全都囊括,做到1.2~2m身高范围的轻松识别,成人不用弯腰,小孩不用垫脚,老人也不用担心指纹磨损。

4.8K30

【猪脸识别哪家强?】智能养猪成千万级别饲养规模杀手锏

作者:司明 【新智元导读】视频图像分析、人脸识别、语音识别、物流算法等人工智能前沿技术和养猪会碰撞出什么火花?...近日,南方农村土墙上一条条人工智能养猪横幅刷爆了朋友圈,科技前沿的人脸识别、语音识别技术与接地气的养殖业结合充满欢乐。 ?...人工智能如何提升养猪效率 全流程的人工智能技术,能大大提升养猪效率,这其中涉及的技术有视频图像分析、人脸识别、语音识别、物流算法等。...全流程的人工智能技术,能大大提升养猪效率,这其中涉及的技术有视频图像分析、人脸识别、语音识别、物流算法等。...用AI去办实事,实现科技扶贫 其实人工智能在畜牧业应用已并非什么新鲜事,国外近期也有一家农场,引入图像识别技术对牛群进行管理,并对每头牛的体温、行为、饲料等情况进行监察,帮助饲养员清楚地了解牛群状态。

1.3K150
您找到你想要的搜索结果了吗?
是的
没有找到

关于机器学习在网络安全中的五大误解

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。...他们的智力不受人工的局限,他们积极出击、故意修改恶意程序摆脱已有的成熟模型的检测。 这就是为什么这些模型需要不断学习、不断修正,甚至推倒从来。...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。

1.6K20

关于机器学习在网络安全中的五大误解

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。...他们的智力不受人工的局限,他们积极出击、故意修改恶意程序摆脱已有的成熟模型的检测。 这就是为什么这些模型需要不断学习、不断修正,甚至推倒从来。...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。

1.6K50

IDG专家:人工智能可能引发新黑客时代

但如果这股力量被用于恶意目的呢?网络防御的未来发展可能也为黑客新时代铺平了道路。 可能的危险 例如,网络罪犯可能会使用这些功能扫描软件,寻找之前未被披露的漏洞,然后利用这些漏洞开展违法活动。...所以,安全专家不难想象潜在的阴暗面,即人工智能可以构建或控制强大的网络武器。他提到了震网(Stuxnet)这个例子,它是设计用于破坏伊朗核计划的恶意计算机蠕虫。...可能科技公司都在谈论它,但还没有哪家公司能够创造出真正的人工智能。而科技行业已经开发出比人类更擅长玩游戏、充当数字助理、甚或诊断罕见疾病的各类技术。...Cylance等网络安全公司还在使用属于人工智能范畴的机器学习技术阻止恶意软件。这需要根据能够衡量计算机上的特定活动是否正常的恶意软件样本构建数学模型。...机器学习能够检测到恶意软件的概率超过99%。我们会持续向这个模型添加新数据(恶意软件样本)。拥有的数据越多,结果就越准确。” 升级 使用机器学习的缺点是昂贵。

75290

《人工智能一定需要大数据吗?未必!》真的么?

嗯,很多年前IT业内曾经批评我十六年前的老公司没有大数据,有的只是数据量巨大,具体是哪家公司我就不多说了。...那,结果呢,人工智能积累的数据需要几个方面,我们用其中目前接触相对较多的识别技术来讲述一下会比较合适,了解青润的人都知道,青润再2005年第二次进入中科院做的就是人脸识别和行为分析方面的研究和产品。...识别,就需要考虑到下面几点: 1、样本数据的采集; 2、样本数据的标定; 3、样本数据的自我检验; 4、基于样本数据的模型构建; 5、构建样本的特征码库; 识别过程是这样的: 6、进行目标数据采集; 7...,然后不断自己重复上面2-6的过程; 识别过程是这样的: 7、进行目标数据采集; 8、基于模型构建获取的特征提取算法进行特征提取; 9、进行目标特征码和样本特征码的对比,并根据对比的异或数据得到结果;...据青润得到的信息,某个某年刚刚拿到十多亿美元的某人工智能公司,某一段时间内的人工标定费用是以千万投入来计算的,具体是哪家公司就不方便明说了。

1.1K30

AI被攻击者滥用后,是人工智能还是“人工智障”?

一份由学术界、社会团体以及行业人士所撰写的报告《人工智能恶意使用(Malicious Use of Artificial Intelligence)》指出,任何科技都有其双面性,在大力发展AI技术的时候...在这种干扰下,原本精确的人工智能,瞬间就沦为“人工智障”。 试想如果有人恶意制造这样的对抗样本去挑战我们身边的AI系统,结果会有多可怕呢?...更加令人担忧的是,想要防御对抗样本攻击非常困难,现阶段还没有的策略和工具能够解决这一问题。 然而,对于攻击者来说,只需要很小的样本量就能干扰AI模型的结果。...未来,AI技术或将从恶意软件的自动化攻击,进化为自动化决策,即能够根据被感染系统的参数进行智能调整、自我繁殖,攻击会变得更加静默和危险。...一旦进入到受感染的系统中,恶意软件还能够安全地学习系统的环境知识,比如受感染设备通信的内部设备,使用的端口和协议,以及账户信息等。因此,由智能化带来的威胁程度也将成倍增加。

98910

应用性能监控哪家质量 产品常见功能有哪些

大家当然希望能够拥有更加稳定和安全的网络环境,即使发现一些技术上的问题,找到有效的解决方法,那么就需要应用性能监控了,而应用性能监控哪家质量自然也成为关键性疑问了。...哪家质量更好 应用性能监控哪家质量?当一家企业想要选购和配置应用性能监控系统的时候,一般都会考虑这个问题,产品的品质往往决定了日常使用的体验感和满意度。...常见的功能有哪些 应用性能监控哪家质量?相信大家在体验一段时间后就可以得出结论了,很多的企业用户也变聪明了,选择先试用然后再购买。...分别是系统自动识别公司业务,对应用程序进行跟踪,可智能识别和定位到故障所在,快速做出诊断,让企业可以发现系统性能的瓶颈,从而加快了系统优化的进程。...以上就是关于应用性能监控哪家质量的相关介绍,通过监控产品,可以实现端对端的事务跟踪,能够把复杂数据可视化,所以还是很有必要配备的。

12K20

4.基于机器学习的恶意代码检测技术详解

《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。

1.2K30

人工智能网络安全?请再认真点!

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?...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。...人工智能是个方向,有热度,但是还是希望该作者能够将热度用起来,而不是蹭起来。 人工智能用来解决的问题是确定性的,人脑都想不清楚的东西并不会用了人工智能让机器想清楚。

1K10

深度学习:能击败欧洲围棋冠军,还能防恶意软件

Deep Instinct的学习方法将恶意软件样本分解为大量的小“碎片”,恶意软件从而可以进行映射,就像是基因组序列便是由成千上万更小的序列组合构成。...这些被“分解”的样本仍是二进制位字符串,用于训练神经网络进行系统地识别。在进行了数百万次计算之后,神经网络运行于一个GPU集群中,最终得出一个能够指向终点的静态神经网络结果。...Deep Instinct恶意软件识别率远超传统安全公司 Göttingen大学举行的对16000个恶意软件样本进行识别测试中,来自西门子CERT、Bit-Defender、McAfee、Trend(趋势科技...)、AVG、卡巴斯基、Sophos以及其他安全公司平均识别率为61%,而Deep Instinct对于恶意软件的识别率则高达98.86%。...一些恶意软件样本自主突变,而其功能并没有受到影响。PDF恶意软件的识别率是99.7%,可执行文件的检测率为99.2%。

1.2K70

在网络安全领域应用机器学习的困难和对策

变化的环境一方面体现在业务的多样性,导致的是白样本的多样性;另一方面体现在对抗环境下,导致的是恶意样本的对样性; 2. 私有、公开数据少,且公开数据有效性不好。...攻击者通过注入一些精心伪造的恶意数据样本,这些样本通常带有错误的标签和攻击的性质,用于破坏原有的训练数据的概率分布,从而使训练出的模型的分类或者聚类精度降低,达到破坏训练模型的目的。...攻击者通过产生一些可以绕过人工智能检测系统的对抗样本,这些是可以成功地逃避安全系统检测的对抗样本,实现对系统的恶意攻击,给系统的安全性带来严重威胁。...我们很难限制待检测的恶意软件的大小,没有理由限制待检测的恶意代码样本的行数,没办法限制要检测的网络流量的数据包内容,因此这就给了对抗样本更大的发挥空间。...另一个可能思路,如训练过程中训练数据集单个样本最大为2MB,则可以添加过滤条件模型输入样本最大为2MB。 2. 从模型本身训练其辨别良性、恶意数据的能力。

1.1K20

机器学习在安全攻防场景的应用与分析

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。

8.1K80

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

《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。...5.完整代码 四.总结 前文推荐: [当人工智能遇上安全] 1.人工智能真的安全吗?...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...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。...一步一个脚印前行,接下来希望通过深度学习实现更多的恶意代码识别和对抗样本

1.6K30

加密恶意流量优秀检测思路分享

摘要 近年来,随着机器学习、深度学习等人工智能技术的迅猛发展,其在图像识别、语音识别和自然语言处理等领域已经得到大规模应用,可以为传统方法很难解决或无法适用的问题提供有效的方案,也已经成为网络安全领域中的热门研究方向...,比如将人工智能应用于恶意加密流量的检测就是一种行之有效的方法。...二、总体架构 该方法从数据包级、流级和主机级三个不同层次分别提取行为特征构建多个模型来提升对黑白样本识别能力,一部分模型使用多维特征进行综合分析,还有一部分模型使用黑白样本区分度较大且置信度较高的单维特征缓解多维特征中潜在的过拟合和误报问题...作者也尝试了使用流级的包长分布特征进行分类器训练,考虑到恶意流量样本中也包含与正常服务的通信,但又无法识别其中的良性流,所以只将包含一条流的样本拿出来作为训练集,最终将不包含任何恶意流的流量样本分类为正常...除了统计和机器学习方法外,《基于深度学习的物联网恶意软件家族细粒度分类研究》验证了深度学习在流量识别方向也具有很好的应用前景,充分展现了人工智能赋能网络安全领域的可行性。

2.7K20

网络验证码的进化:从简单图文到无感验证

验证码诞生于20年前 验证码的全名是“全自动区分计算机和人类的图灵测试”,由卡内基梅隆大学的路易斯.冯.安于1997年提出,其初衷识别真人还是编写的恶意程序。...因此,验证码就是利用“人类可以用肉眼轻易识别图片里的文字信息,而机器不能”的原理来抵御恶意登录,通过识别、输入这些交互,区分出机器人和真正的人类,防止恶意攻击或者刷号情况的产生,是一种利用意识区分用户是计算机还是人的公共全自动程序...基于人工智能的顶象无感验证有这四大特点 作为新一代的验证码Google reCAPTCHA、顶象无感验证都是基于人工智能,从传统的识别验证方式升级到了基于人的行为来进行判断,通过收集用户的行为以及环境信息...顶象无感验证利用多种无监督学习模型发现可疑和异常行为并标记为黑样本,其余为白样本。接下来,选取行为特征和黑白样本训练有监督学习模型,用于线上的实时流量数据的识别。...基于每日的增量数据,对无监督学习和有监督学习模型快速迭代训练,可有效与快速变异的恶意行为进行强对抗。 有大脑:随着人工智能的发展,攻击者利用人工智能技术和打码平台可以很容易的通过传统验证码。

1.3K128

AISecOps - XAIGen技术解析:模型知识抽取促进模型可信任

,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

1.1K30

他们如何做大数据、人工智能 | RSA 进阶篇

没有不提大数据、人工智能的安全公司 前几年的RSA中,安全公司都在提用户行为分析、异常检测,今年大数据+人工智能(以下称“大数据AI”)成为了绝对的热点。...传统的分析方法会使用人工的规则来对主机行为数据进行判定;AI的方式只需要向模型输入大量标记好的数据进行训练,那么AI系统就能训练出分类模。此过程为有监督学习。 ?...笔者早在出行前就约好了两家大数据AI的公司进行沟通交流,我们看看他们是怎么做的:  Data Visor(以下简称DV) DV提供领先的欺诈检测方案,方案主要使用无监督学习来识别恶意账号的攻击,在损害发生前就抓住恶意...为解决此问题,DV将聚簇翻译成人工规则进行识别(比如说如果某一批账号在某一段时间内,在某些IP上操作,那么就是恶意的)。...感知的高可疑样本会送往安全专家进行判定(引擎会挑选具有代表性的样本,这个样本可以代表一类的恶意),判定结果将会送回模型训练器训练有监督分类模型。

76930

19.USENIXSec21 DeepReflect:通过二进制重构发现恶意行为(经典)

这是因为总会有新的恶意软件样本,没有被反病毒公司分析过,或者缺乏签名来识别这些新样本。最终,该样本有可能会拒绝在分析人员的动态沙箱(sandbox)中执行。...此外,由于AE是以无监督的方式训练的,我们不需要数百万标记的样本,公司可以利用自己的恶意软件二进制数据集。 该约束读者需要理解,本文使用恶意样本进行学习和识别。...当给定一个恶意软件样本,Molly的任务是了解该样本在做什么,以便她写一份技术报告并改进公司的检测系统,从而在未来识别该类样本。...---- 3.Research Goals 本文有四个主要目标: G1:准确地识别恶意软件样本中的恶意活动 G2:帮助分析人员在静态分析恶意软件样本时集中注意力 G3:处理新的(不可见的)恶意软件家族...与先前识别整个样本恶意区域的工作相比,我们识别了每个样本中的恶意区域。

1K20

技术分享|终端安全防护|ChatGPT会创造出超级恶意软件吗?

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。...安全工具可以对它们的模式进行指纹识别——如果ChatGPT数据没有持续更新的话,这一点就更加明显了。想要从ChatGPT获取恶意软件吗ChatGPT的公共接口始终拒绝处理恶意软件请求。...Morphisec打算测试ChatGPT是否可以帮助防御者自动查找应用程序漏洞、识别威胁、自动检查输出与输入,以及其他提高安全技术健壮性的技术。 如何阻止ChatGPT恶意软件?...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。

1.6K20
领券