博文关键词检索结果

2019 年大选与 2016 年公投结果不直接可比

The 2019 Election Is Not Directly Comparable to the 2016 Referendum

这是针对迭戈·埃斯科巴里 (Diego Escobari) 和加里·胡佛 (Gary Hoover) 报道玻利维亚 2019 年总统选举的一系列博文中的第九篇,《2019 年选举与 2016 年公投没有直接可比性》一文首先出现在经济与发展中心。政策研究。

如何为您的孩子选择合适的机器人套件

How to Choose the Right Robotics Kit for Your Child

为什么重要:机器人套件是孩子们学习技术和工程的好方法。但是,由于有这么多不同类型的套件可供选择,很难知道哪一种适合您的孩子。在这篇博文中,我们将介绍不同类型的机器人套件、选择时应考虑的因素以及我们为儿童挑选的三款最佳机器人套件。

什么是 FIS-B?它是如何工作的?

What is FIS-B And How Does it Work?

您可能听说过 FIS-B。但也许您不确定它是什么,或者它是如何工作的?在这篇博文中,我们将解释什么是 FIS-B,以及它如何使飞行员和飞机拥有者受益。

将 GTN 升级到 GTN Xi 非常简单

It's Simple to Upgrade Your GTN to GTN Xi

飞行员依靠 GPS 导航仪在空中提供精确的导航。Garmin GTN 系列是许多私人飞机拥有者的热门选择。然而,GTN Xi 的发布让许多飞行员怀疑它是否值得升级。在这篇博文中,我们将向您展示 GTN Xi 的功能和优势,以便您做出明智的决定。

编码逆转的另一项练习

Another Exercise In Encoding Reversing

我还为这篇博文录制了一个视频。在这篇博文中,我将展示如何通过执行统计分析和猜测一些“明文”来解码以十六进制编码变体编码的有效载荷。我现在也有解码器(.NET 程序集),但在这里我将展示如何 […]

日本海军巡洋舰 Agano

IJN Cruiser Agano

在我上一篇博文中,我透露了我将重新开始为一些船只上色的消息。我正在与我的朋友 Kevin 合作,制作一些 1/1200 比例的船只,用于一些小型夜间战斗。作为我贡献的一部分,我从 XP Forge 订购了一些 3D 打印船只。我先订购了一小批树脂打印的船只,挑选了美国巡洋舰盐湖城号、日本海军巡洋舰阿加诺号和一些美国驱逐舰。我选择巡洋舰的主要原因是 Superior(通过 Alnavco)没有 1/1200 比例的巡洋舰,但它们似乎是太平洋战役中有用的船只。Kevin 想制作以盐湖城为特色的科曼多尔斯基群岛战役,我想制作以阿加诺为特色的奥古斯塔皇后湾战役(是的,我知道这对于 1/1200 比例来

PoC:Cobalt Strike mitm 攻击

PoC: Cobalt Strike mitm Attack

我大约 6 个月前做过这件事,但当时这篇博文没有发布。我现在发布它。我做了一个小的概念验证:cs-mitm.py 是一个 mitmproxy 脚本,它可以拦截 Cobalt Strike 流量、解密并注入自己的命令。在此视频中,通过向恶意信标发送睡眠来终止恶意信标 […]

发现机器学习模型的系统性错误

Discovering the systematic errors made by machine learning models

使用跨模态嵌入发现系统性错误在这篇博文中,我们介绍了 Domino,这是一种发现机器学习模型系统性错误的新方法。我们还讨论了定量评估 Domino 等方法的框架。链接:📄 论文(ICLR 2022)🌍 更长的演练💻 GitHub📘 文档📒 Google Colab 实现高总体准确率的机器学习模型通常会在连贯的验证数据切片上犯系统性错误。什么是切片?切片是一组具有共同特征的数据样本。例如,在大型图像数据集中,老式汽车的照片构成一个切片(即切片中的所有图像都有一个共同的主题)。术语切片有许多您可能更熟悉的同义词(例如子组、子群体、地层)。这些术语基本上可以互换,但在本文中我们将坚持使用“切片”。如

发现机器学习模型所犯的系统性错误

Discovering the systematic errors made by machine learning models

使用跨模态嵌入发现系统性错误在这篇博文中,我们介绍了 Domino,这是一种发现机器学习模型系统性错误的新方法。我们还讨论了定量评估 Domino 等方法的框架。链接:📄 论文(ICLR 2022)🌍 更长的演练💻 GitHub📘 文档📒 Google Colab 实现高总体准确率的机器学习模型通常会在连贯的验证数据切片上犯系统性错误。什么是切片?切片是一组具有共同特征的数据样本。例如,在大型图像数据集中,老式汽车的照片构成一个切片(即切片中的所有图像都有一个共同的主题)。术语切片有许多您可能更熟悉的同义词(例如子组、子群体、地层)。这些术语基本上可以互换,但在本文中我们将坚持使用“切片”。如

使用 Fugue 检查 Fugue 基础设施即代码的安全性

Using Fugue to Check the Security of Fugue's Infrastructure as Code

在 Fugue,我们认为言行一致非常重要。为此,我们正在对 Fugue 进行内部测试!这意味着我们使用自己的产品来评估我们自己运行的云基础设施和基础设施即代码 (IaC) 是否符合相同的政策,并具有合规性和安全性。在这篇博文中,我们将深入介绍如何设置 CI/CD 管道,该管道使用 Fugue 来扫描 Fugue 底层的 IaC。

了解利用未标记数据的深度学习算法,第 1 部分:自我训练

Understanding Deep Learning Algorithms that Leverage Unlabeled Data, Part 1: Self-training

深度模型需要大量的训练样本,但标记数据很难获得。这激发了利用未标记数据的重要研究方向,而未标记数据通常更容易获得。例如,可以通过爬取网络获取大量未标记的图像数据,而 ImageNet 等标记数据集则需要昂贵的标记程序。在最近的实证发展中,使用未标记数据训练的模型已开始接近全监督性能(例如 Chen 等人,2020 年,Sohn 等人,2020 年)。本系列博客文章将讨论我们的理论工作,该工作旨在分析使用未标记数据的最新实证方法。在第一篇文章中,我们将分析自我训练,这是一种非常有影响力的半监督学习和领域自适应算法范式。在第 2 部分中,我们将使用相关理论思想来分析自监督对比学习算法,这种算法对于

了解利用未标记数据的深度学习算法,第 1 部分:自我训练

Understanding Deep Learning Algorithms that Leverage Unlabeled Data, Part 1: Self-training

深度模型需要大量的训练样本,但标记数据很难获得。这激发了利用未标记数据的重要研究方向,而未标记数据通常更容易获得。例如,可以通过爬取网络获取大量未标记的图像数据,而 ImageNet 等标记数据集则需要昂贵的标记程序。在最近的实证发展中,使用未标记数据训练的模型已开始接近全监督性能(例如 Chen 等人,2020 年,Sohn 等人,2020 年)。本系列博客文章将讨论我们的理论工作,该工作旨在分析使用未标记数据的最新实证方法。在第一篇文章中,我们将分析自我训练,这是一种非常有影响力的半监督学习和领域自适应算法范式。在第 2 部分中,我们将使用相关理论思想来分析自监督对比学习算法,这种算法对于

Kernel Karnage – 第 6 部分(最后一次呼叫)

Kernel Karnage – Part 6 (Last Call)

随着这篇博文的发布,我的实习已经过去了一半;玩得开心的时候时间过得真快。 1. 介绍 - 状态报告 在这 6 周的时间里,我介绍了内核驱动程序和 EDR/AV 内核机制的几个方面。我一开始就研究了内核回调,以及为什么 EDR/AV 产品……继续阅读 Kernel Karnage – 第 6 部分(最后一次调用)→

利用这些有用的资源提升您的协作机器人安全知识

Boost your cobot safety know-how with these useful resources

浏览网上所有可用的安全信息似乎令人生畏,因此在这篇博文中,我们介绍了一些可以帮助指导您踏上旅程的最佳安全和合规资源。

如何分析移动恶意软件:Cabassous/FluBot 案例研究

How to analyze mobile malware: a Cabassous/FluBot Case study

这篇博文解释了我在分析 Cabassous/FluBot 恶意软件时采取的所有步骤。我在分析样本时写了这篇文章,并写下了前进的成功和失败的尝试,以及我在此过程中的想法/选择。因此,这篇博文不是 Cabassous/FluBot 恶意软件的写作,而是……继续阅读如何分析移动恶意软件:Cabassous/FluBot 案例研究 →

2020 年中国航天回顾(10 点)

A Recap of 2020 in Chinese Space (in 10 Points)

2020 年即将结束,至少可以说这一年是多么不寻常。今年是中国航天史上极为多事的一年,有许多“第一”,一些重大成功,也有一些失败。在这篇博文中,我回顾了 2020 年,并挑选了最重要的事件,这是一个有益的练习。事不宜迟,让我们开始吧。1 …

新冠疫情后的货币和财政泡沫

Monetary and fiscal bubbles after COVID

在上一篇博文中,我分析了市场和实体经济之间的惊人差距。我强调了造成这种情况的三个具体原因:(1)巨大的货币和财政刺激措施在 3 月份引发了市场的 V 型反弹;(2)主要由所谓的散户投资者(我下一篇博文的主题)推动的狂热(且绝对不合理)预期,以及(3)推动市场的公司(前五大科技公司)与裁员和宣布破产的非上市中小企业之间的不对称。在这篇博文中,我将谈到第一个效应的潜在不稳定性:货币和财政刺激。虽然这些刺激措施旨在平息 3 月份的市场恐慌,但其持续(尤其是美联储的刺激措施)正在其他地方造成巨大的不稳定。具体来说,有充分证据表明货币泡沫正在扩大,由于债务和赤字上升而导致的不可避免的财政不稳定,甚至潜在

结合最新民航局报告评论中国商业航空业

Commenting on China’s Commercial Aviation Industry with the Latest CAAC Report

简介 2020 年 6 月,中国民航局通过其年度航空业报告绘制了中国航空业的年度画像,涵盖了商用、货运和通用航空。在这篇博文中,我们将主要关注商业客运。虽然这份报告是在 2020 年发布的,但它基于 2019 年的数据,因此为这个最近在……期间遭受重创的行业描绘了一幅截然不同且积极的画面。