SECURITY AFFAIRS MALWARE NEWSLETTER ROUND 46
安全事务恶意软件新闻通讯包括一系列最佳文章和关于恶意软件的国际景观肉瘤勒索软件的研究：双重勒索勒索gangtools bumblebee恶意软件攻击的解剖 - 可信赖的IT工具如何变成恶意软件交付矢量的“恶意交付矢量” conbecter of pypi pipi pipe pipe pipe pipe tiktok and interstagram for Instagram
SECURITY AFFAIRS MALWARE NEWSLETTER – ROUND 22
Security Affairs Malware 时事通讯收集了国际范围内有关恶意软件的最佳文章和研究。 一项用于衡量组织中恶意软件遭遇行为风险的病例对照研究 PyPI Python 库“aiocpa”被发现通过 Telegram Bot 泄露加密密钥 Bootkitty：分析第一个适用于 Linux 的 UEFI 启动套件 Hudson Rock 宣布首次全面 […]
Три года на виду у всех: как вредоносный пакет на PyPI собрал 37 000 скачиваний
网络威胁已渗透到数千名开发人员的代码中，但仍未被发现。
Introducing mall for R...and Python
我们很自豪地推出 {mall}。借助 {mall}，您可以使用本地 LLM 在数据框架中运行 NLP 操作。（情绪、摘要、翻译等）。{mall} 已同时发布到 CRAN 和 PyPi（作为 Polars 的扩展）。
BanditPAM: Almost Linear-Time k-medoids Clustering via Multi-Armed Bandits
TL;DR想要比 \(k\)-means 更好的东西吗？我们最先进的 NeurIPS \(k\)-medoids 算法 BanditPAM 现已公开！\(\texttt{pip install banditpam}\)，您就可以开始了！与 \(k\)-means 问题一样，\(k\)-medoids 问题是一个聚类问题，我们的目标是将数据集划分为不相交的子集。然而，在 \(k\)-medoids 中，我们要求聚类中心必须是实际数据点，这允许对聚类中心进行更好的解释。\(k\)-medoids 还可以更好地处理任意距离度量，因此如果您使用 \(L_1\) 之类的度量，您的聚类可以对异常值更具鲁棒
BanditPAM: Almost Linear-Time k-medoids Clustering via Multi-Armed Bandits
TL;DR想要比 \(k\)-means 更好的东西吗？我们最先进的 NeurIPS \(k\)-medoids 算法 BanditPAM 现已公开！\(\texttt{pip install banditpam}\)，您就可以开始了！与 \(k\)-means 问题一样，\(k\)-medoids 问题是一个聚类问题，我们的目标是将数据集划分为不相交的子集。然而，在 \(k\)-medoids 中，我们要求聚类中心必须是实际数据点，这允许对聚类中心进行更好的解释。\(k\)-medoids 还可以更好地处理任意距离度量，因此如果您使用 \(L_1\) 之类的度量，您的聚类对异常值会更稳健。尽
