应用密码学:Bruce Schneier在C中的协议,算法和源代码介绍了现代密码学的全面概述。本书演示了程序员如何应用加密技术来保护计算机数据免受未经授权的访问。它提供了各种算法的详细描述,在软件中实施它们的实用建议,以及如何使用它们来解决安全问题的示例。此更新版本包括新内容,例如其他算法,协议和源代码,同时还包含了上一版中的更正和更新。这本书因其权限和可访问性而受到赞扬,这是寻求建立安全软件和系统的程序员和安全专业人员的宝贵资源。Applied Cryptography是一本备受推崇的书籍,可深入了解加密技术,使其成为需要掌握数字签名等能力的开发人员的重要资源。本书提供了一般类别的加密协议和特定技术的全面概述,包括现实世界中的内部运作方式,例如数据加密标准和RSA public-key密钥密码系统。凭借有关加密实施的实际方面的广泛建议,例如生成真正的随机数并确保钥匙安全,该高级版被称为其领域最有权威的作品之一。该出版物已广泛地成为其领域领域的领先权威。这本书提供了对密码学在维持计算机数据机密性方面的应用程序的深入探索。它涵盖了许多加密算法,提供了将它们实施到软件中的动手指导,并证明了它们解决安全问题的潜力。文本旨在教育程序员创建应用程序,网络和存储系统,以如何将安全功能集成到其设计中。作者的新介绍伴随着这一增强版,这使其成为专门从事计算机和网络安全的人的宝贵纪念品。
摘要 - LARGE语言模型(LLM)被认为具有自动化安全任务的有希望的潜力,例如在安全操作中心(SOCS)中发现的任务。作为评估这种感知潜力的第一步,我们调查了LLM在软件pentesting中的使用,其中主要任务是自动识别源代码中的软件安全漏洞。我们假设基于LLM的AI代理可以随着时间的推移而改进,因为人类操作员与之互动,可以为特定的安全任务进行特定的安全任务。可以通过第一个步骤来通过工程提示根据产生的响应提示为LLM提供的第一个步骤,以包括相关的上下文和结构,以便模型提供更准确的结果。如果经过精心设计的提示在当前任务上产生更好的结果,也会为未来的未知任务产生更好的结果,则此类工程工作将变得可持续。为了审查这一假设,我们利用OWASP基准项目1.2,其中包含2,740个手工制作的源代码测试案例,其中包含各种类型的漏洞。我们将测试用例分为培训和测试数据,在该数据中,我们根据培训数据(仅)来设计提示,并在测试数据上评估最终系统。我们将AI代理在测试数据上的性能与没有及时工程的代理商的性能进行了比较。我们还将AI代理的结果与Sonarqube的结果进行了比较,Sonarqube是一种用于安全测试的静态代码分析器。结果表明,使用LLMS是一种可行的方法,用于构建用于填充软件的AI代理,可以通过重复使用和及时的工程来改进。我们使用不同的现成的LLMS(Google的Gemini-Pro)以及OpenAI的GPT-3.5-Turbo和GPT-4-Turbo(带有聊天完成和Assistant Apis)构建并测试了AI代理的多个版本。
随着 Vitis AI 3.0 的发布,我们现在支持 YOLOv5、YOLOv6 和 YOLOX。我们的工程团队正在开发 YOLOv7 支持,YOLOv8 也将紧随其后。用户必须了解,这些模型的原始版本是根据 GNU 公共许可证 (GPL) 发布的。GPL 与 Vitis AI 不兼容,后者是根据更宽松的 Apache 2.0 许可证发布的。出于上述原因,我们不会在 Vitis AI Model Zoo 中发布我们的源模型。在商业应用中使用 GPL 源应由最终用户在产品化之前进行评估。我们确实会根据要求向用户提供我们的浮点模型和训练脚本作为源代码。请联系 amd_ai_mkt@amd.com 了解更多详细信息。
i) “开源”是指就软件及其任何许可而言,根据许可提供的软件,该许可允许用户运行、复制、分发、研究、更改、修改和/或改进软件,但禁止用户:(a) 在用户随后分发软件时,拒绝用户对源代码所做的改进和/或修改;和/或 (b) 在将软件重新分发或转让给第三方时增加使用限制。就本合同而言,“开源”软件还应包括自由软件基金会定义的“自由软件”。例如(但不限于),“开源”许可应包括 GNU 通用公共许可、Mozilla 公共许可 1.1、Apache 软件许可版本 2.0、学术自由许可 2.0 和开放软件许可 2.0 等许可。
在本报告中,我们研究了基于流量的深层生成模型。我们首先比较了不同的生成模型,尤其是生成的对抗网络(GAN),变异自动编码器(VAE)和基于流量的生成模型。然后,我们调查了不同的归一化流量模型,包括非线性独立组件估计(NICE),实用值的非数量保存(REALNVP)变换,具有可逆的1×1卷发(GLOW)的生成流量,掩盖的自动锻炼自动化流量(MAF)和自动化自动化效果(MAF)。最后,我们对使用NICE和REALNVP生成MNIST手写数字的实验进行了实验,以检查基于流量的模型的有效性。源代码可从https://github.com/salu133445/flows获得。
•将自主系统在其环境中的规格形式化为GR(1)获胜条件,该条件是一组线性时间逻辑(LTL)公式,如果环境满足其初始,不变和进步条件,则需要自治系统满足其初始,不变和进步条件。•编写代码将这些LTL公式转换为环境和自主系统之间的游戏图。通过更改Python库郁金香中的源代码来实现这一目标。•创建算法以计算这些游戏图上的鲁棒性指标。然后,使用这些指标来近视地找到系统最难成功响应的环境动作。•目前,为考虑图表上的路径的自治系统创建硬测试。
我指出计算机无法明确地思考任何事物,即便是一个数字。如果思考是一种计算,那么计算机就会有不同的、甚至可能相反的想法,这些想法对应于它同时执行的许多计算。用户界面只允许我们看到其中之一。我指出了一些明确的情况,如果我们假设计算机可以思考一个数字,那么我们必须得出结论,它会并行思考一个范围内的所有数字。这些数字原则上可以通过非常昂贵的计算来提取。我给出了一个可以执行此操作的程序的明确示例,并提供源代码以供独立验证。使用指示论证,我指出人类思维不具有这种歧义性。因此,即使人类思维可以被计算机模拟(就像我们目前对计算机的理解一样),也不能将其简化为计算。
在Cisco FIPS对象模块,版本7.2A,证书#4036 Cisco评论的详细信息中处理,其中包括构建过程,源代码审核和操作测试(正面和负面),可以根据要求提供。这封信的目的是提供评估和保证,即Cisco Catalyst中心版本2.3正确整合并使用经过验证的加密模块Cisco Fips Object Object模块(FOM)版本7.2A和BC-FJA(BONCY CASTLE CASTLE CASTLE CASTLE CASTLE CASTLE CASTLE FIPS FIPS FIPS FIPS FIPS FIPS FIPS API)版本1.0.0.0.0.0.0.0.0.0.0.0.0.0.0.0.0.0.0.0.0.0.0.0.0.0.0.0.0.0.0.0.0.0.0.0.0.0.0.0.0.0.0.2加密模块验证程序(CMVP)尚未独立审查此分析,测试或结果。有关这些陈述的任何问题都可以针对Cisco Global认证团队(certteam@cisco.com)。谢谢,
RE4AI 道德指南可在 https://josesiqueira.github.io/RE4AIEthicalGuide/index.html 获得,其源代码可在 https://github. com/josesiqueira/RE4AIEthicalGuide 获得。我们通过对 40 名本科生和研究生的调查对指南进行了评估,他们通过在线问卷对指南进行了评估。我们发现了 6 个明显的积极点,例如:a) 所提供的支持信息足以让人理解和使用;b) 卡片中包含的问题易于理解——客观而清晰;c) 指南的使用有助于通过卡片中的问题创建用户故事;d) 使用指南后,道德意识有所提高;e) 指南适用于需求引出阶段;f) 参与者有兴趣在未来项目的需求引出阶段使用该指南。
i) “开源”是指就软件及其任何许可而言,根据许可提供的软件,该许可允许用户运行、复制、分发、研究、更改、修改和/或改进软件,但禁止用户:(a) 当用户随后分发软件时,保留用户对源代码所做的改进和/或修改;和/或 (b) 在将软件重新分发或转让给第三方时增加使用限制。就本合同而言,“开源”软件还应包括自由软件基金会 (Free Software Foundation Inc.) 定义的“自由软件”。例如(但不限于),“开源”许可证应包括 GNU 通用公共许可证、Mozilla 公共许可证 1.1、Apache 软件许可证版本 2.0、学术自由许可证 2.0 和开放软件许可证 2.0 等许可证。