in insights.thoughtworks.cn / 2022-06-10 10:21 / by @Thoughtworks

机器学习不是你想用，想用就能用

打开原文喜欢 1 0 条评论

机器学习的目的：更精准地替代经验以及更大面积复用人工。在这个文章中，要回答什么场景下该用机器学习，同时我们也需要回答一个更为本质的问题，什么是机器学习？

赞过的人

@IT技术博客大学习

bl blog.nsfocus.net / 2024-11-02 16:27

对抗式机器学习攻击与缓解措施分类及术语（上）

本文介绍了NIST在对抗性机器学习中的分类和术语，分析了攻击阶段、目的和对抗措施，帮助提升AI系统的安全性和鲁棒性。

查看详情

无图

bl blog.nsfocus.net / 2023-02-12 14:05

部署机器学习方案之困（下）

在工业环境中开发基于机器学习的解决方案包括四个阶段：数据管理、模型学习、模型验证和模型部署，而这些阶段没有严格的时间轴，在一定程度上存在并行和反馈循环。本节将讨论从业者在最后一个阶段中面临的常见问题和挑战，并讨论涉及到的其他问题。

查看详情

无图

bl blog.nsfocus.net / 2023-02-12 14:04

近年来，机器学习无论是作为学术研究领域还是实际商业问题的解决方案，都受到了越来越多的关注。然而，就像其他领域一样，在学术环境中起作用的研究和实际系统的要求之间往往存在着显著差异，所以在生产系统中部署机器学习模型可能会带来许多问题。

本文介绍一篇剑桥大学2020年发表的研究综述，其调研了在各种用例、行业和应用中部署机器学习解决方案的公开报告，提取了与机器学习部署工作流阶段对应的实际考虑因素。对于从业者而言，了解在机器学习部署的各个阶段所面临的挑战是非常重要的，本文将对这方面进行主要阐述，最后介绍潜在的解决方案，共分为上、下两篇，本篇为上篇，希望各位能从中受益并引发更多思考。

查看详情

无图

te tech.meituan.com / 2022-12-24 23:38

美团图灵机器学习平台性能起飞的秘密（一）

美团图灵机器学习平台在长期的优化实践中，积累了一系列独特的优化方法。本文主要介绍了图灵机器学习平台在内存优化方面沉淀的优化技术，我们深入到源码层面，介绍了Spark算子的原理并提供了最佳实践。希望为读者带来一些思路上的启发。

查看详情

无图

bl blog.nsfocus.net / 2022-05-06 23:16

基于机器学习的反欺诈研究

互联网应用在给用户带来便利的同时，也引入了新的风险。屡见报端的网络欺诈事件，已经给许多互联网用户带来了严重危害。本文将介绍几种基于机器学习的能够有效监管和防御网络欺诈的技术手段。

查看详情

无图

in insights.thoughtworks.cn / 2021-06-29 18:01

如何建设机器学习平台

伴随着数据化、智能化的浪潮，很多大企业为了沉淀通用技术和业务能力；加快企业智能化、规模化智能开发，开始了自建机器学习平台。从零搭建一个机器学习平台的复杂度是不容小觑的，关于平台的定位、需要解决的问题；及其架构、技术选型等需要提前考量和设计。本文根据几个从零到一的机器学习平台构建经历，再结合目前新兴热门的云上机器学习平台，试图对机器学习平台做一个概念和技术拆解。

查看详情

无图

se www.sec-un.org / 2021-06-13 23:26

洋葱式信息安全观察：溯源（归因分析）与机器学习

回顾往年的攻击事件，有报道称韩国平昌冬奥会APT攻击事件导致了奥运会网站的宕机和网络中断。

根据开源情报，该事件攻击者的归属问题，至今未有定论。在事件中攻击者使用的植入载荷Olympic Destroyer，其相关代码与Lazarus曾使用的载荷有部分相似，而美国部份媒体则声称该事件为俄罗斯情报机构实施并嫁祸给朝鲜。

该事件再一次展现了APT攻击者利用和模仿其他组织的攻击技术和手法特点，制造false flag以迷惑安全分析人员并误导其做出错误的攻击来源归属的判断。

网络攻击者，其手法随着不同的组织、个人的能力以及外部环境而多变，是否有一种通用的方法来进行综合分析，作为归因分析的指导呢？

狡猾的狐狸总是懂得隐藏自己，甚至嫁祸于他人。然而，“凡有接触，必留痕迹”，判断一起攻击所属的国家、地区、组织、黑客团体，通常需要所结合已知知识（威胁情报）和具体的攻击细节进行对比分析，最后做出结论。以下介绍几个常用的分析切入点。

查看详情

无图

mp mp.weixin.qq.com / 2021-06-06 15:01