Лидеры

Спасибо за интересный вопрос! Вообще, в кибербезопасности машинное обучение применяется очень широко, так как позволяет здорово автоматизировать множество рутинных задач и освободить время профессионалов-аналитиков для поиска интересных угроз. Например, мы применяем машинное обучение для автоматизации обработки событий в Kaspersky Managed Detection and Response: машинное обучение берет на себя обработку повторяющихся событий, оставляя специалистам для расследования только самое интересное. Кроме того, с помощью машинного обучения мы детектируем вредоносное ПО, спам и фишинг, обнаруживаем аномалии в телеметрии и индустриальных сетях и делаем много другое – все эти задачи могут стать предметом исследования и изучения. Если же говорить о задачах на стыке машинного обучения и анализа данных с одной стороны и криптографии с другой, то и здесь есть на что посмотреть. Например, представим себе такую задачу, очень близкую к реальным насущным проблемам: обучить алгоритм машинного обучения, который бы научился предсказывать возможные болезни по данным пациента и предлагать профилактику. Как известно, машинному обучению нужно много данных, чтобы достичь хорошего качества, но информация о пациентах клиник и больниц – очень чувствительные данные! Как быть? Во-первых, как вообще посчитать какие-то статистики по таким чувствительным данным, чтобы не скомпрометировать конфиденциальность людей? Причем так, чтобы уровень защиты конфиденциальности был математически измерим? Именно этим занимается такая сфера анализа данных, как дифференциальная приватность (differential privacy). В этой области довольно много нерешенных проблем, потому что применение ее методов уменьшает точность анализа или повышает требования к количеству данных. Особенно это касается differentially private machine learning – применению методов дифференциальной приватности к обучению моделей машинного обучения. Во-вторых, что если мы бы могли централизованно обучить такую модель-врача, но на зашифрованных данных? Возможно ли это? Теоретически – да, если воспользоваться гомоморфным шифрованием. Если вкратце – это такое шифрование, которое позволяет проводить математические операции над шифротекстом так же, как и над простым, так что, например, если сложить два зашифрованных числа и расшифровать результат, то это будет то же самое, что и просто сложить два числа. Применение гомоморфного шифрования к машинному обучению – интересная тема. Наконец, могут ли данные пациентов вообще ни в каком виде не покидать больницу, но так, чтобы модель-предсказателя болезней мы получили? Да, если воспользоваться федеративным обучением (federated learning) – методикой, при которой каждая больница обучила бы свою модель или часть модели на своих данных, а потом эти модели объединились бы в единую мощную супер-модель. Такие методы уже применяются, но улучшение их – активная сфера научных изысканий.

Блокнот "New plans" Заказан в МС. Страницы белые в клеточку. Торец листов блокнота трех цветов: фиолетовый, розовый и голубой. Есть ляссе. Имеется коробка для хранения блокнота (1-я фотография).

А также в сравнительно небольшом по размеру Сингапуре есть достаточно обширный парк. Да не просто небольное очищенное и спланированное пространство, а настоящие джунгли с дикой живностью -> Как говорится, "всё для народа" (с) - и неважно кем ты там оказался в этих самых джунглях.. В аэропорту Сингапура - целый аж вот такой водопад! А также немного про работку надо отчитаться => Разные виды из Синга - но вы, видимо, уде догадались, что здесь у меня небольшое "поппури", а главный рассказ будет чуть позже. ... Если получится Старое здание Верховного Суда => И вид с его крыши. Пока всё на этом. Я (как обычно в это время суток) --- спааааать!

Возьмите на заметку - Рекомендации после удаления вредоносного ПО

К сожалению, расшифровки этого типа вымогателя нет.

Ну что вы, ребята?! Люди старались, делали викторину... а вы накинулись. Ошиблись так ошиблись. Корову что ли проиграли или квартиру?)) Лучше скажите спасибо организаторам за создание викторины. Не знаю, как вы, а я узнал много нового по истории нашего родного антивируса. Жду от Совета побольше таких викторин.

Если рассматривать заявку с формальной точки зрения, то она не соответствует правилам программы "Консультант по продуктам", о чём участники клуба уже проинформировали. Но мы посовещались среди администраторов клуба, получили положительный отзыв о вашем вкладе в бета-тестирование продуктов от работников ЛК и решили принять вас в программу на испытательный период сроком до 3-х месяцев В ближайшее время вы получите доступ к закрытому разделу.

А почему не ?