用于大规模连续测试的开源解决方案

在生物医学这样的专业领域训练NLP模型，除了特定数据集，「域外」文本也被认为是有用的。但最近，微软的研究人员「大呼」：我不这么觉得！

什么是预训练？

这是一个拷问人工智能「门外汉」的灵魂问题。

生而为人，我们不需要一切从零开始学习。但是，我们会「以旧学新」，用过去所学的旧知识，来理解新知识和处理各种新任务。

在人工智能中，预训练就是模仿人类这个过程。

预训练（pre-training）这个词经常在论文中见到，指的是用一个任务去训练一个模型，帮助它形成可以在其他任务中使用的参数。

用已学习任务的模型参数初始化新任务的模型参数。通过这种方式，旧的知识可以帮助新模型从旧的经验中成功地执行新任务，而不是从零开始。

以前的研究已经表明，在像生物医学这样的专业领域，当训练一个NLP模型时，特定领域的数据集可以提高准确性。不过，还有一个普遍的认识是，「域外」文本也有用。

 

Turpin 博士表示，我们手机中的相机通过使用数百万个像素来形成图像。如果仅考虑空间信息，则仅凭单个像素创建图像是不可能的，因为单像素检测器没有任何信息。但是，这样的检测器仍然可以提供有关时间的有价值的信息。我们设法做的是找到一种新方法，可以将一维数据，即简单的时间测量，转换成运动图像，该图像代表任何给定场景中空间的三个维度。

与传统图像制作不同的最重要方式是，该团队的研究方法能够将光线与整个过程完全解耦。

Turpin 说道，「我们有信心该方法可以适用于能够用短脉冲探测场景并精确测量回波的任何系统，以全新的方式使用时间而非光来可视化世界」。

当前，神经网络创建图像的能力仅限于经过训练以从研究人员创建的场景的时态数据中挑选出来的能力。

但是，通过进一步培训甚至使用更高级的算法，可以学习可视化各种场景，从而扩大其在现实世界中的潜在应用。

Turpin 补充说，「收集时间数据的单像素检测器体积小、重量轻、且价格便宜，这意味着它们可以轻松地添加到现有系统中，比如自动驾驶汽车的摄像头，以提高寻路的准确性和速度。它们可以增强移动设备中现有的传感器，比如 Google Pixel 4，这些传感器已经具有基于雷达技术的简单手势识别系统。」

 

XDR是否会与安全运营技术(例如安全信息和事件管理(SIEM)、SOAR和威胁情报平台(TIP))竞争?

这其实就是XDR的终极愿景，但是到目前为止，还没有XDR解决方案具有在大型企业安全运营中心(SOC)中发挥作用的规模或功能。这并不是说XDR将来不会增加规模和功能，但是目前这还不是一个紧迫的问题。在可预见的将来，XDR解决方案必须能够SOC系统进行互操作，而那些能够提高SOC效率的XDR供应商将是最成功的。值得注意的是，XDR可能非常适合1级SOC分析人员的监控性质的安全警报分类。如果XDR解决方案可以兑现高级分析和简单易用的承诺，那就更容易受到此类分析人员的欢迎。

如今，哪些国外供应商正在营销/销售XDR解决方案?

XDR市场不断有新玩家加入，最终任何主流安全厂商都不会作壁上观。就国外厂商而言，目前我们能看到的名单包括Broadcom(Symantec)、思科、FireEye、McAfee、微软、Palo Alto Networks、Stellar Cyber、趋势科技和VMware。此外，值得注意的是EDR厂商们(CrowdStrike、Cybereason、SentinelOne等)将来也可能会涉足XDR市场，从端点延伸到其他控件。

除了上述十个问题，关于XDR的疑问还有很多，例如XDR是否会像用户和实体行为分析(UEBA)那样包含在SOC 中?XDR是否会颠覆当下的网络安全技术市场?中国有哪些厂商在XDR领域领跑?欢迎读者们留言表达你们的观点。

（编辑：吉安站长网）

【声明】本站内容均来自网络，其相关言论仅代表作者个人观点，不代表本站立场。若无意侵犯到您的权利，请及时与联系站长删除相关内容!