月度归档:2017年08月

商业化试水,Prisma能否重创奇迹?

Prisma正在向2B领域转型,推出了一个新的网站Prismalabs.ai。

这将是Prisma一次迈向商业化道路的试水。

一直以来Prisma都非常神秘并无公开的融资信息,也没有被任何的巨头收购。外界对于这家明星的公司到底如何盈利一直有着很大的疑问。

这次Prisma在2B市场上的尝试,所展现出的技术和商业化思维到底成色几何?

成功与延伸

图片编辑软件多不胜数,Prisma却属于世界范围内现象级的应用,这是空前的成功。

最初,Prisma 创始人Moissenkov 的想法是使用“ 多层卷积神经网络 ”(Convolutional Neural Networks),让计算机识别,并学会名画的“风格”、将任何一张普通的照片变成名画。

而深度神经网络恰恰可以抽取出高层次的信息表征。

Prisma找到了诀窍,巧妙地利用了深度神经网络抽取高层图片表达的能力,能在几十秒内把一张普通的照片转变成一副极具艺术特色的现代画作或者西方名画风格作品。此外,Prisma在iOS应用中已经加入离线功能,照片不需要在本地和云平台之间上传下载,照片处理速度将加快。

据雷锋网了解,自 Prisma 上线 iOS 平台,短短四天迅速风靡全球,征服了全球40多个国家的用户。 截止至去年年底,Prisma下载次数达到7000万次。据外媒Engadget披露,Prisma的月活跃用户从500万人跃升至1000万人。

然而人们对于单一的艺术风格很容易感到厌倦,且 Prisma 并没有强烈社交属性和社交基因。因此一直以来,Prisma从来没有停止过对自己道路的拓展和延伸:

去年10月,Prisma推出了视频滤镜;

年底,还建立社交平台Feed:让用户将自己处理的图片分享出来,接受全球人民点赞。

今年7月,推出另一款图片处理应用:Sticky(这款应用利用人工智能技术,能迅速将自拍中的人像抠出,做成聊天软件中的贴纸/表情包。)

显然这些尝试并没有带来明显的效果。

路径与尝试

为了更好地找好商业化的路径。

8月20日,Prisma 的联合创始人表示:Prisma下周会面向开发者推出一个SDK(软件开发工具包),能够在其他App中加入风格迁移、自拍滤镜等特效。此外,这个SDK还支持物体检测、图像分割、人脸特征标记等功能。所谓的图像分割功能即是,在视频通话中,用户可以一键改变背景,或者将背景切换成空白。

香港中文大学教授、腾讯优图实验室杰出科学家贾佳亚向雷锋网表示:“Prisma此次的技术更新短时间内还难以形成真正的技术壁垒。系统平台构建是个艰巨的大工程,这需要技术之外多方面的进展。此外,SDK并不是开源的代码,对普通研究开发人员没有帮助。”

“我们优图未来会释放大而全的SDK,在腾讯云上开放出来供企业使用。至于人像分割功能,其实腾讯的天天P图已经在效率效果上做的很好,以后版本的天天P图还会继续更新。”贾佳亚透露说。

商汤科技技术人员向雷锋网透露:“尽管Prisma有一定的技术壁垒,但是最近越来越多的开源项目出来了。因此单纯从功能层面上说,越来越多公司都能满足。”

商汤科技技术人员认为Prisma的核心竞争力在于艺术效果。如果单论算法和神经网络,其他的竞品类公司其实也可以实现。但是在艺术滤镜这件事情上,的确是Prisma做得最好。

他认为有自主算法和大量数据做深度学习训练,并且有艺术细胞、愿意投入资源做艺术滤镜这类事情的只有Prisma。

在一片的雷同市场当中,Prisma到底应该如何杀出重围,还需要更加透彻的商业思维以及更加深厚的技术门槛。

雷锋网

现代汽车发布下一代氢燃料电池SUV,全新ADAS系统将在2018年CES展面世

如果说汽车电动化已经成为大多数车企都要涉足的“角力场”,那么相对而言,氢燃料电池则生长在更小的圈子里。市面上仅有的几款氢燃料电池汽车中,丰田Mirai、本田Clarity以及现代ix35FCEV占据了为数不多的份额。

但恰恰是在这一领域,现代汽车一直从战略角度寄予厚望。今年6月召开的CES Asia展上,现代汽车官方发布第四代氢燃料电池技术,并表示搭载该技术的车型最早于2018年上市。

如今,雷锋网·新智驾获得了来自现代汽车的最新消息。日前,据现代方面透露,在首尔举行的特别预先发布会上,现代汽车首次发布了其接近量产的新款氢燃料SUV车型,并透露了相关技术参数。

第四代燃料电池系统

据雷锋网·新智驾了解,特别预先发布会上展示的这款新型SUV,将是现代汽车第二款商业化生产的氢燃料车型,采用公司第四代氢燃料电池技术,该技术是现代汽车在全球范围内开展研发并经现实评估规划完成的成果。2013年,现代在全球率先量产氢燃料电池车,而伴随新款燃料电池车型的发布,现代在燃料电池动力总成零配件领域的又下一城。

据悉,新款燃料电池车型围绕四大核心研发完成:燃料电池系统效率、性能(最大输出功率)、耐用性和油箱储油密度。

1、燃料电池系统效率:通过提高燃料电池性能、降低氢气消耗率以及优化关键部件,新车型与此前的ix35燃料电池车(某些地区名为Tucson燃料电池车)相比,能效提升近60%。新车型有望实现单次续航里程达到580公里(基于韩国的测试标准)。

2、性能(最大输出功率):新车型最大输出功率达163PS,较上一代提升20%。另据现代方面透露,新车可以在零下30℃(或22华氏度)时顺利启动,冷启动能力获得了大幅提升。

3、耐用性:由于采用了高耐用性催化剂技术,新款氢燃料SUV的使用寿命较上一代产品有了大幅提升。

4、氢罐存储密度:与此前两个不同尺寸的油箱相比,新车型的油箱组件由三个同尺寸的油箱组成。通过对塑料内衬结构的创新设计和降低厚度的高效分层型式,实现了对氢气存储密度的突破。

现代方面表示,新车型的量产版还搭载全新高级驾驶辅助系统(ADAS)系统和超长氢动力续航里程。新的ADAS系统细节将与车型官方命名一起在明年初举行的2018年消费电子展(CES)上公布。

对此,现代汽车环保技术中心高级副总裁Lee Ki-sang表示,“现代汽车将引领绿色能源汽车的研发和生产,最终实现一个近乎零排放的社会。”

布局新能源市场,氢动力技术或成最大筹码

从整体战略角度,新能源市场是现代汽车重点布局的一环,这一点,从现代汽车的产品规划中可见一斑。

今年的CES Asia上,现代汽车官方曾表示:计划到2020年推出28款以上环保车型,其中包括10款混动车型、8款插电式混动车型、8款纯电动车型和2款氢燃料电动车。而此次现代随新车型发布“新环保车开发蓝图”中也提到,到2020年,现代汽车和起亚汽车将共向全球市场推出31款环保车型。作为该计划的一部分,现代汽车还将在2011年开发的独家混合动力(TMED)系统的基础上,开发4WD和FR(前置后驱Front Engine Rear Wheel Drive)车型。

现代汽车的电动汽车研发将分多个阶段实施:

  •   2018年上半年推出Kona紧凑型SUV的EV版本,续航里程达到390公里

  •   2021年推出Genesis EV车型 

  •   2021年后推出高续航版EV车型,续航里程达到500公里

此外,现代汽车将开发第一个纯电动车专用架构,以便公司生产多款续航里程更长的车型。

作为全球第一家推出氢燃料电池车大批量生产线的汽车制造商,现代汽车自2013年起即开始供应燃料电池车,目前在全球18个国家销售。

经过多年的发展和生产,现代汽车试图向业界证明:燃料电池车在安全性和耐用性方面丝毫不逊于内燃机汽车。

据现代汽车方面透露,新款氢动力SUV将于明年初首次在韩国发布,随后在北美和欧洲市场发布这一车型。该公司还考虑将这一新型燃料电池车推广到环保汽车具有高增长潜力的市场,比如中国。

雷锋网推荐阅读:现代汽车Mobility战略:布局自动驾驶和“最后一公里”,但氢燃料动力技术或成最大筹码 | CES Asia 2017

雷锋网

Velodyne多线开火:原工厂产能提升至4倍,最终要年产百万台激光雷达

2017年自动驾驶技术继续往前高速发展,激光雷达厂商成为最重要的推动者和受益者。相比去年,因为行业老大Velodyne的大幅产能提升以及速腾聚创等国产激光雷达进入量产化,激光雷达的紧缺状况已经有很好的改善。

上周Velodyne总裁兼CCO Mike Jellen与新上任的CFO Bob Brown来访国内,雷锋网 · 新智驾(公众号AI-Drive)趁这个机会与他们聊了聊这家行业老大哥在新工厂、新产品线以及固态激光雷达方面的进展。

Velodyne CFO Bob Brown(左)以及总裁兼CCO Mike Jellen(右)

恰好在采访前2天,新智驾拜访北京一所高校的自动驾驶开发团队,一名团队负责人告诉我们:Velodyne前不久一下子“还清了”他们二十多台激光雷达的订单——这样的情况正在全球范围内发生。

  • Velodyne位于San Jose的新工厂今年4月份投入运营,不过与外界一般的认知不同,Velodyne目前出货量最大的VLP-16、HDL-64等成熟产品线并未在新工厂生产,这些产品的产能提升主要来自原有Morgan Hill工厂的自动化以及供应链体系的改善。

  • Velodyne的新工厂将主要生产Ultra Puck产品线(VLP-32A和VLP-32C)、固态激光雷达Velarray以及未来更高性能的新产品。

  • Velodyne在7月份公布了与一级供应商Autoliv的合作,两家会在2018年开始到2020年陆续量产车规级激光雷达,Velodyne后续也不排除将会与其他供应商合作应对OEM的需求。

以下是雷锋网 · 新智驾整理的采访实录,其中Mike代表Mike Jellen,Bob代表Bob Brown。

新智驾:可否介绍一下新工厂的状况?

Bob:今年4月份我们的新工厂就开工了,现在主要在做最新的一些产品。我们内部叫这个工厂Megafactory,我们希望最终达到年产100万台激光雷达的目标。

两个工厂的分工是,原来位于Morgan Hill的工厂会继续生产已有16线、32线、64线的产品,而位于San Jose的新工厂目前以生产新产品线Ultra Puck为主。

新智驾:这样说来新工厂并不生产原来16线、32线、64线的产品,但从外界的反馈来看,这部分产品线的产量似乎有很大提升?

Mike:目前我们的产能已经达到了去年的4倍,其中包括Morgan Hill工厂的大幅产能提升,我们也发布了Ultra Puck(VLP-32),Megafactory以后会主要承担Ultra Puck、Velarray以及我们明年会公布的新品的生产。

Morgan Hill的产能提升主要是我们引入机械臂大幅提高了生产的自动化程度,另外供应链方面,当我们需要达到4倍产能时,供应商也有很多工作要做。

自动化的部分,最主要的是激光发射器和接收器的校准。

VLP-32的详细规格

新智驾:目前Velodyne各个产品线的交付周期是怎样的?

Mike:VLP-16、HDL-32、HDL-64的交付周期大约是4周,而我们的新产品线Ultra Puck交付大约是8 -12周。应该说我们现在的产能已经能够满足市场需求。

新智驾:Velarray开发状态现在是怎样的,此前提到过年内会有一些样片?

Mike:是的,眼下我们就在为早期的生产工作做准备,可能会在接下来的展会中向一些重要的合作伙伴展示一些关键的demo。

新智驾:能详细说明一下Velarray的规格吗,比如线数以及角分辨率?

Mike:Velarray的线数是可定制的,它的水平可视角是120°,垂直则是35°,垂直和水平的最小分辨率都是0.1°。

新智驾:Velarray的线数可定制具体是怎样的?

Mike:按照在车上的应用来说,ADAS可能需要很远的探测距离,并且视野要大,检测的密度也要高;而一些备用的传感器(backup sensor)需要的分辨率可能就不用那么高了,这时候线数就可以相应降低。如果用户需要,Velarray最少可以是单线的。

新智驾:7月份Velodyne公布了跟Autoliv的合作,其中提到了Velodyne的Tier 1 Program,可否详细介绍一下双方的合作和Tier 1 Program?

Mike:我们之前对外公布了Tier 1 Program,Autoliv是其中一个重要的合作方。Autoliv拥有遍布全球的生产能力,它在汽车安全电子开发上也是非常领先的,我们的合作会在2018 – 2020年之间开始量产激光雷达。

在Tier 1 Program中,Velodyne提供核心的激光雷达技术和嵌入式软件,Tier 1则针对不同OEM的需求整合不同的产品,并且完善软件端的工作(比如激光雷达与中央控制器的通信)。

未来的汽车上,安装在不同位置不同应用的激光雷达,会有不同的封装要求。与Autoliv的合作,使得我们可以聚焦在激光雷达的核心能力上,而他们则专注于满足OEM的需求。

眼下我们正在跟几家Tier 1沟通,因为不同的OEM客户针对激光雷达不同的需求,我们有可能在后续的时间里公布新的Tier 1合作伙伴。

新智驾:在产能大幅提升后,Velodyne有没有计划降低现有产品的价格?

Mike:未来随着出货量增长,我想你们会看到价格随着规模曲线变化,同时大家也会看到更高性能的激光雷达产品。

新智驾:根据此前获知的消息,Velodyne计划今年交付5000台左右的VLP-32C,这部分产品的价格会在500 – 1000美金之间?

Mike:VLP-32C,也就是Ultra Puck。5000台左右是一个大致范围。

针对价格,我们对应有零售的价格,也有汽车级的采购价格,我们非常乐于为那些有长期规划量产应用激光雷达的厂商提供最好的价格。

新智驾:Velodyne现在的产品线既有64/32/16线,也有Velarray,此前提到过128线以及能够采集RGB信息的Puck 3D,整体产品线是怎样规划的?

Mike:Velodyne正在开发并且会持续推出越来越多的产品。整体上,无论客户需要窄视野的Velarray产品或者是360°环形视野的产品,无论是32线、64线还是96线,本质上都是不同的配置。今天我们已经有Ultra Puck——VLP-32,我们的400多名员工未来会继续满足市场需要的技术需求。

新智驾:去年Velodyne在中国有将近1500万美金的营收,今年的增长情况如何?

Mike:我们对于中国市场的增长非常满意。除了我们自己的销售,我们也非常高兴看到阿波罗计划,后者正在加速这个市场。

新智驾:今年你们有看到什么比较有意思的新应用吗?

Mike:今年我们看到一些AR的应用,将虚拟世界和现实世界联系在一起。无论在室内还是室外环境下,Velodyne的3D建模能力都很强,这种娱乐应用让我觉得很有意思。此外,我们还看到安防机器人和零售机器人方面的应用。

新智驾:今年Velodyne全球大约有1.5亿美金的营收,能讲讲营收的构成吗?

Bob:我们不会公布营收的明细。但在北美、欧洲和亚洲几个重要的市场都增长迅速,Mike和我这次来中国也是拜访重要的客户。

新智驾:此前媒体有报道,Velodyne在明年或者后年有可能IPO?

Bob:我们还没有明确做出上市的决定。我们会尽可能地满足客户的需求,我们的业务也会随之增长,是否上市也会随着业务发展和业务诉求自然地做出决策。

雷锋网推荐阅读:《独家 | Velodyne最新进展:交付周期压缩至8周,新款32线激光雷达开始生产

雷锋网

Wombie Attack—恶意代码传播的新路径

雷锋网编者按:8月16日,第三届中国互联网安全领袖峰会(CSS 2017)在北京国家会议中心召开。作为九大分会场之一的腾讯安全探索论坛(TSec)以“安全新探索”为主题,云集了国际知名厂商及顶尖高校的资深安全专家,探讨全球信息安全领域前沿技术、研究成果及未来趋势。

腾讯安全玄武实验室的刘惠明、郭大兴带来了一种恶意代码传播的新路径——Wombie Attack。据雷锋网了解,Wombie Attack 技术通过被感染者在地理位置上的移动来实现攻击扩散,类似僵尸题材电影的情节——被僵尸咬了的人也变成僵尸,会再去咬其他人,该威胁技术不但可以实现传染式攻击,而且攻击过程不依赖互联网,所以甚至无法从网络层面检测攻击。

以下为雷锋网整理实录:

郭大兴:我是来自腾讯玄武实验室的郭大兴,今天和我的同事刘惠明一起演示一个在极棒上演示的项目。

从 1997 年 802.11 协议出来,到现在已经接近 20 年。最近我们查了 wifi 联盟在 2016 年发表的声明,到了 2016 年初,wifi 设备量已经有 120 亿。现在已经进入到物联网时代,会有越来越多的设备带有 wifi功能。

在常见的 wifi 场景下,芯片经常处于 STA 模式或者 AP 模式。当设备想连接无线路由器的时候,会有主动扫描和被动扫描两种方式。在配置无限路由器的时候,会配置一个 ID,它会定期的对外进行广播,发一个数据包,告诉外面无线设备它的存在。在接收到数据包的时候,就会知道它已经进入到 IP 信号覆盖的范围内。另外一种是它会主动发 Probe Request,探索 ID 的存在。

2005 年,针对 wifi 设备主动连接、主动扫描 AP 的方式出现了 karma 攻击,最著名的是 wifi Pinapple攻击,可以做到对 wifi 基站进行欺骗,劫持它的流量,进行中间人攻击。劫持流量之后,会提供很多插件,对它后续的攻击进行分析。

手机芯片既可以工作于 STA 模式,也可以工作于 AT 模式。你每天用手机在家里上网,也可以使用公司的无线网络,还会出现在其他的无线网络环境里,访问大量的 IP 。karma 攻击经过这么多年,是不是手机对它已经免疫了?如果手机遭受 karma 攻击,会给我们带来什么样的影响?

经过分析,我们发现安卓手机不会再对外发送 Directed Probe,但是会主动发送 Broadcast Probe。我们可以采用 XIB 的质点,对它进行攻击。手机连 wifi 网络的时候,通常是通过一个列表,列表上面显示附近有哪些 IP,点击进行加入。

还有一种方式是通过手动添加网络的方式来添加一个 IP。通常情况下,IP 是可以设置为隐藏模式的,不会主动对外广播自己的存在,需要通过手动添加。但是,2011 年,已经有人跟安卓团队报告通过手动添加网络,手机依然会遭受攻击,发送 Directed Probe,目前通过手动添加网络的攻击问题仍然没有修复。

我们发现国外知名的第三方 ROM,即使刷到最新的 7.0 版本的安卓系统,它依然会发送 Directed Probe,实现 karma 攻击。

Wombie Attack 主要就是逆向分析固件,并进行更改。

这里介绍一下使用博通芯片的手机,通常使用 BCM43XX 系列。这个系列的芯片有一个 ROM 和 RAM,STA 和 AT 两种模式分别使用了不同的固件,都会被加到 ROM 当中,会有一段微码程序。可以看到 PSM 和 PSM UCODE Memory,是用来存储微码程序的。PSM 是程序状态机,会同 UCODE Memory 里面来取指令。从空中接到数据包之后,UCODE 可以对数据包进行解码。解码以后,发现符合接收的数据包。把固件当中的微码程序写入到 UCODE,提取微码程序,对它进行反馈编。

因为微码程序可以监控底层,知道什么时候接收到数据包。接收到数据包之后,可以对头部做一些简单的解码,判断出你接收的数据包是管理类的,还是控制类的,还是数据类型的数据包。当接收到数据类型的数据包的时候,会判断是不是 Probe request。

如果是广播的,或者是发给自己的,后面就会发 Probe Response。根据 IP 的配置,会把两个数据包保存在模板内存。微码会从模板内存加载 Probe Response 到 seralizer 中,PSM 通过特殊的寄存器修改前面的 64 个字节,通常情况下只需要对目的地址进行修改。

但是,它提供的数据范围允许我们访问到其中部分的 SSID,我们可以对微码程序做一些 pech,我们修改了前面 4 个字节的 SSID,让它发送出去。在微码层做 Probe Response 的欺骗,它的长度是可以变的,最长是 32 个字节。响应模板包已经生成好了,配制任何意义长度的 SSID。当你匹配不一样的长足,它是有一段缺口的。我们的办法是不在微码层处理这个问题,收到数据包以后,不进行检查,直接上传到固件层,只需要对微码做一个简单的 pech,红色的就是收到 Probe request,直接调用 L623 状态,把包上传到固件层。

我们选择的是在调用 19610E 处理管理类函数的地方做了一些 hook,在这个地方判断接收到的包是不是 Probe request。手动构造的时候,这个包里面除了包括 SSID 之外,还包括其它的信息。最简单的就是调取函数,生成模板,我们也可以直接生成模板,只不过其它的所有信息都生成好了,我们只需要基于检查接收到的 Probe 的类型,对应 SI 的部分。我们只需要把接收到的请求里的 SSID 替换掉请求里的 SSID 就可以了。如果是广播的,可以从预先准备的 SSID 字典里挑选一些出来,给它发送回去,改一下 mac 地址,就可以实现对 Probe request 的欺骗。

除了需要对 Probe request 进行修改,在后续的协议中 Association Request  Handler 用 NOP 指令替换跳转指令。首先会检测是不是 SSID 类型,后面会判断长度跟你配置的 SSID 长度是不是一样。如果一样,会进一步判断包请求当中的 SSID 是不是跟它配置的一样。我们只需要用简单的 NOP 指令替换跳转指令。这样就可以在手机上实现类似于 karma 的功能。在 6P 里面,Association Request 不一样了,每一个协议里都有一个 Element,这部分的检验函数是在一个 ROM 中实现的。在具体解码的时候,会根据接收到协议的类型,动态的生成一个函数指针的数组,把这个数组传递给解析函数,解析函数会根据参数判断 Elements 调用对应的函数指针。在函数调用之前,可以把 SSID 的检验函数替换给我们自己生成的,这样就可以解决 6P 的部件对这个部分的验证。

固件生成用的是 Nexmon,他们想在手机上实现 monitor 的模式基于 C 语言修改博通的框架。我们在 Nexu5 和 6P 上实现了部件的修改,实现了类似 karma 攻击的效果。

接下来有请刘惠明给大家介绍。

刘惠明:我的同事已经完成了在手机上建立 karma 攻击源。下面我介绍通过这个攻击源能实现什么内容。

首先我将介绍 Wombie Attack 整体攻击流程和实现的典型步骤。首先,攻击者利用手机进行 karma 攻击,截取受攻击的手机流量。之后,可以通过受害者手机的远程代码执行漏洞获取手机上的远程代码执行权限。之后再利用 root 漏洞获取 root 权限,修改手机上的固件,搭建另一个受害者手机上的 karma 攻击源。这样受害者就变成新的攻击源,可以感染另一台手机。

我们设计的 Wombie Attack 的木马结构,主要分为三个部分。第一部分是后台 AP,在手机上利用 hostapd,后台开启 AP 用户根本没有任何感知。第二部分是流量劫持模块,用 dnsmasq 劫持特定流量,并注入恶意代码。最后就是最核心的漏洞利用代码。利用目标手机上的漏洞获取远程代码执行能力,并使用匹配手机 root 进行 root,随后在后台静默执行 Wombie 的部署脚本,将受害者的手机变成新的攻击源。

这是我们在极棒上的演示,最终获取的是手机 B 上面的照片。攻击者拿着一部手机,靠近手机 A。A 和 B都是受 karma 攻击影响的。手机 A 进入攻击者的 SSID 范围,攻击者向手机 A 劫持流量,并利用手机 A上面的漏洞,将其控制。之后,把部署脚本传到手机 A,手机 A 就变成新的攻击源,会散播恶意的 SSID信号。手机 A 靠近手机 B,在手机 A 的主人没有感知的情况下,它会进一步感染手机 B。这时,我们的演示中是直接把手机B作为最终的攻击目标,漏洞利用之后,将手机 B 中的照片传到手机 A 上。手机 A 返回攻击者附近。此时,攻击者可以从手机 A 上拿到手机B的照片。此时,手机 A 相当于攻击的摆布人,直接将攻击传到世界的各个角落。

我们要确认攻击时限的可行性。其中最大的助力来源于安卓生态系统碎片化带来的隐患。根据 Google 7 月份发布的最新数据,小于等于 4 的版本仍然占 26%,安卓 5 以前的版本占一大半。此时,上面的漏洞又是什么情况呢?根据网络数据显示,99.8% 的设备存在远程攻击漏洞。不夸张的讲,绝大部分手机上都是存在攻击的可能性的。因为手机的大量存在和移动性,将会导致大量的手机受到攻击的影响。

在探讨攻击的可行性之后,我们将分析攻击到底会造成什么样的影响。不仅是偷照片那么简单,它还有两个最重要的特性。一是攻击的隐藏性。根据之前的介绍,它是一个完全不依赖互联网传播的可以逃避网络上监测和查杀的木马传播的新路径。可以绕过主流互联网的监控设备。二是一个攻击的放大器,可以将低危漏洞转为高危漏洞,高危漏洞更加危险。比如,劫持流量。高危漏洞就是劫持权限,上正常的网站也会遭受攻击。

karma 攻击依然威胁着信息世界的安全。结合移动智能手机的碎片化、更新不及时、移动性强等特性,将会造成更加危险的状况。本攻击模型涉及到系统安全、无线安全和用户行为引导多个领域,需要多方合作,共同解决未来的威胁。我们在研究中发现,要解决问题,需要用户层、驱动层多方共同努力。

安全不是绝对的,如果想更加安全,除了厂商的努力之外,也需要用户自身的注意。最终是一个视频带着解说的演示,作为演示的结束。也是为了大家更深入的理解演示系统。感谢马彬、TK教主的帮助。

雷锋网

新里程碑!微软语音到文字转录已经达到人类水平

雷锋网 AI 科技评论按:语音到文字的转换是语音研究领域的重要课题。自引入神经网络的方法以来,语音识别正确率有了长足的进展,也为苹果 Siri、亚马逊 Echo、科大讯飞语音输入法等等实际产品提供了生长的土壤。面对算法识别总还是比人类要差一些的现状,微软刚刚发布一篇博文公布了自己的最新成果,达到人类水平已经不是梦想。雷锋网 AI 科技评论编译如下。

2016年,微软语音和对话研究团队对外公布了一则里程碑性的消息,他们在 Switchboard 数据库的对话语音识别任务中达到了人类的一致性水平,这意味着他们的系统识别对话中文字的能力已经和专业的人类转录员一样好。

当时微软的研究人员们测量的这个转录系统的单词误识别率为5.9%,这个表现已经达到了他们测量的人类转录员的水平;其它的研究人员也进行了自己的研究,运用了一个更加深入的多转录员协作模式,达到了更好的5.1%的人类平均单词错误率。这个结果和更早的研究是相符的,其中表明如果人类更仔细、更努力地去做,他们就能够对对话中出现的确切单词有更高的一致性。

一年后的8月20日,微软语音和对话研究团队负责人黄学东兴奋地公布了他们的最新进展,他们的语音识别系统也达到了同样的5.1%的错误率。这是业界的新的里程碑,也比他们去年的成绩又有显著的提高。研究的细节在他们一同发表的论文「The Microsoft 2017 Conversational Speech Recognition System」中进行了详细介绍。

Switchboard 是一个录制的电话对话语料库,语音研究界用这个语料库测试语音识别系统的表现已经有20多年的时间。测试任务是对陌生人之间关于运动和政治话题的讨论进行从语音到文字的转录。

相比去年的单词误识别率,今年的系统又把它下降了12%。这个新系统在他们使用的基于神经网络的语音语言模型上又继续加入了一系列改进,其中添加了一个额外的 CNN-BLSTM(convolutional neural network combined with bidirectional long-short-term memory,带有双向LSTM的卷积神经网络)用来提升语音建模的效果。并且,系统中以前就在使用的从多个语音模型进行综合预测的方法,如今在帧/句音级别和单词级别下都可以发挥效果。

除此之外,微软的研究员们还根据整个对话过程的历史记录来预测接下来可能会说的话,进一步加强了识别器的语言模型,大大增强了模型对话题和局部上下文的适应能力。

在开发过程中,研究团队也从自家的大规模深度学习软件 Microsoft Cognitive Toolkit 2.1 (CNTK) 中获益匪浅,不管是探索模型架构还是优化模型的超参数。并且,微软在云计算基础设置方面的投资,尤其是 Azure 云GPU,也帮助提升了训练模型、测试新想法的效果和速度。

在过去的25年中,达到与人类水平的错误率都是这个领域的研究目标。如今,微软在长期研究中的投入已经证明了它们的价值,微软未来也会在 Cortana、Presentation Translator、Microsoft Cognitive Services等自家产品和服务中让用户们感受到这些技术的好处。看到百万级的用户每天使用这些产品,微软的研究团队也感到非常欣慰。

在语音识别方面,业界和学术界有许多研究团队都做出了杰出的贡献,微软研究团队也表示自己从这个领域的整体发展中得到了很大收获。不过,虽然在 Switchboard 语音识别任务中取得了5.1%错误率这样的喜人成果,整个语音研究领域还有许多的挑战等待克服,比如在有噪音、录音距离较远的场景下,在语音有口音的情况下,在只有非常有限的讲话风格和语言训练数据的条件下,达到接近人类水平的语音识别效果都还是很大的困难。另一方面,在教会了电脑把语音转换为文字之后,下一步还要教会电脑理解其中的含义和目的。在微软研究团队看来,从语音识别到语音理解将会是语音相关技术的下一个重要前沿。

论文地址:https://www.microsoft.com/en-us/research/publication/microsoft-2017-conversational-speech-recognition-system/ 

via Microsoft Research Blog,雷锋网 AI 科技评论编译

雷锋网

两届CVPR最佳论文得主何恺明新作:利用焦点损失提升物体检测效果

雷锋网 AI 科技评论按:CV大牛何恺明在Facebook人工智能实验室的新作,一起来围观!

何恺明博士,2007年清华大学毕业之后开始在微软亚洲研究院(MSRA)实习,2011年香港中文大学博士毕业后正式加入MSRA,目前在Facebook人工智能实验室(FAIR)实验室担任研究科学家。何恺明博士最让人印象深刻的是曾两次以第一作者身份摘得CVPR最佳论文奖(2009和2016),其中2016年CVPR最佳论文为图像识别中的深度残差学习(Deep Residual Learning for Image Recognition),就是举世闻名的152层深度残差网络 ResNet-152。

这次,何恺明博士的新论文名为「Focal Loss for Dense Object Detection」,利用焦点损失提升物体检测效果,以下是雷锋网根据论文摘要进行的编译。

论文摘要

物体检测(Object detection)是计算机视觉研究领域的一项重要任务,而迄今为止表现最好的物体检测方法是由于R-CNN而流行开来的两阶段法(Two-stage approach),在该方法中分类器被应用于候选物体位置的稀疏集合(Sparse set of candidate object locations)中。与两阶段检测器相比,被应用于物体可能位置的规则、密集采样的单阶段检测器(One-stage detectors),则具有更快更简单的优势,但是它当前的检测准确度已经落后于两阶段检测器了。

图一,上图展示了单阶段网络RetinaNet的架构。该架构在前馈ResNet架构(a)顶部使用特征金字塔网络(Feature Pyramid Network, FPN)骨架,以生成更加丰富和多尺度的卷积特征金字塔(b)。RetinaNet在后面还附加了两个子网,一个是用于分类的锚盒(Anchor boxes)(c),另一个则是用于实现锚盒到Ground-truth物体盒之间的回归(d)。该神经网络被有意设计成这种比较简单的形式,这样使得这项工作的精力能够集中于焦点损失(Focal loss)函数上。该焦点损失函数消除了单阶段检测器与最新的两阶段检测器之间的准确率差距,并且运行速度还更加快。

而在本篇论文中,研究员们将对导致这种现象的原因进行研究。据雷锋网 AI 科技评论了解,研究员们发现在密集检测器(Dense detectors)训练期间遇到了极端的前景-背景类别不平衡(Extreme foreground-background class imbalance)是其中的一个重要原因。所以,研究员们提出了通过重塑标准交叉熵损失来解决这一类不平衡问题,从而降低分配给分类示例的损失。该论文提出的焦点损失(Focal Loss)方法将训练集中在一系列难点上,并且防止了大量的负面例子在训练过程中阻碍探测器学习。

图二,上图展示了众多网络在COCO test-dev上运行速度(ms)与准确率(AP)结果。因为引入了焦点损失(Focal loss),本文所采用的极其简单的单阶段RetinaNet检测器的表现超出了之前所有其它的单阶段以及两阶段检测器,甚至包括了Faster R-CNN。

然后为了评估焦点损失方法的有效性,研究员们在该项工作中还设计和训练了一个简单的密集检测器,被称为RetinaNet。最终,研究结果表明,在训练中采用焦点损失时,RetinaNet既能够达到单阶段检测器的速度,同时其准确率还超出了所有当前最高的两阶段检测器。

论文地址:https://arxiv.org/abs/1708.02002 

雷锋网 AI 科技评论编译。

雷锋网

饿了么收购百度外卖已坐实!最快将于本周公布

雷锋网8月21日消息  之前关于饿了么收购百度外卖的消息一直甚嚣尘上,如今该传言终被证实。就在今日早上,饿了么已向媒体表示,公司收购百度外卖已成定局,最快将于本周宣布具体结果。

据雷锋网了解,百度外卖与饿了么谈的是收购,双方应该已经达成了某种口头协议。交易完成后百度可能会占股份,但具体股份数额未知。另据接近交易的百度相关人士向《第一财经》透露,上述交易完成后,百度外卖将独立运营一年左右。

去年开始,百度外卖或将被出售的消息就已此起彼伏,关于这一事件的主角,顺丰、饿了么都被涉及,而随着时间的推进,与百度外卖频频传出绯闻的顺丰逐渐浮出水面。

今年6月,有消息称顺丰创始人王卫质押百亿股票意欲收购百度外卖,不过腾讯科技从顺丰内部人士处获悉,顺丰与百度外卖的此次“合作”并非像传言所说的“收购”,而是二者按照5:5的出资比例设立新的合资公司,但双方持股比例仍在谈判中,当时获得的消息是或将于当月公布。

百度外卖去年下半年便与顺丰开始接触,在百度外卖内部,中层甚至曾借由顺丰投资一事安抚离职员工,但原本承诺的今年4月官宣却在后来不了了之。

而说到饿了么,此前其与百度外卖的谈判已持续一段时间。今年6月前后,饿了么创始人兼CEO张旭豪也曾带团队前往北京谈判。

今年5月,有媒体报道阿里又向饿了么投资至少10亿美元。这意味着,一旦得到阿里更多支持的饿了么拿下百度外卖,就能极大地缩小与美团外卖的差距,O2O外卖市场又将迎来一场“硬仗”。那么,百度外卖背后的“爸爸”——百度又将如何面对这起收购,答案也实为耐人寻味。

注:部分资料来源于第一财经、腾讯科技;图片来源于网络

雷锋网

两次验证后,西门子又在德国建起了首个电气化公路

雷锋网消息,上周,西门子公司宣布与德国黑森州合作,将在 A5 联邦公路上铺设 10 公里的空中接触网货运线路,建设德国首个电气化公路 eHighway。西门子将在其中负责整个系统的规划、建设以及可选择性的维护服务。

这条电气化公路主要由高速公路上的架空电线组成,要求卡车具备智能受电弓与混合动力系统。行驶时,卡车通过传感器系统连接智能受电弓与接触网,从而获取动力,当受电弓运行时速超过 90km 时,便会自动脱离接触网。到寻常路段,卡车再切换至混合动力引擎行驶。

这一方案的最大益处在于能耗减少与废气减排。据悉,电气化公路内的能效是内燃机的两倍,并且不会产生任何废气。

黑森州的这条线路并非西门子的首次尝试,早在 2012 年,这家德国公司便公布了其“电气化公路”概念。2014 年,西门子在加州与沃尔沃和当地的卡车改装公司合作,宣布在洛杉矶和长滩附近的一段 3.2 公里长的高速公路延长段上,架设电气化接触网系统。随后在 2015 年,公司又宣布在瑞典建立支持混合动力卡车的接触网系统,主要架设路段在斯德哥尔摩北部两公里长的 E16 公路。

全球范围内,货运交通负担与日俱增,各国政府也都面临着二氧化碳的减排压力,若单单依赖铁路系统又难以承载。眼下,电动卡车的方案因为电池续航问题,仍然未有较为可行的方案,两周前,特斯拉电动卡车路测的消息带来的更多也是行业内关于其电池问题的质疑。如果西门子这一试验方案证实可行,或可为各国提供一个不错的选择。

雷锋网

亚马逊智慧供应链实现“无人驾驶”,针对中国国情进行优化

在去年的全球智慧物流峰会上,马云曾表示,物流是中国过去十年里最大的商业奇迹,是连接实体经济和虚拟经济的强力纽带。的确,中国的物流在过去几年间发展十分迅猛,不过与美国等发达国家相比,尚存在一定的差距。

雷锋网消息,亚马逊近日宣布,在全球包括中国已率先启用了全新的“无人驾驶”智能供应链系统。基于云技术、大数据分析、机器学习和智能系统等方面的领先优势,亚马逊全新的“无人驾驶”智能供应链可以自动预测、自动采购、自动补货、自动分仓,自动根据客户需求调整库存精准发货,从而对海量商品库存进行自动化、精准化管理。整个过程几乎是零人工干预。

亚马逊全球副总裁、亚马逊全球物流中国总裁薛小林在亚马逊中国首届创新日上表示,“智能物流是一家电商企业综合物流能力的反映。它不仅体现在自动化技术和设备的应用,还体现在整个供应链管理的智能化。”

薛小林介绍,这套供应链系统“是系统体系的‘无人驾驶’,是真正意义上的智能供应链。”他还表示,通过部署全球化的智能物流体系,实现了海量商品跨地域、无国界调拨和配送。这是亚马逊独有的、短期内不易被复制的优势。

此外,据悉亚马逊中国还对全新的智能供应链系统进行本地优化,使系统预测更好结合考虑中国本地特有的促销周期、公农历节假日、地域分布等对商品的影响,通过机器的自我学习和优化,对供应链下端的仓储运营、运输配送进行更准确的指导。

雷锋网

350公里/小时!中国高铁提速正式敲定,重回世界第一

雷锋网消息 据澎湃新闻报道,我国铁路将于9月21日起实施新的列车运行图,“复兴号”动车组将同时在京沪高铁上率先实现350公里时速运营。这标志着我国将成为世界上高铁商业运营速度最快的国家。

虽然刚刚才确定京沪高铁重回350公里/小时的具体时间点,但这早已是板上钉钉的事情。

7.23甬温线动车事故之前,京津城际、武广高铁、郑西高铁、沪杭高铁4条高铁就曾以350公里/小时的速度运营。事故后,为安全起见,国内铁路上营运的列车普遍降速。虽然我国高铁目前都是以300公里及以下的时速在运营,但事实上约1/3的高铁线路是按350公里的时速设计建造的。重回350公里/小时不过是时间早晚的问题。

今年7月,复兴号动车组在京沪高铁开展了时速350公里的实车、实重和实速检验检测、可行性研究和运营安全评估,通过全面系统的科学论证和综合评估,表明京沪高铁完全满足按照设计时速350公里运营的要求。

据悉,9月21日起,铁路部门将安排7对复兴号动车组在京沪高铁按时速350公里运行,分别担当G1/G2、G3/G4、G5/G6、G7/G8、G9/G10、G13/G14、G17/G18次,京沪之间全程运行时间将从5个小时压缩到4个半小时左右。

中国铁总日前进行了复兴号中国标准动车组(中国标动)的第二批采购,共计104列,总价178亿元左右,平均每列1.71亿元,加上此前的第一批已经达到154列。

至于其他高铁线路何时提速350公里,暂无确切安排。不过,中国铁路总公司有关负责人在接受媒体采访时表示,时速350公里的高铁产品,只是中国高铁开发中最高层次的产品,是高铁系列产品中的一种,并不代表全部。在欠发达地区,老百姓对票价更加敏感,对时间则不那么敏感,那么高铁就以时速250公里的产品为主打;在发达地区,旅客流量很大,又更愿意用较高的票价换取时间,那么高铁就会侧重提供时速350公里的产品。

未来,中国将形成覆盖时速200公里到350公里的高铁系列产品,为消费者提供更多的选择和便利。

雷锋网