demi的博客

在人工智能领域中，深度学习掀起了最近一次大的浪潮，也是目前最受关注、获得投资最多的一类。但要知道，深度学习并非机器学习唯一的方法，更非AI唯一的方法（人工智能>机器学习>深度学习）。

在公共安全、应急响应、工业自动化、自动驾驶汽车和医疗物联网(IoMT)领域，IoT部署已从基于智能家居设备和可穿戴设备等基于消费级应用扩展到关键任务应用。物联网的“ 5C”是物联网设计面临的五个主要挑战，即连通性、连续性、合规性、共存性和网络安全性。

近几年，机器学习异常火爆，可以用来解决各种各样的问题，但却很少有人意识到机器学习本身也容易受到攻击，终于Ian Goodfellow和Papernot首次将机器学习的攻击提出，并且做了很多非常重要的研究，这里给出这二位大牛的博客的翻译，有兴趣的朋友可以关注一下，觉得还是很有意思的研究。本文也是安全方面的学习，有兴趣的希望可以一起讨论学习~~

传统的渲染方式下所做的光照计算流程称为前向渲染。这是一种十分直接的方式，在顶点着色器中对所有待渲染对象的顶点进行一系列的变换，这些变换通常是将顶点的法线和位置变换到裁剪空间。

智能家居集成越来越受欢迎，尤其是在现代，越来越多的人被Covid-19限制在家里。据Statista统计，目前澳大利亚有110万户家庭安装了智能安全系统，预计到2023年这一数字将翻一番，在新西兰还有20万户。智能安全系统包括网络摄像头、视频门铃和其他安全和访问控制设备，旨在防止家庭入侵和盗窃。

许多自监督方法使用[pretext tasks]来生成代理标签，并将无监督学习问题转化为有监督学习的问题。一些例子包括旋转预测，图像着色，拼图等。然而，这样的pretext任务是依赖于领域的，需要专业知识来设计它们。

物联网设备的发展是最近几年最令人兴奋的趋势之一。然而，随着如此多的新无线设备进入网络，人们对如何有效地管理它们表示了极大关切。得益于5G和边缘计算技术，企业将很快改造其网络，以释放物联网设备的真正潜力，并将其覆盖范围扩大到以前服务不足的地区。

在面对前所未有的压力测试时，公有云已经被证明具有极强的弹性，但今年上半年也还是有一些例外。虽然今年到目前为止，只有少数几起中断故障是由于新冠病毒让云服务使用激增所导致的，但还有一些是由于某些常见的故障引发的，即使是在特殊时期，这些故障在某些程度上也是不可避免的。

没有网络安全就没有国家安全。2020上半年，网络攻击事件频发，其中不乏涉及电力、水利、能源、交通等关键信息基础设施领域，提高安全意识、加强安全防护势在必行。

一般而言，比较成功的神经网络需要大量的参数，许许多多的神经网路的参数都是数以百万计，而使得这些参数可以正确工作则需要大量的数据进行训练，而实际情况中数据并没有我们想象中的那么多……