demi的博客

作为一个机器学习方面的小白，在闵老师课上学的两个聚类算法，即经典的K-means聚类和基于随机游走的聚类算法，是我学习到的头两个与机器学习相关的算法。算法课上，闵老师先讲了简单但是经典的K-means聚类算法，让我们对聚类算法有了一个初步的理解，紧接着又花了大量的时间剖析了基于随机游走的聚类算法。五周十二次的课程，我学到的不只是算法本身，下面将从几个方面来总结我对本课程的收获。

物联网是一种包含网络传感器的设备，可以进行远程监测和控制。到2025年，物联网设备的安装数量预计将达到750亿台。这些设备包括家用路由器、远程摄像头、医疗设备等等。物联网市场涵盖的领域非常广泛，包括工业、银行业、零售业、制造业以及医疗保健等行业。2018年以来，随着总体网络安全趋势的暴露，全球范围内大量正在使用中的物联网设备如今已沦落为网络犯罪分子的乐园。随着越来越多物联网设备被引入市场，物联网所面临的风险也在愈发增多，且威胁样式也在发生转变。

威胁之源

大数据、人工智能是目前大家谈论比较多的话题，它们的应用也越来越广泛、与我们的生活关系也越来越密切，影响也越来越深远，其中很多已进入寻常百姓家，如无人机、网约车、自动导航、智能家电、电商推荐、人机对话机器人等等。

说到协程，我们首先回顾以下线程与进程这两个概念。在操作系统（os）级别，有进程（process）和线程（thread）两个我们看不到但又实际存在的“东西”，这两个东西都是用来模拟“并行”的，写操作系统的程序员通过用一定的策略给不同的进程和线程分配CPU计算资源，来让用户“以为”几个不同的事情在“同时”进行“。

新年伊始，安全企业都会对过去一年发生的重要事件进行梳理，并基于自身在过去一年对安全态势的理解和积累，形成独特视角，发布新一年的安全趋势预测。

作为全球最大的安全企业，赛门铁克（Symantec）如何看待2019年全球网络安全的发展态势？

趋势1. 围绕AI的竞争和对抗

赛门铁克认为，技术逐年成熟甚至已经到达商用标准的人工智能（AI），无论是从“攻击者”还是“防御着”视角，其强大的自动化、增强决策能力，是攻防双方对人工智能及相关技术的竞争和对抗，2019年会演变的更加激烈。

先从攻击者角度来看。

人工智能系统尤其自我的脆弱性，已有安全研究人员发现，通过恶意训练数据可以影响系统逻辑，并导致运行失常。随着人工智能应用的不断广泛与深入，无疑，关键性的人工智能系统有大概率成为攻击者在2019年的重点关注目标。

除了将其作为攻击目标外，攻击者还可以利用人工智能实施犯罪活动。

人工智能可以帮助攻击者更快速探测网络和系统，并寻找可利用的安全漏洞；人工智能还可以被利用来仿造视频、音频、电子邮件，并针对个人目标发起社会工程攻击。可以预见的是，由人工智能驱动的攻击工具，可以以更低的成本，发动更为复杂的针对性攻击。

各种类型的无线技术和网络允许设备在没有电缆的情况下彼此和网络（TCP / IP网络）说话（发送数据）。有许多不同的无线技术可以在用于物联网（IoT）和机器到机器（M2M）通信的硬件产品中实现。电气和电子工程师协会（IEEE）为802.15技术设立了七个任务组。这些小组为用于个人区域网络的常见无线技术设定了标准。

深度学习对社会和个人的生活将产生深远的影响，其影响方式也是难以想象的。未来若干年，它又将如何影响我们所处的世界？如何让深度学习为个人和生产赋能，发挥作用呢？神经网络的先驱、全球AI专业会议NIPS基金会主席特伦斯·谢诺夫斯基在其新书《深度学习：智能时代的核心驱动力量》中，首次以亲历者视角，前瞻性的提出了未来人工智能发展的8大重要预判。

当前游戏漏洞方面还没有权威的定义和分类方法，不同的人可能会有不同的分类方式，比如有些人喜欢按游戏玩法模块来划分漏洞，把漏洞分为任务系统漏洞、战队系统漏洞、对战系统漏洞等等。这里所说的分类方法主要是从技术角度来分析漏洞形成的原因，进行归纳总结出来的分类方法，仅供大家参考。

时间序列数据是在不同时间点上统计同一指标，并按照时间先后排列成的一个集合。时间序列的主要作用是了解一个指标的长期趋势和预测未来。循环神经网络（Recurrent Neural Network或RNN )就是一类用于处理序列数据的神经网络。RNN的状态，不仅受输入影响，还受前一时刻状态的影响。