2016年4月26日に大阪市立大学にて講演した際に用いたスライドです。ベースとなっているのは 2月の Developers Summit 2016 での発表資料です。
![FinTech/LegalTech と分散システム ─ 分散システムから見たブロックチェーンの挑戦と不可能性 / FinTech, LegalTech and Distributed Systems](https://cdn-ak-scissors.b.st-hatena.com/image/square/a97d0ed3a4c6b76a9911409fef1267ff764bd783/height=288;version=1;width=512/https%3A%2F%2Ffiles.speakerdeck.com%2Fpresentations%2F62a4601877c043ed8047079d1f1f7ff1%2Fslide_0.jpg%3F6252056)
2015年、国内では日本年金機構の事例をはじめとして多くの標的型サイバー攻撃の被害が表面化しました。トレンドマイクロでは、この2015年に確認した日本国内における「標的型サイバー攻撃」に関しての分析を行いました。この分析では標的型サイバー攻撃を、「初期潜入」から「端末制御」までの「侵入時活動」と、「情報探索」から「情報送出」に至るまでの「内部活動」の2段階にわけて分析を行っていますが、攻撃者が状況と目的に応じて臨機応変に攻撃手法を変化させている様が浮かび上がってきました。 ● 「侵入時活動」の傾向 侵入時活動の中では 93%が標的型メールによるものでした。また、Web経由の侵入である水飲み場型攻撃の場合も、使用された改ざんサイトへの誘導にメールが使用されていたことが確認されており、ほとんどすべてのケースがメールを発端とした侵入だったと言えます。また、侵入後に行われる遠隔操作ツール(RAT)
[IT研修]注目キーワード Python UiPath(RPA) 最新技術動向 Microsoft Azure Docker Kubernetes 第89回 サーバーオペレーションUIとしてのJupyterの可能性 (中井悦司) 2016年5月 はじめに 前回は、JupyterとAnsibleを組み合わせることで、Notebook形式の「実行可能な手順書」を実現する方法を紹介しました。この時、従来の手順書のように、実行するべきコマンドを単純に並べて記載するのではなく、Jupyter独自の機能を活かしたオペレーションを実現することも可能になります。 今回は、プログラムコードを手順書に埋め込んで利用する、あるいは、コマンドの実行結果を表やグラフに表示するといった、Jupyterならではの新しいサーバーオペレーションの可能性を紹介したいと思います。 JupyterでサーバーインフラのAPIを操作
Top > “マルウェア”の一覧 > Import APIとFuzzy Hashingでマルウエアを分類する ~impfuzzy~(2016-05-09) 一般に、マルウエア検体の調査は、既知のマルウエアかどうかを判別することから始めます。データベース化された多数の既知のマルウエアと調査検体との比較を高速に実行するために、ハッシュ関数をマルウエア検体に施して得られたハッシュ値が利用されます。 ハッシュ関数の中でも、MD5やSHA1などの伝統的なハッシュ関数の場合には、入力データが1ビットでも異なれば、まったく異なるハッシュ値になりますので、完全に同じではないが類似した既知の検体があれば、既知のマルウエアと判定したい場合には役に立ちません。 現在では、カスタマイズされた上で攻撃に使われるマルウエアがほとんどであるため、カスタマイズされた検体を類似していると判断できるようなハッシュ関数が望まれ
こんにちは、@ikeayです。 前回は人工知能とはなんぞやということに触れたので、今回は機械学習について学んだことをざっくりまとめます。 learning.ikeay.net 機械学習とは、ざっくりいうと何かを学習して何かを予測すること。最近流行ってるDeepLearningというやつも機械学習の一種です。 機械学習の種類は、大きく3つに分けられます。 教師あり学習 教師なし学習 強化学習 教師あり学習とは? 教師あり学習は、学校のテスト勉強に似ています。問題集を解いて学習してからテストに挑む。これが教師あり学習です。教師といいつつリアル教師は出てこないですが… 問題と答え(機械学習ではこの答えのことを「ラベル」と呼びます)のセットから傾向を学習し、新しいデータがどこに分類されるか予測をします。 教師あり学習の中でも、だいたい分類問題と回帰問題に分けられます。 分類問題 こういうデータは
私がAI(人工知能)や機械学習って難しいナーと感じるところは、数学の前提知識がある程度必要なところです。 GoogleからTensorflowが出たときに、私もいっちょやってみるかなんて思ったのですが、参考にした記事もなかなか難しくてあんまり理解できなかったのを覚えてます。途中まで理解出来てたのに、急に数式が出てきて「なるほどわからん!」ってなることが多かったですね。 「というかエンジニアなのに数学苦手なのw」とビックリされる方もいらっしゃると思いますが、エンジニアっつったって、今の御時世理系出身エンジニアばかりじゃないんです。でもエンジニア女子やってると自動でリケジョ扱いされるから面白いですね。 当面の目標としては、AIの中でも機械学習を学んでいきたいので(DeepLearningできるようになりたい!)、あると嬉しい数学の知識としては以下です。 線形代数 確率・統計 微分・積分 AIの
大変申し訳ございません。 こちらのページは現在表示出来なくなっている、削除された、 またはURL(ページアドレス)が変更された可能性がございます。 お手数ですが、下記より商品をお探し下さい。
リリース、障害情報などのサービスのお知らせ
最新の人気エントリーの配信
j次のブックマーク
k前のブックマーク
lあとで読む
eコメント一覧を開く
oページを開く