システムソフトウェアに対する攻撃の歴史と傾向 - 高度標的型攻撃や国家に支援された攻撃の仕組み - - るくすの日記 ~ Out_Of_Range ~
A History of system-level offensive security researches: How is your system compromised by nation state hacking, APT attack はじめに 企業や個人に対するサイバー攻撃の頻度は年々増加の一途を辿っているが、これらはskiddyによる悪戯程度の物から、企業を標的とした高度な標的型攻撃、あるいは政府による諜報活動に至るまで多岐にわたっている。 特に大規模な組織や政府による綿密に練られたサイバー攻撃は、確実に目的を果たすために高度な手段が講じられる事が多い。 本記事では高度標的型攻撃や政府による諜報活動で用いられる手法の一つとして、"システムソフトウェアに対する攻撃"について紹介する。 これはオペレーティングシステム (OS) や仮想マシン、ファームウェアといった基盤システムを
【遂に完成】「47都道府県のローカルチェーン店まとめ」が出来たので見て欲しい【疲労困憊】 - ぐるなび みんなのごはん
こんにちは。ヨッピーです。 画像は静岡が誇るローカルチェーン店「さわやか」のハンバーグです。 最高に美味いのでみんな一回くらいは静岡に行くべき。 「さわやか」については平日なのに3時間待ちの行列が出来るとか、東京からわざわざ泊りがけで食べにくる猛者が居るとか、その伝説の数々について語りはじめるとマジでキリがないので置いておくとして、この静岡における「さわやかのハンバーグ」のように、各都道府県にはそれぞれ「地元民に愛されるローカルチェーン店」があったりします。 例えばこちらは佐賀県代表「井手ちゃんぽん」のちゃんぽん。 きくらげがたっぷり入っていて食べ応えも抜群！佐賀に行ったら絶対に食べよう！ そしてこちらは福岡県代表「ひらお」の天ぷら。 リーズナブルなお値段で揚げたての天ぷらを食べられる上に、イカの塩辛が食べ放題だったりするので「天ぷらが届く前に塩辛をオカズにして白いご飯を食べきってしまう」
Org-modeで、ライフログを録ろう - Qiita
今回は、Org-modeが提供する数多の機能の中から、ライフログの録り方を紹介します。 Org-modeのライフログは、「あ、これメモしておこう」とか、「あれ、このサイトのパスワードは何だったけ？」といったシーンで簡単に使用できるで、一度使いだすと手放せなくなります。 Org-modeとは Emacsのメジャーモードの1つ。Org-modeのホームページでは、以下のように紹介しています。 「Org-mode は、ノートの保存、TODOリストの管理、プロジェクト計画のためのモードです。高速で効率的なプレーンテキストのシステムを使ってファイルを編集します。」 準備 ここからは、Ubuntu 14.10のEmacsをベースに説明します。 Emacsが動く環境であれば、Org-modeは、OSを問わず動作すると思います。 Org-modeのインストール Ubuntu 14.10のEmacsパッケー
Emacs org-modeで快適タスク管理 入門 - 理科系の勉強日記
# 追記2017/1/24 # # 前回の更新(2012)から時間が経過したので、記事の内容を一部変更しました。 What's org-mode Org-modeは、ノートの保存，TODOリストの管理、プロジェクト計画のためのモードです。 高速で効率的なプレーンテキストのシステムを使ってファイルを編集します。 Org-modeは2003年にCarsten Dominik氏によって作られ、 2011年からBastien Guerry氏によって管理されています。（本家より） 本家 http://orgmode.org/ 日本語版 http://orgmode.org/ja/index.html デフォルトでもorg-modeが入っていると思います。M-x org-modeでorg-modeにした後にM-x org-versionでバージョンが確認すると、以下のように出力されました。 Org-m
Pythonのパッケージングのベストプラクティスについて考える2018 - 朝日ネット 技術者ブログ
はじめに 開発部の tasaki です。Python 3.7 のリリースが今月末に行われるということで、あらためて 2018 年現在の Python のパッケージ構成におけるベストプラクティスについて検討してみたいと思います。 対象読者 この記事は、 書き捨ての Python スクリプトなら書けるが、ちゃんとしたパッケージの作り方がよく分からない 公式リファレンスのモジュールの章を読んだが、結局具体的にどういう構成にすればよいのか分からない setuptools.setup 関数の大量の引数のどれを使えばよいのか分からない というような人を対象としています。 対象バージョン 処理系とツールチェーンのバージョンは、 Python 3.4 （2014/03/16 リリース）以降 pip 8.1.2 以降 setuptools 19.2 以降 を対象とします。 EPEL の python34,
計算量オーダーについて - Qiita
プログラムの計算量を表すO記法について、使用例を調査しました。 計算量（オーダー）とは？ あるアルゴリズムを使った演算の性能を表す指標。 計算量は大きく二つに分けられる。 時間計算量（処理時間の計算量） 空間計算量（メモリ使用量の計算量） 単に計算量（オーダー）と言った場合、時間計算量のことを指す。 O記法（オーダー記法） 特定のアルゴリズムでの計算が、どれくらい掛かるかを表した記号。 処理対象のデータが非常に大きくなった時の処理時間を大雑把に評価する。 処理時間が短い順（性能が良い順）に代表的なオーダーをまとめる。 O記法 概要 使用例
一夜漬け音楽理論
■コードの覚え方(全15回)■ ┣１.ドレミとアルファベット ┣２.基本となるコード ┣３.真ん中の音が変化する ┣４.真ん中の音がさらに変化 ┣５.ここまでのまとめ ┣６.右の音が変化する ┣７.３つの音のまとめ ┣８.音を付け足す ┣９.特殊な例 ┣１０.４つの音のまとめ ┣１１.さらなる音を付け足す ┣１２.さらに、、、 ┣１３.音を移動しちゃう ┣１４.ベースの音が変わる ┗１５.まとめ ■キー・スケールのお話(全6回) ■ ┣１.メジャースケール ┣２.ナチュラルマイナー ┣３.ハーモニックマイナー ┣４.スケールのまとめ ┣５.メジャーキー ┗６.マイナーキー ■コード進行のお話(全13回)■ ┣１.重要な３つのコード[1] ┣２.重要な３つのコード[2] ┣３.重要なコードのまとめ ┣４.簡単な進行 ┣５.グループ分け ┣６.カデンツ ┣７.進行においての規則 ┣８.忘れてお
Pythonでデコレーターを継承先にも適用する２ - タロスカイ株式会社
こんにちは、Pythonエンジニア見習いです。 Pythonでデコレーターを継承先にも適用する のデコレーターを継承先にも適用する方法に欠陥を発見したのでそれがどのようなものなのか 解説していきたいと思います。さらにその代替方法についても紹介します。 なぜクラスの__new__関数を用いる方法ではダメなのか まず、Pythonのクラスに書かれた__new__関数はそのクラスのインスタンスが 生成されるたびに 実行されます 。これにより本来であれば各サブクラスごとに一回デコレーターを適用したい場面で デコレーターがインスタンス生成ごとに適用されてしまいます。わかりやすいように以下に例を示します。 まず、以下に示すようにpythonのクラスや関数が定義されているとします。 def deco(f): @functools.wraps(f) def inner(*args, **kwargs):
Pythonでデコレーターを継承先にも適用する - タロスカイ株式会社
こんにちは、Pythonエンジニア見習いです。最近TemplateMethodパターンを使っているコードのリファクタリングをしていたところ、継承先にもデコレーターを適用したい場面に遭遇しました。その時、単純に継承元に適用するだけではうまくいかず、工夫が必要でした。今回はPythonでデコレーターを継承先にも適用する方法を皆様に紹介したいと思います。 なぜ単純に継承元に適応するだけではダメなのか 継承元の関数は継承先の関数はたとえ名前が同じであってもそれが指す関数オブジェクトは別物です。よって継承元でデコレーターを適用した場合、継承先ではそのデコレーターの適用された継承元の関数は継承先の同名の関数で上書きされます。最終的に継承先の関数ではデコレーターの適用されていない関数が残ります。 どうやったら継承先にデコレーターを適用できるのか メンバ関数がデコレートされるタイミングはクラス(インスタン
Kaggleで使えるpandasテクニック集 - 天色グラフィティ
PythonでKaggleなどのデータ分析を行う際、pandasでゴリゴリ作業をすることが多いかと思います。 最近知って「めっちゃ便利やん！」ってなったものをまとめておきたいと思います。 全部の関数にドキュメントへのリンクを付けたので参考にしてください。 今回も検証にはTitanicのデータセットを用います。また、文中でのdf.hoge()はpandasのDataFrameのメソッドであることを、pd.hoge()はpandasの関数であることを表します。 df = read_csv('input/train.csv', index_col=0) print(df.shape) df.head() 最低限押さえておきたいやつら まずはここから。 10 Minutes to pandas よく使うやつら。詳しい解説は省略するので、ドキュメントのリンク先を見てください。 関数 内容 リンク d
自然言語処理の前処理・素性いろいろ - Debug me
ちゃお・・・† 舞い降り・・・† 先日、前処理大全という本を読んで自分なりに何か書きたいなと思ったので、今回は自然言語処理の前処理とそのついでに素性の作り方をPythonコードとともに列挙したいと思います。必ずしも全部やる必要はないので目的に合わせて適宜使ってください。 前処理大全[データ分析のためのSQL/R/Python実践テクニック] 作者:本橋 智光技術評論社Amazon 前処理 余分な改行やスペースなどを除去 with open(path) as fd: for line in fd: line = line.rstrip() アルファベットの小文字化 text = text.lower() 正規化 (半角/全角変換などなど) import neologdn neologdn.normalize('ﾊﾝｶｸｶﾅ') # => 'ハンカクカナ' neologdn.normalize
TensolFlowのチュートリアルを全部やってまとめてみました - hiyoko9t’s blog
本記事では、機械学習ライブラリとして有名なTensorFlowの、公式ドキュメントのチュートリアルをまとめて紹介します。TensorFlowのチュートリアルは、それなりに量があるので、必要なものを参照しやすくするために本記事を書きました。 本題に入る前に、今回なぜライブラリとしてTensorFlowを選んだかを簡単にお話ししたいと思います。 Googleが開発したTensorFlow と言っても筆者は、機械学習ライブラリを触ったのは、この記事を投稿する一週間ほど前からになるので、他の有名なライブラリ(ChainerやTheano、kerasなど)との違いはほとんどわかりません。 ただ、TensorFlowのマニュアルを流し見していた時に、計算グラフという概念とその可視化が魅力的に映ったので、TensorFlowを選びました。また、世界的にTensorFlowがトップクラスに使用されているこ
Windows10 CapsLockキーをCtrlキーに割りあててしまおう！
Windows10 CapsLockキーをCtrlキーに割りあててしまおう！ 2015/12/12 2016/8/18 PCやIT関連 WindowsのPC使っていると、ショートカットキーで Ctrl+C（コピー） Ctrl＋X（切り取り） Ctrl+V（貼り付け） Shift+Ctrl+V（書式無視して値だけ貼り付け） Ctrl+A（全部選択） Ctrl+D（ファイル削除） Ctrl＋S（ファイル保存） Ctrl＋W（Chromeブラウザで現在のタブを閉じる） Ctrl＋K（Chromeで検索BOXにカーソル移動） などなど、たくさんCtrlキー（コントロールキー）を使います。 で、普通日本でPC買うとCtrlキーが一番左下についています。 なぜこんな重要でsignificantなキーが、こんな殺風景で辺鄙な場所に置かれているのでしょうか。我慢なりません。 せっかくなんで、あまり使うこと
メシ通 | ホットペッパーグルメ
こんにちは、高円寺メタルめしのヤスナリオです。 サッと作れて美味しい焼きそばは、お店のまかないメシでも定番。少ない具材でも美味しく、食べ飽き…
RNN：時系列データを扱うRecurrent Neural Networksとは
Recurrent Neural Networksとは何か RNNの応用事例 機械翻訳 音声認識 画像の概要生成 説明文からの画像生成 知っておくと便利なRNNの種類と進化 Simple RNN LSTM GRU Bi-directional RNN Attention RNN Quasi-Recurrent Neural Network TensorFlowによるRNNの実装 まとめ 参考文献 人間は、目の前で起きた出来事から、次に起こりそうな出来事を予測しながら文脈を読んで判断を下すことができます。例えば、車を運転している際に歩行者が飛び出しそうだと思えば、十分な間隔を置いて走行することが出来るでしょう。 また、現実世界は時間の制約を受ける事象はたくさんあります。アニメーションなどのストーリーでは、前回の文脈を前提として次の展開が進んでいきます。 Recurrent Neural Ne
TensorFlowとは？ 入門連載始動！ データフローグラフ、事例、学び方 - Deep Insider
ご注意：本記事は、＠IT／Deep Insider編集部（デジタルアドバンテージ社）が「deepinsider.jp」というサイトから、内容を改変することなく、そのまま「＠IT」へと転載したものです。このため用字用語の統一ルールなどは＠ITのそれとは一致しません。あらかじめご了承ください。 TensorFlowとは？ TensorFlowの適用範囲 TensorFlowは、グーグルが2015年に公開した機械学習用のオープンソースライブラリだ。 「すでに名前を耳にしたことがある」という読者も多いことだろう。そんな人にとってTensorFlowは、深層学習（ディープラーニングとも呼ばれる）用のフレームワークという印象が強いのではないだろうか。確かにTensorFlowの起源はニューラルネットワーク研究にあるが、TensorFlowの公式サイトには以下のように書かれており、深層学習のみではなく、
やさしい深層学習の原理 | TickTack World
それでは、最先端分野である人工知能で利用されている、「深層学習（ディープラーニング）」について、その動作原理を簡単に説明しましょう。この深層学習は、現在最もホットな研究分野なので、毎週のように新しい研究成果が発表されています。このため、ここでの情報も半年も経つと陳腐化してしまう恐れがあります。この「やさしい深層学習」は、できるだけ原理的な概念に留めますので、その点はご了解ください。 深層学習(Deep Learning)とは、機械学習の1種である「ニューラルネットワーク（Neural Network）」の階層を深めたアルゴリズムです。このニューラルネットワークとは、生物の脳の神経細胞（ニューロン）をモデルとしたアルゴリズムで、1940年代から始まる長い研究の歴史があります。 上の図は、このニューラルネットワークの構造を示しています。ニューラルネットワークは、「入力層」、「隠れ層」、「出力層
定番のConvolutional Neural Networkをゼロから理解する
Convolutional Neural Networkとは何か CNNで解決できる問題 Convolutional Neural Networkの特徴 畳み込みとは 合成性 移動不変性 Convolutional Neural Networkの構成要素 ゼロパディング（zero padding） ストライド Fully Connected層 Fully Connected層の問題点 Convolution層 Pooling層 TensorFlowによる実装 TensorFlowのインストール CNNでMNIST文字認識する 参考 近年、コンピュータビジョンにおける最もイノベーションと言えるのはConvolutional Neural Networkといっても過言ではない。 コンピュータビジョンの業界におけるオリンピックとも言えるコンペティションがImageNetである。 そのコンペティシ
ディープラーニングの応用のための具体的方針まとめ - HELLO CYBERNETICS
はじめに 目標の設定と指標の決定 目標の設定 指標の決定 評価指標に対する最低限の知識 機械学習における知識（補足） ニューラルネットワークの学習 最初に使うニューラルネットワーク 時間的にも空間的にも独立である複数の特徴量を持つデータ 空間の局所的な構造に意味のある多次元配列データ（例えば画像） 時間的な変動に意味のあるデータ（例えば音声、自然言語） ニューラルネットワークの細かい設定 ユニットの数と層の数 正則化 活性化関数 ドロップアウト バッチ正規化 学習の早期終了 性能が出ない場合 データの追加収集 ニューラルネットの設定をいじる 用いるニューラルネット自体を変更する 新たなニューラルネットワークの考案 コードを書くにあたって データ成形 結果を記録するコード フレームワークの利用 フレームワークの選択 ChainerとPyTorch TensorFlow Keras 最後に は
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
セキュリティ診断・検査のGMOサイバーセキュリティ byイエラエ
