โปรแกรมล่าบั๊ก: แฮกเกอร์จำนวนมากขึ้นเข้าร่วมหาช่องโหว่บนเว็บ มือถือและ IoT

Bermix Studio on Unsplash

Hacker Report ปี 2021 ของ HackerOne เผยให้เห็นจำนวนแฮกเกอร์ที่ส่งช่องโหว่ไปยังโปรแกรมล่าบั๊กในช่วงปีที่แล้วเพิ่มขึ้นถึง 63% รายได้ของแฮกเกอร์ฝ่ายดีที่เปิดเผยช่องโหว่ของโปรแกรมบั๊ก HackerOne เพิ่มขึ้นกว่า 2 เท่าเป็น 40 ล้านดอลลาร์ในปี 2020 จาก 19 ล้านดอลลาร์ในปี 2019 แฮกเกอร์ส่วนใหญ่มุ่งเน้นไปที่แอปพลิเคชันบนเว็บ แต่มีการส่งช่องโหว่ที่เกี่ยวข้องกับอุปกรณ์ Android, อุปกรณ์อินเทอร์เน็ตของสรรพสิ่ง ( Internet of Things) หรือ IoT และส่วนประสานการเขียนโปรแกรม (Application Programming Interface) หรือ API มากขึ้นในปีที่แล้ว  Jobert Abma จาก HackerOne กล่าวว่า "เรากำลังเห็นการเติบโตอย่างมากในการส่งช่องโหว่ในทุกหมวดหมู่ และการเพิ่มขึ้นของแฮกเกอร์ที่เชี่ยวชาญในเทคโนโลยีที่หลากหลายมากขึ้น"

อ่านข่าวเต็มได้ที่: ZDNet

จะจับผิด Deepfakes ได้ยังไง

ภาพจาก UB News Center

เครื่องมือที่พัฒนาโดยนักวิทยาศาสตร์คอมพิวเตอร์ของ University at Buffalo สามารถระบุภาพถ่ายของผู้คนที่สร้างจาก Deepfake ได้โดยอัตโนมัติ โดยวิเคราะห์การสะท้อนแสงในดวงตาเพื่อหาความเบี่ยงเบนเล็ก ๆ น้อย ๆ  เครื่องมือนี้ใช้ประโยชน์จากข้อเท็จจริงที่ว่าภาพที่สร้างขึ้นด้วยปัญญาประดิษฐ์  (artificial intelligence)  หรือ AI  ส่วนใหญ่ไม่สามารถสะท้อนภาพของสิ่งที่บุคคลในภาพกำลังมองได้อย่างถูกต้องหรือสม่ำเสมอ อาจเป็นเพราะภาพถ่ายจำนวนมากถูกรวมเข้าด้วยกันเพื่อสร้างภาพปลอม ก่อนอื่นเครื่องมือจะทำแผนที่ใบหน้าแต่ละใบหน้าจากนั้นวิเคราะห์ดวงตา ลูกตา และสุดท้ายแสงที่สะท้อนในลูกตาแต่ละข้าง เครื่องมือนี้มีประสิทธิภาพ 94% ในการตรวจจับ deepfake ระหว่างภาพถ่ายเของหน้าคนในชุดข้อมูล Flickr Faces-HQ ตลอดจนใบหน้าปลอมที่สร้างด้วย AI จาก www.thispersondoesnotexist.com

อ่านข่าวเต็มได้ที่: UB News Center

อัลกอริทึมอาจช่วยลดความซับซ้อนของ Big Data

Image: Getty Images

นักวิจัยจาก Texas A&M University, University of Texas at Austin และ Princeton University ได้พัฒนาอัลกอริทึมที่สามารถนำไปใช้กับชุดข้อมูลขนาดใหญ่ โดยมีความสามารถในการแยกและเรียงลำดับของคุณลักษณะโดยตรงจากสำคัญที่สุดไปหาสำคัญน้อยที่สุด Reza Caixadeh แห่ง Texas A & M กล่าวว่า "มันมีวิธีที่ไม่เป็นระบบหลายวิธีในการดึงคุณสมบัติเหล่านี้ โดยใช้อัลกอริทึมการเรียนรู้ของเครื่อง แต่ตอนนี้เรามีข้อพิสูจน์ทางทฤษฎีที่เข้มแข็งมากว่า ตัวแบบของเราสามารถค้นหาและดึงคุณลักษณะที่โดดเด่นเหล่านี้ออกจากข้อมูลพร้อมกัน ซึ่งสามารถทำได้ในรอบการทำงานเดียวเท่านั้น อัลกอริทึมเพิ่ม cost function ตัวใหม่ให้กับโครงข่ายประสาทเทียม เพื่อจัดลำดับของคุณลักษณะตามประสิทธิภาพให้อยู่ในตำแหน่งที่ถูกต้องที่สุด ทำให้สามารถวิเคราะห์ข้อมูลแบบคลาสสิกบนชุดข้อมูลขนาดใหญ่ได้อย่างมีประสิทธิภาพมากขึ้น

อ่านข่าวเต็มได้ที่: Texas A&M Engineering News

นักวิจัยเจาะเข้าไปในสมองของคอมพิวเตอร์สิ่งที่พบอาจทำให้เราประหลาดใจ

Yuyeung Lau on Unsplash

นักวิจัยจาก OpenAI บริษัทวิจัยปัญญาประดิษฐ์ (artificil intelligence) หรือ AI   ได้พัฒนาเทคนิคใหม่เพื่อตรวจสอบการทำงานภายในของเครือข่ายประสาทเทียม เพื่อช่วยตีความการตัดสินใจของพวกมัน เหมือนกับที่นักประสาทวิทยาได้ค้นพบในการศึกษาเกี่ยวกับสมองของมนุษย์ นักวิจัยพบว่าเซลล์ประสาทแต่ละเซลล์ในเครือข่ายประสาทขนาดใหญ่ที่ใช้ในการระบุและจัดหมวดหมู่ภาพ สามารถเข้ารหัสแนวคิดแบบเฉพาะด้านได้ การค้นพบนี้มีความสำคัญ เนื่องจากมันเป็นความท้าทายในการทำความเข้าใจเหตุผลเบื้องหลังการตัดสินใจของเครือข่ายประสาทเทียม นักวิจัยใช้เทคนิควิศวกรรมย้อนกลับ (reverse engineering) เพื่อตรวจสอบว่าอะไรที่กระตุ้นเซลล์ประสาทเทียมมากที่สุด เหนือสิ่งอื่นใดนักวิจัยสามารถระบุอคติ ที่อาจทำให้ใครบางคนสามารถหลอก AI ให้ทำการระบุตัวตนที่ไม่ถูกต้องได้

อ่านข่าวเต็มได้ที่: Fortune

หุ่นยนต์อัตโนมติใต้น้ำช่วยชีวิตคนจากการจมน้ำ

ภาพจาก Fraunhofer Institute (Germany)

ทีมวิจัยที่ Fraunhofer Institute for Optronics, System Technologies and Image Exploitation ของเยอรมนีได้พัฒนาหุ่นยนต์กู้ภัยใต้น้ำ โดยได้รับความช่วยเหลือจากหน่วยบริการกู้ภัยทางน้ำของเมือง Halle ระบบอัตโนมัติจะช่วยไลฟ์การ์ดในการช่วยนักว่ายน้ำจากการจมน้ำ กล้องเฝ้าระวังจะบันทึกการเคลื่อนไหวและตำแหน่งของนักว่ายน้ำที่มีปัญหาและส่งพิกัดไปยังหุ่นยนต์ซึ่งจะออกมาจากแท่นวางที่พื้นสระว่ายน้ำ เมื่อไปถึงนักว่ายน้ำ หุ่นยนต์จะอุ้มนักว่ายน้ำขึ้นสู่ผิวน้ำ โดยมีกลไกในการยึดนักว่ายน้ำไว้เพื่อป้องกันไม่ให้เขา / เธอไถลลงไปในขณะกำลังขึ้นสู่ผิวน้ำ หุ่นยนต์ต้องใช้เซ็นเซอร์อะคูสติก (acoustic sensor) เพื่อช่วยเหลือผู้คนในทะเลสาบที่มีทัศนวิสัยจำกัด การทดสอบภายใต้เงื่อนไขดังกล่าว แสดงให้เห็นว่าหุ่นยนต์สามารถช่วยชีวิตนักว่ายน้ำที่เป็นหุ่นจำลองได้สำเร็จภายในเวลาเพียงสองนาที

อ่านข่าวเต็มได้ที่: Fraunhofer Institute (Germany)