แพทช์ฉุกเฉินของ Microsoft ไม่สามารถแก้ช่องโหว่วิกฤต "PrintNightmare" ได้

ภาพจาก Ars Technica

นักวิจัยเตือนว่าซอฟต์แวร์แพตช์ที่ Microsoft ออกในสัปดาห์ที่แล้วแก้ไขข้อบกพร่องอย่างไม่ได้โดยสมบูรณ์ในระบบปฏิบัติการ Windows ทุกรุ่นที่รองรับ ซึ่งทำให้แฮ็กเกอร์ยังคงควบคุมเครือข่ายที่ติดเชื้อได้  ช่องโหว่ PrintNightmare มีรากมาจากจุดบกพร่องในตัวจัดคิวงานพิมพ์ของ Windows ซึ่งรองรับฟังก์ชันการพิมพ์ในเครือข่ายเฉพาะที่ (local network) และผู้โจมตีสามารถใช้ความสามารถนี้จากระยะไกลเมื่อมีการเปิดใช้ออนไลน์ แฮกเกอร์ยังสามารถใช้ข้อบกพร่องเพื่อยกระดับสิทธิ์การใช้งานระบบ เมื่อพวกเขาแทรกซึมเครือข่ายที่มีช่องโหว่ผ่านจุดบกพร่องตัวอื่น โดยเข้าควบคุมตัวควบคุมโดเมน Benjamin Delpy ผู้พัฒนาโปรแกรมแฮ็กและยูทิลิตี้เครือข่าย Mimikatz ทวีตว่า Microsoft ล้มเหลวในการแก้ไขช่องโหว่นี้

อ่านข่าวเต็มได้ที่: Ars Technica

เครื่องมือการเรียนรู้ของเครื่องสามารถช่วยระบุความเสี่ยงการสูญเสียฟัน

Photo by Jonathan Borba on Unsplash

การศึกษาโดยนักวิจัยของ Harvard School of Dental Medicine พบว่าสามารถใช้เครื่องมือการเรียนรู้ของเครื่อง (machine learning) หรือ ML เพื่อระบุผู้ป่วยที่ต้องการการแทรกแซงในช่วงต้นเพื่อหลีกเลี่ยงหรือชะลอการสูญเสียฟัน นักวิจัยได้เปรียบเทียบอัลกอริธึม 5 แบบที่ออกแบบมาเพื่อประเมินความเสี่ยงโดยไม่ต้องตรวจทางทันตกรรม และพบว่าการใช้ตัวชี้วัดทางคลินิกทางทันตกรรมเพียงอย่างเดียวไม่ได้ผลดีเหมือนกับอัลกอริธึมที่พิจารณาลักษณะทางการแพทย์และตัวแปรทางเศรษฐกิจและสังคม เช่น เชื้อชาติ การศึกษา โรคข้ออักเสบ และโรคเบาหวาน การศึกษาโดยใช้ข้อมูลจากผู้ใหญ่เกือบ 12,000 คนที่เข้าร่วมการสำรวจตรวจสุขภาพและโภชนาการแห่งชาติ พบว่าอัลกอริธึมสามารถอำนวยความสะดวกในการตรวจคัดกรองในสถานพยาบาลต่างๆ และโดยผู้เชี่ยวชาญที่ไม่ใช่ทันตแพทย์ หัวหน้านักวิจัย Hawazin Elani กล่าวว่า "งานนี้เน้นย้ำถึงความสำคัญของปัจจัยทางสังคมของสุขภาพ การรู้ระดับการศึกษาของผู้ป่วย สถานะการจ้างงาน และรายได้ของผู้ป่วยนั้นมีความเกี่ยวข้องกับการคาดการณ์การสูญเสียฟันพอ ๆ กับการประเมินสถานะทางทันตกรรมทางคลินิกของพวกเขา" 

อ่านข่าวเต็มได้ที่: News-Medical Life Sciences

ความก้าวหน้าอย่างมากในการสแกน 3 มิติ ให้ผลลัพธ์แม่นยำขึ้น 4,500 %

ภาพจาก Loughborough University (U.K.)

นักวิทยาศาสตร์จากมหาวิทยาลัยลัฟบะระแห่งสหราชอาณาจักรและมหาวิทยาลัยแมนเชสเตอร์ ได้เพิ่มความแม่นยำของการสแกนร่างกายสามมิติ (3D) ขึ้น 4,500% ผ่านอัลกอริธึมฟรีที่สามารถใช้กับระบบสแกนใดๆ ก็ได้ รหัส Gryphon สามารถระบุและกำจัดข้อผิดพลาดในจำนวนการสแกนได้ ในการสแกน 121 ครั้งจากผู้เข้าร่วม 97 คน Gryphon มีกรอบของข้อผิดพลาดอยู่ที่ 0.3 เซนติเมตร เทียบกับค่าเฉลี่ย 13.8 เซนติเมตรสำหรับเครื่องสแกน 3 มิติ ในปัจจุบันเมื่อข้อมูลถูกอ่านแบบไม่ต่อเนื่องกัน Chris Parker แห่ง Loughborough กล่าวว่า "เราหวังว่าสิ่งนี้จะช่วยให้การสแกนร่างกาย 3 มิติเร็วขึ้น โดยไม่จำเป็นต้องมีผู้ปฏิบัติงานที่ได้รับการฝึกอบรมมาอย่างดีในการแก้ไขข้อผิดพลาด และในท้ายที่สุดก็ช่วยให้การสแกนร่างกาย 3 มิติ ในการตัดเสื้อผ้าให้กับทุกคนโดยไม่ต้องยุ่งยาก" 

อ่านข่าวเต็มได้ที่: Loughborough University (U.K.)

NASA จะเปิดเผยนวัตกรรมกว่า 800 ตัว สู่สาธารณะ

Photo by Brian McGowan on Unsplash

องค์การบริหารการบินและอวกาศแห่งชาติของสหรัฐอเมริกา หรือ NASA กำลังจะปล่อยผลิตภัณฑ์ซอฟต์แวร์มากกว่า 800 รายการที่สร้างขึ้นโดยหน่วยงานเผยแพร่สู่สาธารณะโดยเสรี ผ่านโครงการถ่ายทอดเทคโนโลยีของคณะกรรมการภารกิจเทคโนโลยี NASA เน้นย้ำถึงความสำคัญของผู้เสียภาษีชาวอเมริกันที่จะได้รับประโยชน์จากนวัตกรรม กำลังวางแนวทางโดยละเอียดว่าบุคคลและองค์กรต่างๆ จะสามารถใช้ซอฟต์แวร์ของ NASA ได้อย่างไร ผู้ที่สนใจสามารถติดต่อ NASA ที่ technology.NASA.gov เพื่อขอความช่วยเหลือในการระบุเทคโนโลยีที่ได้รับอนุญาตให้ใช้ ผู้ใช้ที่มีคุณสมบัติครบถ้วนจะต้องส่งใบสมัครเพื่อขออนุญาตและแผนการนำไปใช้ทางการค้า โดยสามารถทำได้แบบออนไลน์

อ่านข่าวเต็มได้ที่: ZDNet

RAMBO ช่วยค้นจากฐานข้อมูล DNA ขนาดใหญ่ได้เร็วขึ้น

ภาพจาก Rice University News

วิธีการ RAMBO  (repeated and merged bloom filter) แบบใหม่ที่พัฒนาโดยนักวิทยาศาสตร์คอมพิวเตอร์จาก Rice University ที่ช่วยลดเวลาในการค้นหาจีโนมจากฐานข้อมูล DNA ขนาดใหญ่ได้อย่างมาก RAMBO สามารถลดเวลาในการจัดทำดัชนีสำหรับฐานข้อมูลเมตาเจโนมิก (metagenomic) จากสัปดาห์เป็นชั่วโมง และเวลาสืบค้นจากชั่วโมงเป็นวินาที โครงสร้างข้อมูลของ RAMBO รองรับการสืบค้นที่เร็วกว่าวิธีการสร้างดัชนีจีโนมที่ทันสมัยในปัจจุบัน และช่วยให้การทำงานแบบขนานทำได้ง่ายขึ้น ให้อัตราผลลบปลอม (false negative) เป็นศูนย์ และอัตราผลบวกปลอมที่ต่ำ Gaurav Gupta ของ Rice กล่าวว่า RAMBO ค้นหาฐานข้อมูล DNA ได้เร็วกว่าวิธีการปัจจุบัน 35 เท่า ในการทดลองกับชุดข้อมูลจีโนมจุลินทรีย์ 170-TB วิธีการนี้ลดเวลาการจัดทำดัชนีโดยใช้ (คอมพิวเตอร์) คลัสเตอร์เฉพาะจากหกสัปดาห์เป็นเก้าชั่วโมง

อ่านข่าวเต็มได้ที่: Rice University News