อัลกอริทึม AI เพื่อประเมินศักยภาพการแพร่กระจายของมะเร็งผิวหนัง

ภาพจาก University of Texas Southwestern Medical Center

อัลกอริธึมปัญญาประดิษฐ์ (artificial intelligence) หรือ AI ใหม่สามารถทำนายมะเร็งผิวหนังที่มีศักยภาพในการแพร่กระจายสูง นักวิจัยจาก University of Texas Southwestern Medical Center (UTSW) ที่พัฒนาอัลกอริทึมนี้ใช้ AI เพื่อระบุความแตกต่างระหว่างภาพของเซลล์มะเร็งผิวหนังที่มีศักยภาพในการแพร่กระจายสูงและต่ำ จากนั้นจึงใช้วิศวกรรมย้อนกลับเพื่อหาว่าคุณสมบัติใดของภาพที่ทำให้เกิดความแตกต่าง พวกเขาสร้างภาพดิบ 1.7 ล้านภาพจากวิดีโอของเซลล์ที่สุ่มจากตัวอย่างเนื้องอกจากผู้ป่วยเจ็ดรายซึ่งมีประมาณ 12,000 เซลล์ Gaudenz Danuser ของ UTSW กล่าวว่า "ตอนนี้เรามีกรอบการทำงานทั่วไปที่ช่วยให้เราสามารถเก็บตัวอย่างเนื้อเยื่อและทำนายกลไกภายในเซลล์ที่ก่อให้เกิดโรคได้"

อ่านข่าวเต็มได้ที่: University of Texas Southwestern Medical Center

CISA เริ่มโปรแกรมเพื่อสู้กับซอฟต์แวร์เรียกค่าไถ่

ภาพจาก Federal Computer Week

Cybersecurity and Infrastructure Security Agency (CISA) ได้เปิดตัวอย่างเป็นทางการของ Cyber Defense Collaborative (JCDC) ซึ่งเป็นโครงการต่อต้านซอฟต์แวร์เรียกค่าไถ่ (ransomware) ที่ได้รัยการสนับสนุนด้านการแบ่งปันข้อมูลของทั้งภาครัฐและเอกชน  Jen Easterly ผู้อำนวยการ CISA กล่าวว่าองค์กรดังกล่าวถูกสร้างขึ้นเพื่อพัฒนากลยุทธ์การป้องกันทางไซเบอร์ และแลกเปลี่ยนข้อมูลเชิงลึกระหว่างรัฐบาลกลางและพันธมิตรภาคเอกชน หน้าเว็บของ CISA กล่าวว่าเจ้าหน้าที่จากหลายหน่วยงานจะทำงานในสำนักงาน JCDC เพื่อเป็นผู้นำในการพัฒนาแผนการป้องกันทางไซเบอร์ของสหรัฐ  ที่รวมแนวทางปฏิบัติที่ดีที่สุดสำหรับการจัดการกับการบุกรุกทางไซเบอร์ เป้าหมายหลักคือการประสานงานกลยุทธ์ภาครัฐและเอกชนเพื่อต่อสู้กับการโจมตีทางไซเบอร์ โดยเฉพาะอย่างยิ่งซอฟต์แวร์เรียกค่าไถ่ ในขณะเดียวกันก็วางกรอบ (framework) การโต้ตอบต่อเหตุการณ์ที่จะเกิดขึ้น Shawn Henry จากบริษัทผู้ให้บริการด้านความปลอดภัย CrowdStrike Services กล่าวว่า JCDC "จะสร้างสภาพแวดล้อมการมีส่วนร่วมเพื่อพัฒนากลยุทธ์การป้องกันทางไซเบอร์เชิงรุก และช่วย ประสานงานเพื่อป้องกันและตอบสนองต่อการโจมตีทางไซเบอร์"

อ่านข่าวเต็มได้ที่: Federal Computer Week

พบช่องโหว่ด้านความมั่นคงในที่ชาร์จรถยนต์ไฟฟ้าที่ได้รับความนิยม

Image Credits: Getty Images

นักวิเคราะห์จากบริษัทรักษาความปลอดภัยทางไซเบอร์ของสหราชอาณาจักร Pen Test Partners ได้ระบุข้อบกพร่องในส่วนประสานโปรแกรมประยุกต์ (application programing interface) หรือ API ที่ชาร์จรถยนต์ไฟฟ้า (electric vehicle) หรือ  EV ที่ใช้ในบ้าน 6 ยี่ห้อ รวมถึงเครือข่ายสถานีชาร์จ EV สาธารณะของ Chargepoint นักวิเคราะห์ของ Pen Test คือ Vangelis Stykas พบช่องโหว่หลายประการที่อาจทำให้แฮ็กเกอร์สามารถสั่งการบัญชีผู้ใช้ ขัดขวางการชาร์จ และโปรแกรมอุปกรณ์ชาร์จให้ใช้เป็นแบ็คดอร์เพื่อเข้าสู่ในเครือข่ายภายในบ้านของเจ้าของรถ ข้อบกพร่องของ Chargepoint อาจทำให้แฮ็กเกอร์สามารถขโมยใช้ไฟฟ้าและผลักค่าใช้จ่ายไปยังบัญชีของคนขับ และเปิดใช้งานหรือปิดใช้งานเครื่องชาร์จ ที่ชาร์จ EV บางรุ่นใช้โมดูลประมวลผล Raspberry Pi ซึ่งเป็นคอมพิวเตอร์ราคาประหยัดยอดนิยมที่ Ken Munro แห่ง Pen Test กล่าวว่าไม่เหมาะสำหรับการใช้งานเชิงพาณิชย์เนื่องจากไม่มีบูตโหลดเดอร์ (bootloader) ที่ปลอดภัย ผู้ผลิตเครื่องชาร์จได้แก้ไขปัญหาส่วนใหญ่แล้ว แต่ข้อบกพร่องดังกล่าวชี้ให้เห็นว่ายังมีการควบคุมที่ไม่ดีของอุปกรณ์อินเทอร์เน็ตของสรรพสิ่ง (Internet of Things)

อ่านข่าวเต็มได้ที่: TechCrunch

รันซอฟต์แวร์ควอนตัมบนเครื่องคอมพิวเตอร์แบบเดิม

ภาพจาก EPFL (Switzerland)

นักวิจัยจาก Swiss Federal Institute of Technology Lausanne (EPFL) ในสวิตเซอร์แลนด์และมหาวิทยาลัยโคลัมเบีย ได้พัฒนาวิธีการใช้คอมพิวเตอร์แบบดั้งเดิมเพื่อจำลอง Quantum Approximate Optimization Algorithm (QAOA) วิธีการนี้ใช้อัลกอริธึมการเรียนรู้ของเครื่อง (machine learning) แบบคลาสสิกที่ทำหน้าที่เหมือนคอมพิวเตอร์ควอนตัมระยะใกล้ (near-term quantum computer) นักวิจัยใช้โครงข่ายประสาทเทียมที่มีอยู่แล้วที่พัฒนาร่วมกับ Giuseppe Carleo แห่ง EPFL เพื่อจำลอง QAOA ซึ่งถือเป็นตัวเลือกที่มีแนวโน้มอย่างมากว่าจะเป็นการ "ได้เปรียบเชิงควอนตัม" ในคอมพิวเตอร์ควอนตัมระยะใกล้  Carleo กล่าวว่า "นี่ไม่ได้หมายความว่าอัลกอริทึมควอนตัมที่มีประโยชน์ทั้งหมดที่สามารถรันบนตัวประมวลผลควอนตัมระยะใกล้จะสามารถจำลองในเครื่องแบบดั้งเดิมได้ อันที่จริงเราหวังว่าแนวทางของเราจะทำหน้าที่เป็นแนวทางในการประดิษฐ์อัลกอริทึมควอนตัมใหม่ที่ทั้งมีประโยชน์ และยากที่จะจำลองบนคอมพิวเตอร์แบบเดิม"

อ่านข่าวเต็มได้ที่: EPFL (Switzerland)

เราได้ยินเสียงเดียวกันของการโจมตีทางไซเบอร์ใช่ไหม

Yang Cai ภาพจาก Carnegie Mellon University CyLab Security and Privacy Institute

Yang Cai แห่งมหาวิทยาลัย Carnegie Mellon และเพื่อนร่วมงานได้ออกแบบวิธีการที่ทำให้การรับส่งข้อมูลเครือข่ายผิดปกติสามารถเปล่งออกมาเป็นเสียง โดยการเรนเดอร์ข้อมูลความปลอดภัยทางไซเบอร์ให้ออกมาเป็นเสียงดนตรี นักวิจัยได้สำรวจอัลกอริธึมการจับคู่เสียงหลายแบบ โดยแปลงชุดข้อมูลตัวเลขเป็นเพลงที่มีท่วงทำนอง ความกลมกลืน ทำนอง และจังหวะที่หลากหลาย พวกเขาสร้างเพลงโดยใช้ข้อมูลการรับส่งข้อมูลเครือข่ายจากเครือข่ายการกระจายมัลแวร์จริง โดยระบุการเลื่อนระดับเสียงได้อย่างแม่นยำเมื่อเล่นบนอุปกรณ์ต่าง ๆ และนำเสนอให้กับคนที่ไม่ใช่นักดนตรีได้ฟัง  นักวิจัยกล่าวว่า "เราไม่เพียงแต่ทำดนตรีเท่านั้น แต่ยังเปลี่ยนข้อมูลนามธรรมให้เป็นสิ่งที่มนุษย์สามารถประมวลผลได้" Cai กล่าวว่า "กระบวนการโซนิฟิเคชั่น (sonification) ซึ่งคือใช้เสียงเพื่อรับรู้ข้อมูลไม่ใช่เรื่องใหม่ แต่การทำโซนิฟิเคชั่นเพื่อทำให้ข้อมูลน่าสนใจยิ่งขึ้นสำหรับหูของมนุษย์เป็นเรื่องใหม่"

อ่านข่าวเต็มได้ที่: Carnegie Mellon University CyLab Security and Privacy Institute