Windows ทุกรุ่นมีปัญหากับช่องโหว่แบบ Zero-Day

Photo by Johny vino on Unsplash

Jason Schultz ที่ Talos Security Intelligence & Research Group เตือนถึงช่องโหว่ Zero-day แบบใหม่ของ Windows ที่ส่งผลกระทบต่อ Windows ทุกรุ่น ข้อบกพร่องนี้เกิดจากจุดบกพร่องของตัวติดตั้ง Windows ก่อนหน้านี้ที่ Microsoft คิดว่าแก้ไขไปแล้ว ซึ่งทำให้ผู้ใช้ที่ใช้บัญชีที่มีสิทธิจำกัดสามารถยกระดับสิทธิและลบไฟล์ระบบเป้าหมายได้ นักวิจัยด้านความปลอดภัย Abdelhamid Nacer ระบุว่าการแก้ไขจุดบกพร่องดังกล่าวไม่ถูกต้อง และเตือนว่าช่องโหว่ที่ดัดแปลงใหม่นี้นี้มีประสิทธิภาพมากยิ่งขึ้น เนื่องจากสามารถหลีกเลี่ยงนโยบายกลุ่ม (group policy)ในคุณลักษณะการติดตั้งสำหรับผู้ดูแลระบบของ Windows ได้อย่างสมบูรณ์  Nacer กล่าวว่านั่นทำให้แฮกเกอร์สามารถแทนที่ไฟล์โปรแกรมใด ๆ ในระบบด้วยไฟล์ MSI และสามารถเรียกใช้โปรแกรมในฐานะผู้ดูแลระบบ  เนื่องจากปัจจุบันยังไม่มีวิธีแก้ไขข้อบกพร่องนี้ Nacer กล่าวว่าผู้ใช้ทำได้แค่รอได้เฉพาะโปรแกรมแก้ไขตัวถัดไป 

อ่านข่าวเต็มได้ที่: PC Magazine

วีดีโอแบบเรียลไทม์สำหรับฉากที่ซ่อนอยู่ตามมุมตอนนี้เป็นไปได้แล้ว

ภาพจาก University of Wisconsin-Madison

นักวิจัยจาก University of Wisconsin-Madison (UW) และ Polytechnic University of Milan ของอิตาลี ได้สร้างเทคนิคการถ่ายภาพแบบไม่อยู่ในแนวสายตา (non-line0of-sight) ซึ่งสามารถแสดงวิดีโอของฉากที่ซ่อนอยู่แบบเรียลไทม์ เทคนิคนี้ผสมผสานเซ็นเซอร์ที่มีความไวสูงเป็นพิเศษและมีความไวแสงสูง กับอัลกอริธึมการสร้างวิดีโอขั้นสูง วิธีการนี้รวบรวมข้อมูลเกี่ยวกับฉากโดยสะท้อนแสงจากพื้นผิว และตรวจจับเสียงสะท้อนของแสงนั้นขณะที่แสงสะท้อนกลับ มันมองเห็นตามมุมโดยการตรวจจับการสะท้อนของเสียงสะท้อนเหล่านั้น Andreas Velten แห่ง UW กล่าวว่า "โดยพื้นฐานแล้วมันคือการกำหนดตำแหน่งด้วยเสียงสะท้อน (cholocation) แต่ใช้เสียงสะท้อนเพิ่มเติม เช่นเสียงก้อง (reverb)"

อ่านข่าวเต็มได้ที่: University of Wisconsin-Madison News

ความเป็นส่วนตัวของบิ๊กดาตาสำหรับการเรียนรู้ของเครื่องตอนนี้ถูกกว่าเดิมเป็น 100 เท่า

Anshumali Shrivastava และ Ben Coleman ภาพจาก Rice University

Anshumali Shrivastava และ Ben Coleman จาก Rice University ได้พัฒนา RACE (repeated array of count estimators) ซึ่งเป็นวิธีการที่ไม่แพงในการทำให้ข้อมูลส่วนบุคลลมีความเป็นส่วนตัวเมื่อใช้หรือแบ่งปันฐานข้อมูลขนาดใหญ่สำหรับการเรียนรู้ของเครื่อง (machine learning) หรือ ML โดย Coleman กล่าวว่าภาพร่างฐานข้อมูลขนาดใหญ่ของ  RACE นั้นปลอดภัยสำหรับการเผยแพร่สู่สาธารณะ และมีประโยชน์สำหรับอัลกอริธึมที่ใช้เคอร์เนลซัม (kernel sum) และสำหรับโปรแกรม ML ที่ดำเนินงานทั่วไป เช่น การจำแนกประเภท (classification) การจัดอันดับ (ranking) และการวิเคราะห์การถดถอย (regression analysis)  Shrivastava กล่าวว่า "RACE เปลี่ยนแปลงเศรษฐศาสตร์ของการเปิดเผยข้อมูลที่มีมิติสูงด้วยความเป็นส่วนตัวที่แตกต่างกัน มันง่าย รวดเร็ว และราคาถูกกว่าวิธีการที่มีอยู่ 100 เท่า"

อ่านข่าวเต็มได้ที่: Rice University News

การพิมพ์ 3 มิติ และการเรียนรู้ของเครื่องร่วมกันปรับปรุงการปลูกถ่ายประสาทหู

ภาพจาก University of Cambridge (U.K.)

การปรับปรุงการปลูกถ่ายประสาทหู (cochlear implant) หรือ CI โดยการรวมการพิมพ์สามมิติ และการเรียนรู้ด้วยเครื่อง (machine learning) หรือ ML เป็นเป้าหมายของวิจัยซึ่งประกอบไปด้วยทีมวิศวกรและแพทย์ชาวอังกฤษ และชาวจีน นักวิจัยได้พิมพ์แบบจำลอง 3 มิติของประสาทหูของมนุษย์เพื่อตรวจสอบว่ารูปร่างของตัวแบบและ "การแพร่กระจายของกระแส" ส่งผลต่อกระแสหรือการกระตุ้นกระแสไฟฟ้าในหูอย่างไรบ้าง การเพิ่ม ML ให้กับกระบวนการทำให้สามารถคาดการณ์การแพร่กระจายของกระแสในผู้ใช้ CI ได้ ซึ่งสามารถใช้เพื่อคาดการณ์ช่วงความต้านทานของเนื้อเยื่อประสาทหูเทียมของผู้ป่วย Shery Juang จาก University of Cambridge แห่งสหราชอาณาจักร กล่าวว่า การพิมพ์ 3 มิติ "เป็นเครื่องมือที่มีประสิทธิภาพในการสร้างตัวแบบทางกายภาพ ซึ่งอาจให้ชุดข้อมูลการฝึกอบรมที่มีลักษณะเฉพาะเป็นอย่างดี เพื่อเป็นตัวแทนของข้อมูลทางคลินิกสำหรับการเรียนรู้ของเครื่อง หลักการสร้างตัวแบบร่วมในการศึกษานี้ อาจเป็นประโยชน์ในการแก้ปัญหาด้านอื่น ๆ ของตัวแบบทางคลินิก และแอปพลิเคชันด้านการดูแลสุขภาพ"

อ่านข่าวเต็มได้ที่: University of Cambridge (U.K.)

ข่าวจริงและไม่จริงเผยแพร่ได้อย่างเท่า ๆ กันบนทวิตเตอร์

ภาพจาก Cornell Chronicle

ผลการศึกษาพบว่าทั้งข่าวจริงและข่าวเท็จแพร่กระจายผ่านทวิตเตอร์ ด้วยความเร็ว ความกว้าง และความลึกเท่ากัน ซึ่งเน้นย้ำให้เห็นว่าเหตุใดความพยายามในการหยุดการบิดเบือนข้อมูลบนแพลตฟอร์มจึงประสบความสำเร็จอย่างจำกัด Jonas Juul แห่ง Cornell University และ Johan Ugander แห่ง Stanford University มุ่งเน้นไปที่โครงสร้างของ "การส่งต่อ (cascade)" ของทวิตเตอร์ ซึ่งเป็นการหาปริมาณของเส้นทางทวีตที่เป็นไวรัลจากผู้โพสต์เริ่มต้นผ่านเครือข่ายผ่านการรีทวีต ทวีตที่ได้รับความนิยมมากขึ้นมีการส่งต่อที่มากกกว่า และนักวิจัยได้วิเคราะห์การส่งต่อที่มีขนาดเท่ากัน ซึ่งอนุมานว่าทวีตจริงและไม่จริงมีผู้ใช้จำนวนเท่ากัน การส่งต่อของทวีตจริงและไม่จริงที่แชร์กันอย่างเท่าเทียมกันนั้นแทบจะเท่ากันหมด เปลี่ยนแนวคิดที่เข้าใจกันแย่างแพร่หลายว่าทวีตที่ไม่จริงเดินทางเร็วกว่า นักวิจัยกล่าวว่าสิ่งนี้จะจำกัดมาตรการตอบโต้การบิดเบือนข้อมูล เช่น ตั้งค่าสถานะทวีตที่เป็นไวรัลด้วยแบบรูปการแพร่กระจายแบบยาว (long diffusion pattern) หรือลดความสำคัญของฮับหลักในฟีดข่าว พวกเขาแนะนำว่าการทำให้ผู้ใช้มีความรู้ด้านดิจิทัลที่ดีขึ้นจะมีประสิทธิภาพมากกว่า

อ่านข่าวเต็มได้ที่: Cornell Chronicle