一位住在巴黎、生活低调的法国工程师,花了30年时间编写了一套现今整个互联网都在运行、却无人知晓其姓名的软件。他编写的代码支撑着每一个YouTube视频、每一部Netflix剧集、每一个TikTok短片的流媒体播放。他编写的代码运行着虚拟……查看更多
一位住在巴黎、生活低调的法国工程师,花了30年时间编写了一套现今整个互联网都在运行、却无人知晓其姓名的软件。他编写的代码支撑着每一个YouTube视频、每一部Netflix剧集、每一个TikTok短片的流媒体播放。他编写的代码运行着虚拟……查看更多
一位安全研究人员在2026年世界杯期间发现FIFA数字基础设施存在一个关键漏洞,该漏洞允许未经授权者访问敏感的生产级流媒体控制系统。
研究人员仅通过在FIFA公共平台上注册为足球经纪人,便被添加到了FIFA的内部Microsoft Entra租户中。由于后端安全存在缺陷——系统依赖客户端权限检查而非服务器端强制执行——该研究人员绕过了FIFA足球数据平台的访问限制。
进入系统后,他们获得了对实时比赛信号的控制权,包括通过暴露的密钥启动、停止和劫持RTMP流的能力。他们还访问了实时解说仪表板、编辑系统和内部电子表格。尽管调查结果十分严重,但由于FIFA未提供安全联系渠道,研究人员被迫联系MediaKind、CISA和FBI以向当局发出预警。
该问题在24小时内得到了修复,但FIFA从未对此报告或研究人员做出任何回应。此次事件凸显了后端授权机制的根本性缺失,也强调了FIFA为如此全球性的赛事建立完善漏洞披露计划(VDP)的必要性。
作者提倡广泛使用蜜罐作为抵御互联网滥用的主动防御手段,防御对象涵盖从恶意扫描器到激进的网络爬虫。通过消耗攻击者的时间和资源,蜜罐制造了一场“军备竞赛”,既能遏制低水平的网络犯罪,也能为大规模数据采集设置难以逾越的障碍。 作者结合多年运营 WordPress、SSH 和 Telnet 等各类蜜罐服务的经验建议,具备相关能力的人员应设计自己的定制化方案。有效的设计需要在各项相互竞争的优先级之间取得平衡,例如在尽量降低自身资源占用的同时,最大化攻击者的投入,并保持真实的伪装以及确保稳健的日志记录。 归根结底,蜜罐设计是一个迭代过程,实践经验往往胜过初步规划。由于目前相关文献匮乏且偶有失真,作者鼓励通过动手实验来应对系统安全中固有的矛盾。通过集体部署独特且耗时的服务,社区能够有效惩戒“互联网底层掠夺者”,并震慑恶意自动化行为。
关于文章 调整网格 (100 – 400 像素) 图片总数:2497 / 2497 移除所有筛选器 (0) 地点 年份 人物 主题 体裁 字体 风格 技术 类型 脚本 时期 出版公司 策展 JSON
一位同事分享了一段往事,那是在 Windows 利用二进制翻译在其他处理器上模拟 x86-32 代码的时期。当遇到一个需要清理 64KB 栈内存的程序时,编译器为了实现所谓的“优化”,放弃了标准的循环结构。编译器没有使用精简的循环,而是将这个过程展开成了 65,536 条独立的写指令。 这导致仅仅为了初始化 64KB 的数据,就产生了 256KB 的代码。这种极度臃肿的代码令模拟团队感到无法忍受,于是他们在翻译器中专门打了一个补丁,用于识别这种模式,并将庞大的指令流替换为正确且高效的循环。
来自加州大学伯克利分校和陈·扎克伯格生物中心(Biohub)的研究人员在结构生物学领域取得了重大突破,他们开发出一种名为“激光相位板”的技术,显著增强了冷冻电子显微镜(cryo-EM)的成像对比度。
几十年来,冷冻电镜一直难以对活细胞拥挤环境中的小型模糊蛋白质进行成像。物理学家此前曾推测,高强度激光可以改变电子波的相位以提高图像清晰度,但所需的工程难度极大——需要将比太阳亮 1 亿倍的光束聚焦在一个微小的点上,这在当时被认为是不可能的。
经过七年的研发,该团队成功实现了该技术的单激光和双激光(xLPP)版本。通过将这一装置集成到标准显微镜中,科学家们现在能够以前所未有的细节和对比度观察蛋白质。这一进展有望彻底改变冷冻电子断层扫描技术,使研究人员能够研究处于天然状态下的蛋白质相互作用。通过在原子水平上使细胞内部运作变得可见,激光相位板为理解疾病机制提供了一种至关重要的工具,并将作为基础技术,用于训练未来生物学领域的人工智能模型。
关于 媒体报道 版权 联系我们 创作者 广告 开发者 条款 隐私 政策与安全 YouTube 的运作方式 测试新功能 © 2026 Google LLC
请提供您需要翻译的内容。
请启用 JavaScript 和 Cookie 以继续。
本文提出,联合嵌入预测架构(JEPA)本质上是哈罗德·霍特林(Harold Hotelling)于1936年引入的典型相关分析(CCA)的非线性架构演进。 尽管现代JEPA模型旨在学习数据不同视图间的公共信号,但它们与CCA有着相同的核心目标:最大化多维集合间的相关性。作者论证了在白化约束下,CCA在数学上等同于最小化嵌入表示的均方误差,而这正是JEPA的目标。两者主要的技术差异在于,CCA是线性的且包含防止维度坍缩的白化约束,而JEPA依赖于神经网络,且在其基础形式下存在产生平凡解的风险。SIGReg等近期技术通过强制执行CCA固有的各向同性分布约束解决了这一问题。 作者对关于JEPA起源的争论(特别是杨立昆与于尔根·施密德胡伯之间的争论)发表了看法,认为虽然“让思想在大规模下发挥作用”是获得认可的有效依据,但这些概念的历史渊源对于进步仍然至关重要。最终,作者主张将JEPA视为CCA的延伸,能为理解自监督学习架构提供一个有益的统一框架。