面对无处不在的黑客威胁，如何保护智能设备免受攻击？
对抗机器学习（Adversarial Machine Learning）火了。但是它和机器学习、神经网络一样也有 10 年多的研究历史，而并不是近年来新兴的一个概念。随着人工智能框架日趋成熟，目前正是建立人工智能防御的最佳时机，让我们了解一下如何保护智能机器免受智能攻击的方法吧。 机器通过处理从传感器收集的数据来学习的能力，是自动驾驶汽车、医疗设备和许多其他新兴技术的基础。普林斯顿大学的研究人员发现，这种学习能力会让系统以意想不到的方式受到黑客的攻击。 在最近的一系列论文中，有研究团队探索...
教程 [2026-04-22]
苹果联合创始人：我真的要放弃L5自动驾驶了
曾经有一段时间，苹果联合创始人Steve Wozniak是全自动驾驶汽车的忠实信徒，但是几天前的一场活动上，他却说：“我真的要放弃L5自动驾驶了。” 令人“失望”的全自动驾驶 “我甚至不知道能不能活着看到它（L5级自动驾驶）。” Steve Wozniak在上周于拉斯维加斯举行的JD Power Auto Revolution会议上如是说。 不少人都曾幻想过这样的场景：一辆辆“陆地巡洋舰”将像人类一样驾驶并对路况做出及时反应，完全不需要方向盘的控制。Wozniak也曾抱有这样的希望，也正因...
教程 [2026-04-22]
高效编排有状态应用：TiDB 的云原生实践与思考
一方面是 “Operator” 模式迅速走红，为开发者扩展 Kubernetes 编排能力提供了趁手兵器，另一方面是 Local PV 正式 GA，高性能本地盘似已开箱即用——在 Kubernetes 上运行有状态负载的“黄金时代”似乎已经到来。然而，真正的魔鬼还在细节中：本地磁盘的不可靠性对编排和应用本身提出了更高的挑战，控制循环中复杂性与灵活性的矛盾带来了更多的设计抉择，如何验证 Operator 本身的正确性与稳定性更是把有状态负载推向生产级可用的必答题。在本次演讲中，我们将先以 TiD...
教程 [2026-04-22]
比Horovod/NCCL 快8倍！伯克利与微软联合发布最优GPU通信库Blink
当下大规模分布式机器学习模型训练中，数据并行是最广为使用的方法。随着GPU的算力不断提升，GPU间的数据聚合（即模型同步）成为了大规模分布式模型训练的瓶颈。当下流行的数据聚合库函数（Nvidia的NCCL，百度的Ring-AllReduce）或分布式模型训练平台（例如Uber的Horovod）并没有很好的解决GPU间数据通信的问题。例如文献【1】指出，利用现有的Horovord 或NCCL，GPU间数据聚合可能会占到模型训练总耗时的50%到90%。这些现有GPU间数据聚合解决方案的最大问题在于...
教程 [2026-04-22]
Windows 10上的那些应该被移除的功能
现在都2019年了，但Windows 10仍然保留着一些对用户来说几乎毫无用处的功能。但请不要误会了我的意思，我认为Windows 10正在变得越来越好。相比Windows 8， 我还是更喜欢Windows 10，只是有一些没有用的功能是时候去掉了。 没有“人脉”的人脉 人脉图标默认会出现在任务栏上，点击它就可以与其他人聊天。你还可以把你最喜欢的联系人直接固定在任务栏上，点一下就可以直接与他们联系。 这大概就是人脉设计的初衷。但实际上，人脉只集成了少量服务，默认情况下只集成了邮件和Skype...
教程 [2026-04-22]
不要把大型JAR包放进Docker镜像
在Docker容器里放大型JAR包是对存储空间、网络带宽和时间的一种浪费。所幸的是，我们可以利用Docker镜像的分层机制和注册表缓存来创建增量式的小工件，甚至可以将一个工件的大小从75MB减到1MB。值得一提的是，现在有一个Maven和Gradle插件可以处理这些事情。 问题：大型JAR包里的依赖项 Docker镜像的分层机制非常强大。如果你所有的应用程序都使用了相同的基础镜像（比如openjdk:11.0.4-jre-slim），Docker重用了OS和JRE的一些层，这样就可以节...
教程 [2026-04-22]
人脸识别新工具：数据少也能认识“国际脸”
日前，亚马逊的一款人脸识别工具错误地将28位美国国会议员与罪犯相匹配，这一新闻引发关注。人脸识别工具为何出现这样的错误？其实，机器与人类一样，见到陌生的外国人也会有“脸盲”，只能识别“当地人”，对于来自其他国家/地区的“外地人”识别精度较低，这一问题如何解决呢？ 引用公开的个人信息进行研究与验证 邓伟洪团队供图 研究团队在讨论 邓伟洪团队供图 其关键在于让人脸识别工具尽量多地认识全球各地居民的脸，而这一过程却并不容易实现。北京邮电大学教授邓伟洪告诉《中国科学报》，人脸识别工具研发过程中，...
教程 [2026-04-22]
为什么不建议使用Date，而是使用新的时间和日期API？
Java 8：新的时间和日期API在Java 8之前，所有关于时间和日期的API都存在各种使用方面的缺陷，因此建议使用新的时间和日期API，分别从旧的时间和日期的API的缺点以及解决方法、Java 8 新的时间和日期API进行讲解。旧的时间和日期的API的缺陷Java 的 java.util.Date 和 java.util.Calendar 类易用性差，不支持时区，而且都不是线程安全的。Date如果不格式化，打印出的日期可读性差。可以使用 SimpleDateFormat 对时间进行格式化，但...
教程 [2026-04-22]
用好Markdown，像高手写代码一样自动生成漂亮文档，还很简单
一、什么是markdownmarkdown是一种轻量级标记语言，它允许人们使用易读易写的纯文本格式编写文档。就连文字排版、画图、等等都像打字一样输入即可自动生成，非常高效。目前有很多主流文本应用都支持markdown编辑，比如：GitHub，简书，印象笔记，sourceforge等等。下面示例语法都用印象笔记为例。二、markdown编辑文本编辑文本是我们写文档最常用的功能，而编辑文本中，打字什么的所有软件都是一样的，没有多大区别。效率区别最大的就是文档样式排版。下面我们就看看markdown语...
教程 [2026-04-22]
反杀人类、拯救机器狗，“波士屯动力”机器人化身终结者
要训练一个终结者，需要几个步骤？ 首先，为了锻炼它的枪法，要在训练时拿球砸它。 或者制造障碍，再给它来上一棒槌。 枪法准还不够，机器人，就得绝对服从。 来一记飞踢，看看它会不会反抗。 真是气到机器人想掀桌。 但是，这群“魔鬼”训练员还没打算放过机器人。 他们“丧心病狂”找来了一条可爱机器狗，然后给了机器人一把枪。 机器人表示拒绝，竟遭一顿暴揍。 太过分了！机器人都受不了了：狗狗这么可爱，怎么忍心伤害？！ △掀桌了！不干了！霸凌机器人没完了！愚蠢的人类拜拜吧！ 波士顿动...
教程 [2026-04-22]
AWS在容器服务的大棋盘上有哪些“落子”？
AWS CEO Jeff Bezos曾提出一个著名的理论——两个披萨原则，即每个内部团队都应该足够小，小到可以用两个披萨喂养。如何实现两个披萨团队呢？AWS现代化应用产品市场负责人 Aaron Kao和我们讲述了AWS的实践历程，同时也介绍了AWS提供的现代化应用产品。 2000年，亚马逊网站还是一个超大型的单体应用，内部很多团队在开发同一个应用，如果团队成员想要添加新产品，就必须对原代码进行编辑、修改。当时，很多不同团队都必须到同一个管道中进行单体应用开发，敏捷性非常差。 2001年，为了实现...
教程 [2026-04-22]
Rust兴起，Python兴趣正浓丨InfoQ编程语言趋势报告
关于编程语言的讨论从来没有停止，尽管如此，每一场讨论依旧会引起开发者的广泛关注。从PC时代，到移动互联网时代，再发展到云计算时代，技术趋势的改变让编程语言不断调整着自己的定位。InfoQ 英文站的编辑们按照技术采用生命周期的理论对各大编程语言在现阶段的发展趋势进行了分析，Rust兴起，Python兴趣正浓。 本文要点 趋势报告中出现了Elixir的身影，它现在处于创新者试用阶段，这是在Erlang虚拟机上运行的函数式并发型通用编程语言。 业界的兴趣与创新正在越来越多地投向基础设施感...
教程 [2026-04-22]
从零开始入门 K8s：Kubernetes 网络概念及策略控制
一、Kubernetes 基本网络模型 本文来介绍一下 Kubernetes 对网络模型的一些想法。大家知道 Kubernetes 对于网络具体实现方案，没有什么限制，也没有给出特别好的参考案例。Kubernetes 对一个容器网络是否合格做出了限制，也就是 Kubernetes 的容器网络模型。可以把它归结为约法三章和四大目标。 约法三章的意思是：在评价一个容器网络或者设计容器网络的时候，它的准入条件。它需要满足哪三条？ 才能认为它是一个合格的网络方案。 四大目标意思是在设计这个网络的...
教程 [2026-04-22]
完全自主的Oracle Autonomous Linux操作系统
Oracle推出了完全自主的操作系统Oracle Autonomous Linux，它基于Oracle Linux，并为Oracle云和Oracle工程提供支持。该操作系统对Oracle Cloud Infrastructure客户免费。“Oracle自治Linux以及新的Oracle操作系统管理服务是第一个也是唯一一个消除复杂性和人为错误的自主操作环境，可为客户提供前所未有的成本节约，安全性和可用性。”除Oracle Autonomous Linux外，Oracle还推出了Oracle操作系统...
教程 [2026-04-22]
用深度神经网络解决三体问题，提速一亿倍
“不要回答！不要回答！不要回答！” 刘慈欣在为自己的科幻小说起名为《三体》时，他早已知道“三体”本身就是一个不可回答的问题。 “三体问题”已经困扰了人类几百年，曾经无数让你感到恐惧的大牛都为此付出了巨大的心血，比如牛顿、欧拉、拉格朗日、庞加莱，直到今天还有很多人在研究。 但遇事不决，用神经网络总是没错的。 最近来自爱丁堡大学、剑桥大学的数学家们，用神经网络来求解三体问题，速度比之前的求解器快一亿倍，而且误差只有十万分之一。 “我太难了” 那么三体问题到底是什么，为什么它会难倒如此多的物理学家...