Rust和LLVM编译器中添加了WindowsCFG支持

访问: 阿里云“爆款特惠”专场 精选产品历史新低至0.95折!

(详情可查看官方博客)

他们表示,谷歌的乳腺癌模型研究缺乏细节,包括对模型开发以及所使用的数据处理和训练管道的描述。谷歌省略了模型架构的几个超参数的定义,也没有披露用于增强模型训练的数据集的变量。这可能会显著影响其性能,Nature的共同作者声称,例如,谷歌使用的其中一个数据增强有可能导致同一患者的多个实例,从而使最终结果出现偏差。

该功能可以保护应用程序代码的执行流,以防止恶意代码(例如内存错误的结果)劫持本机“控制流”并使应用程序执行有害的操作。CFG 是对其他漏洞利用缓解措施的补充,例如地址空间布局随机化(Address Space Layout Randomization,ASLR)和数据执行保护(Data Execution Prevention,DEP)。

谷歌方面表示,用于训练该模型的代码对内部工具、基础设施和硬件有许多依赖性,使其发布不可行。该公司在决定不发布这两个训练数据集时,还提到了这两个训练数据集的专有性和患者健康数据的敏感性。但Nature的共同作者指出,原始数据的共享在生物医学文献中已经变得越来越普遍,从2000年代初的不足1%增加到现在的20%,而且模型预测和数据标签本来可以在不泄露个人信息的情况下发布。

在人工智能领域,这个问题尤为严重。在2019年的ICML大会上,有30%的作者未能在会议开始前将自己的代码与论文一起提交。研究经常提供基准结果来代替源代码,当基准的彻底性受到质疑时,就会出现问题。最近的一份报告发现,自然语言处理模型给出的60%到70%的答案都嵌入了基准训练集的某个地方,这表明模型往往只是在记忆答案。

meramex.com