声纹识别(又称说话人识别)是从说话人发出的语音信号中提取声纹信息,并对说话人进行身份验证的一种生物识别技术。简单来说,声纹识别技术可以“确认说话人是谁”。我们说话的时候,每个人的发音器官、发音通道和发音习惯上都有个体差异,声纹识别技术就是为了识别出说话人之间的这些差异。需要注意的是,声纹识别不同于常见的语音识别 [1]:
那一年,仍是微软视窗业务总管的李雨航入选了Shared Source项目,成为技术团队的负责人。
视觉 AI 作为一个已经发展成熟的技术领域,具有丰富的应用场景和商业化价值,全球 40% 的 AI 企业都集中在视觉 AI 领域。近年来,视觉 AI 除了在智能手机、智能汽车、智慧安防等典型行业中发挥重要作用外,更全面渗入细分的实体行业,催生了如车站人脸实名认证、人脸支付、小区人脸门禁管理、酒店自助人脸实名登记等视觉 AI 的应用。
任奎教授现任浙江大学网络空间安全研究中心主任,本科与硕士阶段就读于浙江大学,之后赴美深造,2007年于美国伍斯特理工学院获博士学位,2016年当选IEEE会士, 2017年当选ACM杰出科学家,主要从事云安全、物联网安全与隐私保护等领域的前沿研究工作。
自2020年新冠疫情爆发以来,国内外混合办公模式逐步成为主流,针对远程办公的数据保护问题已成为企业面临的主要问题。这其中,强化身份权限的数字验证、数字认证就成为了降低企业风险的最佳手段。Gartner所发布的2021安全行业八大安全和风险趋势,有两项专门对“身份优先安全”进行了解读。
账号安全无小事,近些年持续不断爆出的安全事件,有很多低级错误其实都是拥有一个健壮的账号体系可以避免的;多次听闻后曾写一写账号安全相关的东西,但直到这一次才真正动笔,我将试着从整体上进行梳理,说说账号安全是怎么一回事,既算是对自己的一次小结,也算是分享的浅薄的认知。
零信任架构的威力来自你定义的访问策略,用户的每个服务请求都应该根据策略进行授权,具体步骤如下:
本期作者:Kei Nakagawa, Tomoki Ito, Masaya Abe, Kiyoshi Izumi
中安威士数据库防火墙(简称VS-FW),是由中安威士(北京)科技有限公司开发具有完全自主知识产权的安全防护产品。该产品通过实时分析用户对数据库的访问行为,自动建立合法访问数据库的特征模型。同时,通过独立的授权管理机制和虚拟补丁等防护手段,及时发现和阻断SQL注入攻击和违反企业规范的数据库访问请求。主要功能包括屏蔽真实数据库、多因子认证、自动建模、攻击检测、访问控制和审计等。该产品具有高性能、大存储和报表丰富等优势,帮助企业有效保护核心数据,保障业务运营安全,并快速的满足合规要求。
中安威士数据库透明加密系统(简称VS-EC),基于加密算法和合理的密钥管理,有选择性地加密敏感字段内容,保护数据库内敏感数据的安全。敏感数据以密文的形式存储,能保证即使在存储介质被窃取或数据文件被非法复制的情况下,敏感数据仍是安全的。并通过密码技术实现三权分立,避免DBA密码泄漏带来的批量数据泄漏风险。本加密系统具有卓越的安全性和处理能力,并能在不修改原有应用程序的情况下透明的接入系统中。
密码作为我们平时最常使用的用户身份验证方式有其便捷性,但是仔细思考你也不难发现其中存在着较多的安全问题。首先我们的密码是由用户自我定义设置的,期间不排除用户设置弱口令密码或者使用键盘布局的脆弱密码(当然部分考虑安全的系统会制定对应的密码策略对其进行限制),其次即便我们使用了极为复杂的密码,也不能完全规避"社工钓鱼"和"中间人"攻击等威胁,攻击者可以通过脱浏览器端的凭据信息等方式获取用户的密码,再者就是用户都有一个特征就是"惰性",很多用户在多个网站可能会使用同一个登录密码,故此攻击者可以通过找寻被泄露的账户密码获取到真实的账户密码信息并实现登录操作,基于以上多个风险层面,我们接下来对用户的身份认证进行简易的探讨并结合业务、测评等维度给出关联的安全设计
接下来,正文开始: 1,如图1,数据包含两个分组列(X轴),A列表示小分组,B列表示大分组,C/D/E三列表示三个因子列,作为Y轴。同样的方式,可以在E轴后侧依次添加数据增加四,五,六等多个因子。
软件版本:OriginPro 2021b (64-bit) SR2 9.8.5.212 (学习版) 本期目标:
因子挖掘是量化交易的基础。随着历史交易数据日益增多,交易市场量化竞赛的不断升级和进化,量化投研团队开始面对数据频率高、因子数量多的场景,以10分钟线10000个因子5000个股票为例,一年的因子数据约为 2.3T 左右,1分钟线的数据量达到23T,3秒线的数据量将达到460T。如此量级的数据就对因子存储方案提出了很高的要求。
多目标多因子算法和多因子算法的区别 “参考文献 [1]GUPTA A, ONG Y-S, FENG L, et.al. Multiobjective Multifactorial Optimization in Evolutionary Multitasking[J]. IEEE Transactions on Cybernetics, 2017, 47(7): 1652–1665. MOMFEA和MFEA的区别和联系 在MFEA取得巨大进展之后,研究者们将目光转移到多目标多任务优化。Gupta等[1]于
七年前的五月,Intel Security 受到安全研究人员启发,为了提升大众对口令安全的认识,把五月的第一个星期四作设定为“World Password Day”。今天,我们就与大家聊一聊“口令”。
这一两年,二级市场开始呈现出一种万物皆可多因子的态势,基金、行业、债券、转债,能想到的品种,都开始往上套,毕竟股票上想再做创新很难,但换个品种复制一遍,相对容易。
量化交易策略无非三点:择时、选股、仓控。择时为短期套利交易策略,选股为中长期交易策略,目标是在中长期跑赢指数、获取市场超额收益率alpha。多因子选股的关键是找到寻找因子与股票收益率之间的相关性,即对收益率预测能力强的因子。一般多采用如下步骤:
SMTP主机 输入你或者你服务商提供的 smtp 服务器, 格式:smtp.126.com
关于箱线图,可以更好地展示整体数据的分布情况,包括中位数、最大值、最小值、平均值等等。当然,你也可以将散点图和箱线图结合进行作图。这些都是论文中常用的图形展示方法。
网络安全公司 FireEye 今天发布了一份报告,详细介绍了攻入其内部网络的 SolarWinds 所使用的技术。 与该报告一起发布的还有一个名为 Azure AD Investigator 的审计工具 ,FireEye 表示该工具可以帮助公司确定 SolarWinds(也被称为 UNC2452)是否在其网络中使用了任何一种相关技术。 与 FireEye 步调一致,Microsoft 和 CrowdStrike 也对 SolarWinds 供应链攻击进行了深入的调查。SolarWinds 供应链攻击于 2
本篇文章有别于传统的多因子研究,我们并未将重点放在阿尔法因子的挖掘上,而是通过对股票组合的权重优化计算,找到了在市值中性、行业中性、风格因子中性约束下的最优投资组合,以及验证得到的组合权重是否满足了约束条件。
多因子方差分析的因子交互作用可以这样理解,比如经常吃的消炎药头孢,通常会认为服用三片要比服用一片效果好,但经过实际验证测试发现,男女之间用药效果并不相同。对于男性而言,吃三片的效果好些,而对女性而言,吃一片效果要更好。这种情况下,头炮剂量和性别之间便产生了了交互作用。
前言 在机器学习如何应用到量化投资的系列文章中,今天我们专门来介绍一篇来自国信证券的研究报告,来从券商角度分析这个问题。 对于最直接的问题:能否利用神经网络,要机器自己识别 K 线图,自己做出判断,本篇推文的内容无法给出肯定的答案,但也不能否定其可能性,回答它需要更为深入、更为复杂的神经网络。本篇推文的目的是利用深度神经网络中的 RNN 的一些基本结果,对多因子模型进行尝试,以检验深度神经网络在多因子、投资领域的适用性,使得投资者能够对神经网络有 更为实践的理解,并能够在投资领域有所运用。 RNN简介 R
最近,搜索解决方案平台 Elastic 讨论了防钓鱼的多因子认证(MFA)的优势。这种安全的认证方法通过采用多层保护和加密注册过程超越了采用密码、短信验证码或生物识别技术的传统 MFA。
之前在A股动量与反转的实证过程中,提到了因子择时和风格轮动的重要性,本篇算是对因子择时的一个小小的尝试,没有什么创新性,只是把现在比较传统的方法都拿来试了一遍,目前没有能力创造方法,只做方法的搬运工。
之前做了很多因子测试的工作,但一直没有总结,感觉很凌乱,决定花时间把这部分东西写一写,温故知新,也为后续学习打基础。首先写一下单因子测试部分,分三篇,数据预处理一篇, 回归法一篇,分层测试法一篇。本篇首先说明多因子模型是什么,随后着重于单因子测试流程及数据预处理的细节,附代码。
1、基于价值、动量、质量、规模及低波动等量化因子的组合在历史上,相对于基准,长期来看取得了较好的表现。但也周期性的受到市场环境变化的影响,导致在一定的时期内表现不佳。
智能化需求体现在两个方面 随着移动互联网的发展进入新的方向,移动互联网中的智能化已经成为新的发展趋势和主要需求。智能化需求目前主要体现在两个方面: 一方面是促生新的智能化应用,如自动驾驶汽车、虚拟现实和增强现实应用等,拓宽移动应用领域为用户提供更多应用选择。 另一方面是基于目前已有的大量应用数据进行智能化分析,在现有移动应用的基础上分析用户需求、明晰用户目标、提供用户感受,让用户在固有移动应用领域体验提升。 在智能化引领发展的阶段中,人工智能技术正在越来越广泛地应用在移动互联网领域,越来越多的人工智
Multi-Factor Authentication (MFA),即多因子认证,是一种简单有效的最佳安全实践方法,它能够在用户名和密码之外再额外增加一层安全保护。腾讯云的虚拟 MFA 设备由腾讯云助手小程序承载。
前天去陆家嘴参加了通联量化的一个公开课。通联量化才两周年,所以我还是比较早的知道这个平台的人,至少一年多以前就知道有这样一个东西,可惜当时太年轻,二级市场的知识也很匮乏,更加重要的是,没有经历过A股暴跌,没有被市场教育过。
软件即服务(SaaS)在过去的十年中呈现爆炸式增长,企业无需再进行痛苦的安装部署、不需要再签订不灵活的合同,直接可以支付需要的专业软件的许可费。犯罪分子也采用了软件即服务的模式,努力达成多元化与专业化。这样做大大降低了网络犯罪的入门门槛,不懂技术的攻击者也可以购买到攻击所需的一切。
目前,网上其实有很多量化的回测平台,比如之前笔者写过教程的backtrader和pyalgotrade,当然还有大名鼎鼎的zipline。但是值得注意的是,这些其实某种意义上是一个回测平台,如此而已。如果做cta,可能就足够了,但是如果是要做多因子策略的话,这种回测平台可能只是整个体系当中的一个小小的部分。
在日常生活中,各种各样的密码安全问题,层出不穷,由此引发的各种恩怨情仇,坑蒙拐骗,大家是否早已身经百战,甚至见怪不怪了呢?
随着移动互联网的发展进入新的方向,移动互联网中的智能化已经成为新的发展趋势和主要需求。智能化需求目前主要体现在两个方面: ●一方面是促生新的智能化应用,如自动驾驶汽车、虚拟现实和增强现实应用等,拓宽移动应用领域为用户提供更多应用选择。 ●另一方面是基于目前已有的大量应用数据进行智能化分析,在现有移动应用的基础上分析用户需求、明晰用户目标、提供用户感受,让用户在固有移动应用领域体验提升。 在智能化引领发展的阶段中,人工智能技术正在越来越广泛地应用在移动互联网领域,越来越多的人工智能技术更多地参与到移动互联网发
因子投资已经存在很长时间了,学术界和实践中都有大量的文献致力于研究它。然而,关于它的许多困惑仍然存在。我们已经讨论过价值、动量、低风险和规模等风格因子投资的事实和误解(Fact and Fiction),这篇文章将结束本系列文章,回顾关于一般因子和多因子投资方法的事实和误解。
量化投资与机器学习微信公众号,是业内垂直于量化投资、对冲基金、Fintech、人工智能、大数据等领域的主流自媒体。公众号拥有来自公募、私募、券商、期货、银行、保险、高校等行业30W+关注者,荣获2021年度AMMA优秀品牌力、优秀洞察力大奖,连续2年被腾讯云+社区评选为“年度最佳作者”。 Combining Factors Christoph Reschenhofer (Vienna University of Economics and Business) / July 2022 学术文献主要通过组合收益
量化投资与机器学习微信公众号,是业内垂直于量化投资、对冲基金、Fintech、人工智能、大数据等领域的主流自媒体。公众号拥有来自公募、私募、券商、期货、银行、保险、高校等行业30W+关注者,曾荣获AMMA优秀品牌力、优秀洞察力大奖,连续4年被腾讯云+社区评选为“年度最佳作者”。 来自:Financial Analysts Journal 标题:Is Sector Neutrality in Factor Investing a Mistake? 作者:Sina Ehsani、Campbell R. Harvey、Feifei Li
1. 某集团企业生产网(私有云或机房数据中心)、办公网终端均使用同一个AD域,那么其生产服务器是否需要脱域或其它方式整改?
近一个半月疯狂的接触多因子模型,其中对于单个因子的回测,是最熟的。而对于单个因子,或者叫做signal(这一系列文章后续都这么叫),是多因子模型的基础。当然,如果你认为,世界上没有alpha,那么只要bet style或者industry就可以了,也不需要寻找alpha。
主动管理决策是由预测和一致预期收益率之间的差异驱动的,套利定价理论在主动投资组合管理中具有重要意义,它给出了预测收益率的框架,但并未说明用什么因子预测,应用套利定价理论进行收益率预测和主动投资更像是一种艺术。
8000多万常住人口、3000到4000万流动人口,近千万家单位……江苏人社系统里个人及企业敏感信息众多,业务内容覆盖人民生活的方方面面,一旦出现业务中断、数据泄露或故障产生将影响巨大,江苏人社对于信息安全有着极高的要求。
随着各项安全法规的相继落地,安全体系建设对于企业显得尤为重要,本文将从终端层、网络层、云平台、数据、身份、特殊场景的安全角度出发整体进行安全体系架构的设计。
因子策略的开端,要从Fama-French 在资本资产定价模型上提出三因子模型说起,其在原有的市场因子Beta上,加上市值因子SMB和账面市值比因子HML,指出Beta不能完全解释不同股票回报率的差异,所以还应考虑上市公司的市值、账面市值比、市盈率的差异。
方差分析为多样本检验,其核心为假设检验,此外,方差分析还可以做多重比较。方差分析本身是一种假设检验,同时也是一种模型,是回归模型的特例,回归模型为线性模型,方差分析为一般线性模型。实际应用中方差分析单独出现的可能性很小,一般在实验设计场景用的较多,项目中用方差分析去支撑项目的情景基本不会出现。
本示意图为简化版本。 我们知道手机盾的两大作用是:证书管理和转账。 证书管理是指证书的下载、更新、删除。转账是指银行应用APP进行转账汇款操作。我们的安全设计必须围绕着这两部分来进行。我们今天来着重聊聊这两个步骤。 1,证书如何从CA中心安全地下载到SE中? 这里流程会与IFAA有所不同。 我们来回顾一下在IFAA体系中,手机终端产线阶段预置了一对公私钥,保存在RPMB中,公钥安全地方式上传到IFAA服务器中,同时IFAA TA预置了IFAA服务器的公钥。因此双方的身份认证就
系列文章(点击即可查看) 机器学习该如何应用到量化投资系列(一) 机器学习该如何应用到量化投资系列(二) 机器学习该如何应用到量化投资系列(三) 机器学习该如何应用到量化投资系列(四) 第一部分 GoogLeNet, 2014年ILSVRC挑战赛冠军,这个model证明了一件事:用更多的卷积,更深的层次可以得到更好的结构。(当然,它并没有证明浅的层次不能达到这样的效果) 通过使用 NiN(Network-in-network)结构拓宽卷积网络的宽度和深度,其中将稀疏矩阵合并成稠密矩阵的方法和路径具有
人类并不偏爱风险,运维也是如此,运维偏爱效率,但是风险始终如影随形,好比硬币的正反面,风险和效率需要一个完美的平衡,堡垒机就是平衡效率的风险工具。
在说指数增强之前,首先要说明什么是指数。指数在各个领域中都广为应用,是一种重要的参考指标,比如衡量经济发展水平的GDP指数、反映消费水平/通胀水平的CPI指数、反映股票市场价格水平的价格指数等等。都是将大量个体的指标通过某种规则进行合成,用来反映整体的情况。
领取专属 10元无门槛券
手把手带您无忧上云