資安

當人們想到未來的汽車時，他們通常會想到某種自動駕駛汽車，但是汽車行業中的創新不僅僅是自動駕駛。 據Gartner稱，到2020年底，街道上將有超過2.5億輛聯網汽車。“聯網汽車”不僅僅意味著“自動駕駛”，還包括通過與汽車通信來改善我們在道路上的任何事物。 從防抱死制動到後視鏡，賽車運動開創了許多現在被認為是我們每天駕駛的車輛的標準配置的東西，並且您將很難找到比現代一級方程式賽車更具連通性的車輛。 在比賽過程中，一級方程式賽車隊將從每輛汽車中收集約2TB的數據。整個傳感器網絡收集有關力，溫度，位移和壓力的信息，從而使工程師和駕駛員可以更全面地瞭解汽車的運行狀況，並幫助他們減少那些難以捉摸的額外瞬間。在全電動Formula E系列中，有150個傳感器在測試過程中監視每輛車的重要狀態，儘管在比賽中只能使用其中的一小部分傳感器。 雖然梅賽德斯AMG馬石油、紅牛和法拉利等車隊利用收集到的數據使自己的汽車在賽道上更快地行駛，但第二個好處已經滲透到了公路車上，而且它們今後只會繼續變得更加複雜。 預測性維護技術並沒有告訴您如何加快路線工作速度，而是使用傳感器在零件可能發生故障時警告車主。例如，通過實時監控電池的運行狀況，基於雲的算法可以評估發生故障的可能性，並通過智能手機提前警告駕駛員。 這種技術依賴於汽車和服務器之間的數據傳輸，而一級方程式賽車團隊也是該技術的先驅。所收集的大部分信息只能在賽車進入維修區時轉移，但就像賽車中的一切一樣，時間至關重要。自2017年以來，團隊已使用兩種無線標準來傳輸數據。 汽車一進入維修區便開始啟動，但是當它在車庫四米以內時，它會切換到更快的每秒1.9 GB的上傳速度，這意味著一千兆字節的數據可以在不到五秒鐘的時間內傳輸出去。 隨著越來越多的公路車輛聯網，實時傳輸大量數據對於保持交通順暢至關重要，特別是如果將人類駕駛員從方程式中移除的話。5G技術的推出將是促進這一進程的關鍵，在現有的4G網絡中，距離、延遲和速度都有可能得到提高。 V2X技術 當然，在路上，競爭因素會被去除，但你必須考慮到，與在跑道上不同，並不是每輛車都朝著同一個方向行駛。這就是V2X的用武之地。V2X是車輛與周圍其他設備之間的雙向通信，它將真正改變我們的駕駛方式。V2X代表“車輛到一切”，是自動駕駛汽車的基本生存能力，使每輛車能夠通過與幾乎所有必須與之共享道路的東西的持續通信，在充滿交通、行人和其他危險的街道網絡中導航。 雖然一級方程式在這方面幫不上忙，但一個不同的、新興的賽車系列已經將自動駕駛汽車推向了極限。Roborace正處於它的第一個試驗季節——“Alpha季節”——使用全自動車輛的比賽。在踏板車上搭載高精度GPS系統的人員預先掃描電路佈局的外部界限。一旦汽車知道柏油路的終點，就要依靠車隊的算法，在不撞到其他地方的情況下，找到繞賽道最快的路線。 Roborace的Devbot 2.0汽車配備了五個LIDAR（光檢測和測距）傳感器，兩個雷達，六個攝像頭和18個超聲波傳感器，使它們能夠以超過200英里/小時的速度在賽道上導航而不會發生碰撞。由於沒有人，因此這條賽道比V2X和自動駕駛車輛的普通路要安全得多。 V2X的潛力將不僅僅侷限於自動駕駛。它也會改變乘客的體驗。未來，車輛將不僅僅被視為一種交通方式，還將為乘客提供車內娛樂。對於無人駕駛汽車來說，這一點尤其重要，因為在無人駕駛汽車中，娛樂活動將遠遠超出收音機或車載視頻。隨著自動駕駛汽車在乘客上下班或前往數英里以外的地方時穿梭，不再負責駕駛甚至導航的乘客將成為固定的觀眾，並擁有穩定的車內5G連接。這種新發現的媒體消費空閒時間將意味著汽車、電信、廣告和內容/流媒體業務的新收入選擇，這些業務將爭取乘客的關注。 賽車運動著重於創新，正在測試新技術並超越一切可能。藉助物聯網和增強的V2X通信，這些創新將提升新的聯網汽車體驗。 原文鏈接

基礎知識 String 是最基本的數據類型嗎？ 答：不是。Java中的基本數據類型只有8個：byte、short、int、long、float、double、char、boolean；除了基本類型（primitive type），剩下的都是引用類型（reference type），Java 5以後引入的枚舉類型也算是一種比較特殊的引用類型。 名稱 包裝類 字節 bit 取值範圍 byte Byte 1 8 -128~127 short Short 2

前一陣子，小編換了一個新手機，作為一個安卓控，新手機當然也是華為某新款機型。小編迫不及待地把經常使用的App一一安裝到新手機中。其中有一個已經玩了快2年的養成類遊戲，已經修煉到64級，重新安裝到新手機中後，小編興高采烈地啟動想趕快看看之前種的菜熟沒熟能不能採摘了。 一啟動遊戲就彈出對話框— 帳戶登錄，小編心說登錄就登錄吧，微信登錄一秒就可以玩了。沒想到微信登錄完畢，華為新手機跳出了一個新的提醒：請將微信賬號同華為ID綁定。 同時還提示說之前註冊過華為ID需要輸入密碼，小編心中就徹底暈菜^&%&)P_@^TRRW，這是什麼鬼，誰還記得這個，果斷選擇忘記。誰想密碼找回要輸入之前使用的華為機型，小編心中更加鬱悶，作為一個女孩紙且IT盲，我就曉得它是個什麼價位的手機，鬼才記得具體什麼型號— 遂選擇“無法回憶機型”。 小編心想這就完了吧，讓我登錄遊戲趕快摘菜吧— TOO SIMPLE TOO NAIVE事實證明小編還是太單純了— 手機繼續跳出：如果無法登錄已有華為ID，請創建新的華為ID。於是乎，花了小10分鐘跳來跳去，小編創建了一個新的華為ID。 而當終於進到遊戲中，小編徹底傻眼：從1級開始！為什麼？？？什麼？？？麼？？？小編心中充滿了憤怒和不滿（小朋友，你是否有很多問號？？？？）。而遊戲設置界面設計又不友好，小編在裡面找了半天重新登錄，試圖找到用微信號重新登錄的入口和路徑，也沒有找到。小編最後在筋疲力盡中卸載了遊戲，和玩了2年的遊戲說拜拜。 雖然是一個簡單的生活場景，但作為“知識分子”的小編，我慎重了研究了下這背後讓人抓狂的邏輯！ 按理說，一個好的應用就應該可以讓用戶迅速進入App開啟正常的使用，而一個讓人“口吐芬芳”的應用則會用各種賬號體系（自設賬號，社交賬號，手機硬件賬號等）將用戶徹底搞暈菜。 在花了數十分鐘各種頁面的“騷”操作跳轉後，仍舊無法成功登錄，筋疲力盡只能放棄登錄。更嚴重者可能對App產生厭惡情緒，進而卸載App成為再也無法挽回的流失用戶。 都2020年了，這種低級問題難道無解麼？？？小編還真的認真研究了一番。 為了避免在註冊登錄環節流失用戶，簡單高效的登錄方式是可以幫助到開發者的利器。而傳統的登錄方式在簡單操作方面做的並不完善。傳統登錄方式一般有兩種： 傳統賬戶密碼登錄方式：註冊時用戶費勁腦汁創建賬戶名和密碼，還需要花費精力記住。登錄時，如果可以順利輸入賬戶名和密碼還好，如果忘記了每一次登錄還需要多次輸入。如果App設置了多次（如三次）輸入不能成功登錄，就會鎖定和凍結賬戶…… 傳統短信驗證方式：短信驗證比賬戶密碼登錄方式已經有了進步，但同樣很容易造成多次步驟：用戶需主動輸入11位手機，輸入時有可能錯誤；而等待短信驗證碼的時間也並不穩定，據測算至少有5%的用戶在發送短信驗證的需求後沒有收到短信驗證碼，或者短信發送不穩定或者驗證碼被手機系統攔截。用戶左等右等不知道什麼時候收到短信驗證嗎，浪費諸多時間和精力。 以上兩種方式都會造成用戶少則半分鐘多則十幾分鐘的登錄經歷。而用戶每天使用登錄的App較多時，更是會造成用戶情緒上的反感和抗拒，甚至由於登錄環節放棄使用或者卸載App，這對於開發者來說是一種得不償失。

　　今年的一個目標是手頭用的IDE逐漸從Eclipse徹底轉向IntelliJ IDEA，包括快捷鍵的設置。因此這裡整理Eclipse和IDEA的快捷鍵映射表，以便隨時查用。 序號 中文名 英文名 Eclipse IDEA 備註 1 核心快捷鍵 　 　 　 　 2 智能代碼完成 Smart code completion Alt+/

13大視覺AI類目，113種算法 有圖有真相，先上圖，看看咱們大平臺上豐富多樣的視覺AI算法！         據不完全統計，整個阿里巴巴集團有數千名開發人員圍繞著視覺技術在電子商務、城市大腦、金融支付、交通物流、通信會議、新零售、文娛等多個行業的應用需求，不斷貢獻著各類技術創新與應用實踐，形成了多個產品和解決方案。這其中沉澱了諸多視覺基礎原子能力，如何將這些算法能力去服務更廣泛的用戶和開發者群體，發揮更大的價值呢？由阿里巴巴集團技術委員會視覺技術小組和戰略合作部牽頭，達摩院聯合阿里雲產品與解決方案管理部以及集團各個視覺技術團隊一起創建的阿里雲視覺智能開放平臺（https://vision.aliyun.com）應運而生，調用量已破千萬！         近期平臺新增了30+種AI算法，其中更是包括了針對疫情防控開發的新冠病毒肺炎輔助診斷算法；可在多個場景應用的人臉比對1:N算法、以及針對視頻進行處理分析的相關算法服務。         春節前夕至今的一場肺炎病毒危機席捲了中國乃至整個世界。目前通過肺部ct的檢測可迅速判斷疑似患者的身體情況，但是由於疑似患者基數較大所以純靠人工閱片，會耗費醫生極大精力。為此我們攜手達摩院聯合出品 “新冠病毒肺炎輔助診斷”AI算法， 其最大的特點就是又快又準。它可以在20秒內完成一次CT診斷，最短僅2秒，準確率達96%以上！它可以幫助醫生快速進行疑似病例診斷，讓 AI

高通QSEECOM接口漏洞(CVE-2019-14040)分析 阿里安全（侯客） 背景：  上週五看到一篇國外的安全公司zimperium的研究人員寫的一篇他們分析發現的高通的QSEECOM接口漏洞文章，[https://blog.zimperium.com/multiple-kernel-vulnerabilities-affecting-all-qualcomm-devices/] 其中一個Use-After-Free的漏洞（CVE-2019-14041）我覺得挺有意思，但是原文有些部分寫的比較生澀或者沒有提到關鍵點上，所以我想稍微續叼寫的更具體一些，以及我對這種類型漏洞的一些思考或者是對我的啟發，以及安全研究人員和產品開發人員對安全的理解方式。  這名叫Tamir Zahavi-Brunner的安全研究在2019年的7月底發現兩個高通QSEECOM接口的漏洞，一個是條件競爭的漏洞CVE-2019-14041，一個就是我今天要講的內核內存映射相關的Use-After-Free漏洞CVE-2019-14040。  簡單介紹一下這個QSEECOM接口，它是一個內核驅動連接用戶態Normal world和Secure world的一個橋樑，Secure world就是我們常說的Trustzone/TEE/Security Enclave安全運行環境，Normal world就是非安全運行環境，這個高通的QSEECOM接口可以實現一些從用戶態加載/卸載一些安全的TA（Trust Applcation）到TrustZone中去運行，比如我們手機常用的指紋/人臉識別的應用，這些應用都是在TrustZone中運行的，在這種運行環境下，可以保證我們用戶的關鍵隱私不被竊取，這個QSEECOM架構如下。  要想了解這個漏洞的成因，需要先了解這個QSEECOM接口的功能處理邏輯，用戶態通過ION設備（一個內存管理器，可以通過打開/dev/ion進行訪問）申請的內存可以通過QSEECOM接口映射到內核地址空間，可供內核或者TrustZone訪問，而對於QSEECOM驅動模型中（/dev/qseecom）提供給用戶的接口有open/close/ioctl，對應著QSEECOM內核處理函數為qseecom_open/qseecom_ioctl/qseecom_release。 漏洞成因： 說到Use-After-Free漏洞，我們需要先了解內存在哪裡Free掉的，然後是在哪裡Use的，如何Use的。 Free操作過程：  用戶態每次打開qseecom設備（/dev/qseecom），都會在內核態生成一個qseecom_dev_handle的結構指針，這個結構指針會被關閉qseecom設備（用戶態通過close函數）或者來自用戶的IO操作號QSEECOM_IOCTL_UNLOAD_APP_REQ請求予以銷燬，需要了解這個結構指針的銷燬過程，那麼得先了解這個指針的初始化過程。 打開qseecom設備時會調用qseecom_open分配一個qseecom_dev_handle結構體

在當前工業4.0的背景下，提高效率是市場競爭的關鍵。 藉助物聯網（IoT），公司可以收集越來越多的數據。使用這些數據可以使我們提高效率和生產率。 物聯網與工業部門效率之間的關係 物聯網使我們能夠收集可靠，安全的實時數據，並將其轉換為對企業非常有用的信息。這有助於減少資源消耗，從而提高我們的效率和生產率。 從這個意義上講，工業物聯網（IIoT）的發展將獲得更堅實的地位，它將農業，製造業，物流或能源生產等戰略性行業中的機器和設備連接起來。在這些領域，持續改進和優化工業流程至關重要。為了實現這一目標，公司必須最大化其在不同流程的每個點上所擁有的知識。因此，他們可以檢測到效率低下，瓶頸或資源消耗過多的情況。藉助這些信息，企業可以做出合理的業務驅動決策。 物聯網影響的過程 雖然不同公司的流程確實不同，但在工業部門有一系列共同的模式。在本文中，我們將重點討論與庫存管理、製造和分銷相對應的流程。通過位於倉庫、車輛、機器、工作場所等的傳感器，可以獲得以下數據： 1）用於庫存管理的數據。收集有關產品內部位置和操作員行進的公里數的數據，使公司可以進行智能倉庫設計。收集有關溫度，溼度或日照量以及倉庫中的能耗的數據也可能很重要，以確保資源的有效管理並防止產品損壞。此外，公司將能夠計劃訂單並根據庫存水平及其分析做出準確的預測。 2）製造數據。獲得有關製造時間的信息意味著知道機器需要啟動多長時間，機器要運行多長時間以及由於機器問題而導致生產中斷的頻率。這使公司能夠更好地瞭解和計劃製造，並能夠更快，更好地為客戶服務。此外，當我們測量每個製造批次產生的缺陷數量時，由於可以實施糾正措施和預測性維護，因此可以節省成本。 同樣，如果我們量化工廠的能源消耗或製造過程中產生的廢物量，我們將更具可持續性，這對於提高效率至關重要。 3）物流管理數據。如果我們要優化物流功能，尤其是貨運功能，則有必要從送貨車輛獲取數據，例如其GPS位置，貨物數量以及停工時間和交貨時間。除此之外，如果我們將倉庫中的數據添加為產品的內部位置，操作員行進的公里數和訂單數量，那麼我們還將擁有集成且高效的物流管理。 一旦收集了這些數據並將其轉換為信息，公司便可以在以下領域採取行動： 1）資產維護。通過基於有關機器或零件故障平均時間的預測的維護警報。（這就是所謂的預測性維護） 2）勞動力管理。藉助所收集的信息，可以決定工廠人員的組織方式，休息時間等。 3）工廠組織。通過重新安排倉庫中的貨物和產品，公司可以減少或優化工人或車輛行駛的公里數。 4）節約能源。只在必要的地方開燈，控制溫度和通風等。 5）物流優化。通過掌握更多的路線、停機時間、訂單數量等信息，就可以決定每時每刻必須運行的車輛數量，以及它們的維護。 這幾個領域是通過位於價值鏈各個環節的傳感器獲得的數據如何幫助企業提高效率的示例。但是，物聯網在工業領域提供的可能性是無限的。 原文鏈接

上週，阿里巴巴高德地圖首席科學家任小楓在#大咖學長雲對話#的在線直播活動上就計算機視覺相關技術發展以及在地圖出行領域的應用與大家做技術交流，直播間互動火爆，尤其在QA環節，學弟學妹們紛紛就感興趣的視覺應用、AR導航、定位技術、5G、職業發展等話題提問，任小楓做了精彩回答。我們整理了問答內容，分享給大家。 視頻回放地址：https://vku.youku.com/live/ilproom?id=8064786 任小楓博士，現任阿里巴巴高德地圖首席科學家，研究員，主要負責視覺技術在地圖和出行領域的應用和創新。加入阿里巴巴前，他在2013到2017年間供職於亞馬遜，是亞馬遜的資深主任科學家和AMAZON GO的算法負責人。浙江大學本科畢業，加州大學伯克利分校博士，華盛頓大學計算機系客座教授，CVPR/ICCV/AAAI等會議領域主席，IEEE PAMI副主編。 視覺技術發展及應用 提問：計算機視覺在高精度地圖構建中的應用有哪些？ 任小楓：視覺算法對於高精度地圖構建是核心的技術，主要應用在資料對齊和精度保證、識別和地圖數據自動化生成、視覺定位和高精地圖更新等。 提問：您覺得現有的基礎學科研究水平與硬件水平能否保證視覺技術的快速發展？視覺技術發展在近期會不會遇到較難突破的瓶頸？ 任小楓：經過了前幾年深度學習技術在視覺各個領域的快速發展，一定程度上說，深度學習和視覺的基礎技術現在都遇到了瓶頸。或者說，沒有開始的時候發展的那麼快，有很多難題需要解決，也可能需要創造新的技術。對於應用而言，我覺得基礎技術和硬件水平目前大致是夠用的，更重要的是如何把技術用好，有針對性的去突破技術瓶頸。 提問：單目標跟蹤SOT（給定模版跟蹤單個目標，類別無關/可跨域）近兩年的進展非常顯著，具有解決快速跟蹤的潛質，想請問目前有沒有在地圖業務這邊比如視覺定位（VO中跟蹤路標）/AR導航（短時跟蹤）中應用的前景？如果有的話，請問需要解決什麼樣的需求問題（魯棒/速度等）？ 任小楓：跟蹤是一個視覺基礎技術，在很多場景都有應用。對於導航和出行，確實在AR導航、定位上能起到核心作用，減少識別（檢測）的計算需求，並增加魯棒性和平滑性。但是在很多實際應用中，跟蹤的使用和需求和學術界單目標跟蹤的設置會有所不同。 提問：視覺特徵是否能結合語義給地圖的導航出行服務帶來更好的體驗呢？ 任小楓：視覺可以提供高精度的定位，也可以提供場景的語義理解，肯定可以帶來導航和出行更好的體驗。但是具體的產品體驗和技術實現還需要進一步的探索和積累。 提問：計算機視覺下一步的重難點是哪個方向？未來的前景如何？ 任小楓：計算機視覺是一種通用的感知手段，信息量很大，可以用於多種感知任務，可以遠距離觀測，應用的前景是很廣闊和美好的。下一步的難點，除了基礎技術需要進步和突破外。還有：如何找到視覺能發揮核心作用的應用場景，如何根據實際問題綜合各類算法設計整體方案，如何較好的解決計算資源的問題，如何結合其他傳感器和先驗知識等問題。 AR導航 提問：AR導航是實時圖像計算的嗎？設備算力可以打標嗎？ 任小楓：AR導航是實時圖像計算，在低算力的條件下實現導航和輔助駕駛功能。我們也儘可能的進行“預計算”，事先計算好環境中的一些元素，來配合實時計算。 提問：AR導航最後通過什麼來展示內容？顯示屏還是HUD？

——–點擊屏幕右側或者屏幕底部“+訂閱”，關注我，隨時分享機器智能最新行業動態及技術乾貨———- 春節前夕至今的一場肺炎病毒危機席捲了中國乃至整個世界，目前通過肺部 CT 的檢測可迅速判斷疑似患者的身體情況，但是由於疑似患者基數較大所以純粹靠人工閱片，會耗費醫生極大的精力。 為此阿里雲視覺智能開放平臺（以下稱為開放平臺）攜手達摩院聯合出品 “新冠病毒肺炎輔助診斷”AI 算法，它可以幫助醫生快速進行疑似病例診斷。開放平臺是基於阿里巴巴視覺智能技術實踐經驗，面向視覺智能技術的開發與應用用戶的綜合性視覺 AI 算法服務平臺。主要目的為用戶提供好用、易用、普惠的視覺智能 API 服務。此次上線的能力最大的特點就是又快又準，它最快可以在 20 秒內完成一次 CT 診斷，可有效的減少閱片的人工成本。此外，這套技術還將計算病灶部位的佔比比例和量化，預測病症的輕重程度，大幅度提升診斷效率，為患者的治療爭取寶貴時間。尤其對未接診過新冠肺炎病例或低年資醫生，可提供有效的診斷鑑別提示。 此套算法最早應用於被稱為鄭州版 “小湯山醫院” 的鄭州岐伯山醫院，並且目前已在湖北、上海、廣東、江蘇等省市的 160 家醫院上崗，幫助醫生診斷

網絡類別：專有網絡、經典網絡 專有網絡：私有IP、公有IP 公有IP：NatPublicIP（自動分配 、釋放實例即釋放IP，重啟實例IP不影響）公有IP：EIP：可以反覆綁定解綁到實例上，需要單獨申請