вторник, 31 октября 2017
20:25

27 июня 2017 г. — KB4022720

И это всё МОЁ
Дополнительные сведения об обновлении KB4022720, в том числе об улучшениях и исправлениях, известных проблемах и способах установки обновления.



URL
20:25

27 июня 2017 г. — KB4022720

И это всё МОЁ
Дополнительные сведения об обновлении KB4022720, в том числе об улучшениях и исправлениях, известных проблемах и способах установки обновления.



URL
20:25

27 июня 2017 г. — KB4022720

И это всё МОЁ
Дополнительные сведения об обновлении KB4022720, в том числе об улучшениях и исправлениях, известных проблемах и способах установки обновления.



URL
20:25

27 июня 2017 г. — KB4022720

И это всё МОЁ
Дополнительные сведения об обновлении KB4022720, в том числе об улучшениях и исправлениях, известных проблемах и способах установки обновления.



URL
20:25

27 июня 2017 г. — KB4022720

И это всё МОЁ
Дополнительные сведения об обновлении KB4022720, в том числе об улучшениях и исправлениях, известных проблемах и способах установки обновления.



URL
18:48

Вышел новый Скайп для Линукс

И это всё МОЁ

Пользователям Линукс стала доступна последняя версия Скайп. Новый Скайп включает в себя новый дизайн с новым поколением мобильного опыта, но спроектированый с рабочими столами в голове. В поставку также включены новые смайлики, много градиентов и, конечно же, великолепный Electron.

К сожалению, некоторые функции, такие как показ экрана, не будут работать в Wayland, но будут работать в X11.

Минимальные системные требования:

  • 64-битный Линукс
  • Процессор не ниже Pentium 4 с поддержкой SSE2 и SSE3
  • 512 мегабайт оперативной памяти







 , ,








URL
18:46

LAME 3.100

И это всё МОЁ

После 5 лет разработки состоялся релиз новой версии mp3 кодировщика LAME (библиотека libmp3lame). В списке изменений множество исправлений ошибок и одна новая возможность - теперь корректировку громкости можно задавать в децибелах (--gain от -20.0 до +12.0).








 , ,








URL
16:59

Запись за 31.10.2017 15:59:53 +0200

И это всё МОЁ
1 ноября Роскомнадзор начинает контролировать VPN и анонимайзеры

Сегодня Роскомнадзор сообщил, что совместно с участниками рынка завершает тестирование новой системы взаимодействия с VPN-сервисами, анонимайзерами и поисковиками. В тестировании принимают участие АО «Лаборатория Касперского», Opera Software AS, Mail.RU и Яндекс.

Читать дальше



URL
16:59

Запись за 31.10.2017 15:59:53 +0200

И это всё МОЁ
1 ноября Роскомнадзор начинает контролировать VPN и анонимайзеры

Сегодня Роскомнадзор сообщил, что совместно с участниками рынка завершает тестирование новой системы взаимодействия с VPN-сервисами, анонимайзерами и поисковиками. В тестировании принимают участие АО «Лаборатория Касперского», Opera Software AS, Mail.RU и Яндекс.

Читать дальше



URL
15:55

На новом месте

И это всё МОЁ


На новом месте










Переехал на новое место, теперь я сисадмин (буду заниматься настоящей работой: мне доверят обжатие кабелей и выдачу сотрудникам удлинителей питания). Можно заметить мой свитер.


















>>> Просмотр
(4608x3456,
2283 Kb)










 , ,








URL
13:51

Запись за 31.10.2017 12:51:30 +0200

И это всё МОЁ
Halloween's stories.

Trick or treat? GNU/Linux or your life?!?!




URL
13:51

Запись за 31.10.2017 12:51:30 +0200

И это всё МОЁ
Halloween's stories.

Trick or treat? GNU/Linux or your life?!?!




URL
13:26

Запись за 31.10.2017 12:26:16 +0200

И это всё МОЁ
Опубликован код для определения reCaptcha с точностью 85%.

Исследователи из Мэрилендского университета и компании Vicarious опубликовали реализации двух различных методов обхода средств отсеивания интернет-ботов на основе капчи, в том числе позволяющих обойти защиту популярного сервиса reCaptcha. Методы интересны различиями в подходах - первый проект легко реализуем при помощи существующих сервисов, а второй потребовал существенных исследований в области распознавания образов и машинного обучения.

Первый проект получил название unCaptcha и позволяет восстановить цифровой код reCaptcha, предлагаемый для ввода в режиме звуковой капчи. Метод позволяет определить капчу с точностью 85.15%, на распознавание уходит приблизительно 5 секунд, что сопоставимо с длительностью предлагаемой звуковой последовательности. Реализация опубликована на GitHub под лицензией MIT.

Суть метода сводится к записи продиктованных цифр, разделения отдельных слов и передачи каждого слова одновременно в шесть online-сервисов распознавания речи (IBM, Google Cloud, Google Speech Recognition, Sphinx, Wit-AI, Bing Speech Recognition). Далее из распознанных фраз выделяются цифры или слова по произношению близкие к цифрам (например, true/to/too воспринимается как 2, tree/free как 3, sex как 6 и т.п.) и на основе оценки частоты совпадений выбирается наиболее вероятное значение.

Второй проект использует методы машинного обучения и распознавания образов для выбора правильной картинки при работе с различными капчами. Для распознавания используется специально разработан алгоритм RCN (Recursive Cortical Network), эталонная реализация которого опубликована под лицензией MIT.

В условиях распознавания обычного текста RCN обеспечивает точность на уровне 90% и в отличие от традиционно применяемых для подобных задач свёрточных нейронных сетей (CNN, Сonvolutional Neural Network) требует существенно меньшего объёма данных для обучения, обеспечивая при этом отличную адаптацию к искажениям символов, наклону, наложению и размытию, не требующую дополнительного обучения.

Например, cеть RCN позволила добиться точности в 66.6% распознавания фраз на каптче reCAPTCHA, при этом использовав для обучения всего 500 изображений. Для каптч BotDetect точность распознавания составил 64.4%, Yahoo - 57.4% и PayPal - 57.1% (капча считается ненадёжной при возможности автоматического подбора с точностью в 1%). При оптимизации модели под конкретный стиль удалось добиться точности распознавания на уровне 90%. Построенная компанией Google свёрточная нейронная сеть обеспечила уровень распознавания reCAPTCHA в 89.9%, но потребовала обучения на базе из 2.3 млн изображений капч и продемонстрировала снижение точности до 38.4% при простом изменении на 15% пространства между символами, в то время как RCN легко адаптируется к изменениям в стиле, так как осуществляет разбор на уровне отдельных символов.

В RCN задействованы методы, сходные с работой человеческого зрения. Работа RCN напоминает поведение нейронов в коре головного мозга, одна часть которых осуществляет выделение контуров объектов, а другая занимается изучением поверхности и текстур, сообща решая задачу распознавания образа. В RCN одна часть сети осуществляет выделение контуров объектов, другая часть анализирует наложения разных объектов, а третья выполняет операции классификации выделенной иерархии объектов с учётом стиля и угла зрения, на последнем этапе осуществляется сопоставление с формами стандартных букв или цифр. Для каждой из букв алфавита формируется набор шаблонов, учитывающих разные начертания, наклон, растяжение и другие виды искажений. Сопоставление осуществляется с использованием генеративной вероятностной модели, выделяющей наиболее вероятную связь исходного объекта с объектами из базы сопоставлений.
Опубликован код для определения reCaptcha с точностью 85%



URL
13:26

Запись за 31.10.2017 12:26:16 +0200

И это всё МОЁ
Опубликован код для определения reCaptcha с точностью 85%.

Исследователи из Мэрилендского университета и компании Vicarious опубликовали реализации двух различных методов обхода средств отсеивания интернет-ботов на основе капчи, в том числе позволяющих обойти защиту популярного сервиса reCaptcha. Методы интересны различиями в подходах - первый проект легко реализуем при помощи существующих сервисов, а второй потребовал существенных исследований в области распознавания образов и машинного обучения.

Первый проект получил название unCaptcha и позволяет восстановить цифровой код reCaptcha, предлагаемый для ввода в режиме звуковой капчи. Метод позволяет определить капчу с точностью 85.15%, на распознавание уходит приблизительно 5 секунд, что сопоставимо с длительностью предлагаемой звуковой последовательности. Реализация опубликована на GitHub под лицензией MIT.

Суть метода сводится к записи продиктованных цифр, разделения отдельных слов и передачи каждого слова одновременно в шесть online-сервисов распознавания речи (IBM, Google Cloud, Google Speech Recognition, Sphinx, Wit-AI, Bing Speech Recognition). Далее из распознанных фраз выделяются цифры или слова по произношению близкие к цифрам (например, true/to/too воспринимается как 2, tree/free как 3, sex как 6 и т.п.) и на основе оценки частоты совпадений выбирается наиболее вероятное значение.

Второй проект использует методы машинного обучения и распознавания образов для выбора правильной картинки при работе с различными капчами. Для распознавания используется специально разработан алгоритм RCN (Recursive Cortical Network), эталонная реализация которого опубликована под лицензией MIT.

В условиях распознавания обычного текста RCN обеспечивает точность на уровне 90% и в отличие от традиционно применяемых для подобных задач свёрточных нейронных сетей (CNN, Сonvolutional Neural Network) требует существенно меньшего объёма данных для обучения, обеспечивая при этом отличную адаптацию к искажениям символов, наклону, наложению и размытию, не требующую дополнительного обучения.

Например, cеть RCN позволила добиться точности в 66.6% распознавания фраз на каптче reCAPTCHA, при этом использовав для обучения всего 500 изображений. Для каптч BotDetect точность распознавания составил 64.4%, Yahoo - 57.4% и PayPal - 57.1% (капча считается ненадёжной при возможности автоматического подбора с точностью в 1%). При оптимизации модели под конкретный стиль удалось добиться точности распознавания на уровне 90%. Построенная компанией Google свёрточная нейронная сеть обеспечила уровень распознавания reCAPTCHA в 89.9%, но потребовала обучения на базе из 2.3 млн изображений капч и продемонстрировала снижение точности до 38.4% при простом изменении на 15% пространства между символами, в то время как RCN легко адаптируется к изменениям в стиле, так как осуществляет разбор на уровне отдельных символов.

В RCN задействованы методы, сходные с работой человеческого зрения. Работа RCN напоминает поведение нейронов в коре головного мозга, одна часть которых осуществляет выделение контуров объектов, а другая занимается изучением поверхности и текстур, сообща решая задачу распознавания образа. В RCN одна часть сети осуществляет выделение контуров объектов, другая часть анализирует наложения разных объектов, а третья выполняет операции классификации выделенной иерархии объектов с учётом стиля и угла зрения, на последнем этапе осуществляется сопоставление с формами стандартных букв или цифр. Для каждой из букв алфавита формируется набор шаблонов, учитывающих разные начертания, наклон, растяжение и другие виды искажений. Сопоставление осуществляется с использованием генеративной вероятностной модели, выделяющей наиболее вероятную связь исходного объекта с объектами из базы сопоставлений.
Опубликован код для определения reCaptcha с точностью 85%



URL
13:26

Запись за 31.10.2017 12:26:16 +0200

И это всё МОЁ
Опубликован код для определения reCaptcha с точностью 85%.

Исследователи из Мэрилендского университета и компании Vicarious опубликовали реализации двух различных методов обхода средств отсеивания интернет-ботов на основе капчи, в том числе позволяющих обойти защиту популярного сервиса reCaptcha. Методы интересны различиями в подходах - первый проект легко реализуем при помощи существующих сервисов, а второй потребовал существенных исследований в области распознавания образов и машинного обучения.

Первый проект получил название unCaptcha и позволяет восстановить цифровой код reCaptcha, предлагаемый для ввода в режиме звуковой капчи. Метод позволяет определить капчу с точностью 85.15%, на распознавание уходит приблизительно 5 секунд, что сопоставимо с длительностью предлагаемой звуковой последовательности. Реализация опубликована на GitHub под лицензией MIT.

Суть метода сводится к записи продиктованных цифр, разделения отдельных слов и передачи каждого слова одновременно в шесть online-сервисов распознавания речи (IBM, Google Cloud, Google Speech Recognition, Sphinx, Wit-AI, Bing Speech Recognition). Далее из распознанных фраз выделяются цифры или слова по произношению близкие к цифрам (например, true/to/too воспринимается как 2, tree/free как 3, sex как 6 и т.п.) и на основе оценки частоты совпадений выбирается наиболее вероятное значение.

Второй проект использует методы машинного обучения и распознавания образов для выбора правильной картинки при работе с различными капчами. Для распознавания используется специально разработан алгоритм RCN (Recursive Cortical Network), эталонная реализация которого опубликована под лицензией MIT.

В условиях распознавания обычного текста RCN обеспечивает точность на уровне 90% и в отличие от традиционно применяемых для подобных задач свёрточных нейронных сетей (CNN, Сonvolutional Neural Network) требует существенно меньшего объёма данных для обучения, обеспечивая при этом отличную адаптацию к искажениям символов, наклону, наложению и размытию, не требующую дополнительного обучения.

Например, cеть RCN позволила добиться точности в 66.6% распознавания фраз на каптче reCAPTCHA, при этом использовав для обучения всего 500 изображений. Для каптч BotDetect точность распознавания составил 64.4%, Yahoo - 57.4% и PayPal - 57.1% (капча считается ненадёжной при возможности автоматического подбора с точностью в 1%). При оптимизации модели под конкретный стиль удалось добиться точности распознавания на уровне 90%. Построенная компанией Google свёрточная нейронная сеть обеспечила уровень распознавания reCAPTCHA в 89.9%, но потребовала обучения на базе из 2.3 млн изображений капч и продемонстрировала снижение точности до 38.4% при простом изменении на 15% пространства между символами, в то время как RCN легко адаптируется к изменениям в стиле, так как осуществляет разбор на уровне отдельных символов.

В RCN задействованы методы, сходные с работой человеческого зрения. Работа RCN напоминает поведение нейронов в коре головного мозга, одна часть которых осуществляет выделение контуров объектов, а другая занимается изучением поверхности и текстур, сообща решая задачу распознавания образа. В RCN одна часть сети осуществляет выделение контуров объектов, другая часть анализирует наложения разных объектов, а третья выполняет операции классификации выделенной иерархии объектов с учётом стиля и угла зрения, на последнем этапе осуществляется сопоставление с формами стандартных букв или цифр. Для каждой из букв алфавита формируется набор шаблонов, учитывающих разные начертания, наклон, растяжение и другие виды искажений. Сопоставление осуществляется с использованием генеративной вероятностной модели, выделяющей наиболее вероятную связь исходного объекта с объектами из базы сопоставлений.
Опубликован код для определения reCaptcha с точностью 85%



URL
13:18

При запуске члена домена в журнале фиксируется событие входа в сеть 5719 или событие групповой политики 1129

И это всё МОЁ
Статья содержит сведения о событии входа в сеть 5719 и событии групповой политики 1129, которые записываются в журнал, если на компьютере под управлением Windows установлен гигабитный сетевой адаптер. В статье приводится решение.



URL
13:18

При запуске члена домена в журнале фиксируется событие входа в сеть 5719 или событие групповой политики 1129

И это всё МОЁ
Статья содержит сведения о событии входа в сеть 5719 и событии групповой политики 1129, которые записываются в журнал, если на компьютере под управлением Windows установлен гигабитный сетевой адаптер. В статье приводится решение.



URL
13:18

При запуске члена домена в журнале фиксируется событие входа в сеть 5719 или событие групповой политики 1129

И это всё МОЁ
Статья содержит сведения о событии входа в сеть 5719 и событии групповой политики 1129, которые записываются в журнал, если на компьютере под управлением Windows установлен гигабитный сетевой адаптер. В статье приводится решение.



URL
13:18

При запуске члена домена в журнале фиксируется событие входа в сеть 5719 или событие групповой политики 1129

И это всё МОЁ
Статья содержит сведения о событии входа в сеть 5719 и событии групповой политики 1129, которые записываются в журнал, если на компьютере под управлением Windows установлен гигабитный сетевой адаптер. В статье приводится решение.



URL
13:18

При запуске члена домена в журнале фиксируется событие входа в сеть 5719 или событие групповой политики 1129

И это всё МОЁ
Статья содержит сведения о событии входа в сеть 5719 и событии групповой политики 1129, которые записываются в журнал, если на компьютере под управлением Windows установлен гигабитный сетевой адаптер. В статье приводится решение.



URL