中国移动发布物联网操作系统OneOS

随着技术和生态的不断演进、应用场景的不断探索，机器学习已然不再仅仅停留在实验室当中。无论是日新月异的互联网应用，还是求新求变的企业转型，机器学习都得到了广泛的应用，逐步成为驱动业务的关键技术。

机器学习在近 30 多年已发展为一门多领域交叉学科，也已广泛应用于数据挖掘、计算机视觉、自然语言处理、生物特征识别、搜索引擎、医学诊断、检测信用卡欺诈、证券市场分析、DNA 序列测序、语音和手写识别、战略游戏和机器人等领域。

为了帮助大家更便捷的解决这些实际问题，让数据科学家、算法工程师、业务开发者都能轻松驾驭机器学习，AWS 推出了各式各样的机器学习工具，包括：ML 服务类、API 类、AI 服务工具类等。

今天，我们就对 AWS 的部分优秀机器学习工具做一个整理，分享给各位行业从业者。

一. ML 服务类机器学习工具

1. Amazon SageMaker


 

存在局限性

不过，研究人员也指出这项技术是存在局限性的。

除了灯泡前不能有遮挡物外，还有一个 bug，即受害者需要靠近灯泡大声说话，如果距离远，那么，这一窃听效果是不佳的。他们在演示中使用的声音和音乐录音也比一般人的对话声音要大，实验用的扬声器也是调到最大音量。

此外，在他们的测试中，研究人员使用的是一个悬挂式灯泡，但不清楚固定安装的灯泡或天花板上的灯泡是否会具有足够的振动，从而产生同样的音频信号。

但该团队指出，他们现使用了相对便宜的电光传感器和模数转换器，后续可能会升级为更昂贵的传感器，以捕获更低分贝的对话声。同时，不同的灯泡也是一个干扰因素，LED 灯泡的信噪比大约是白炽灯的 6.3 倍，是荧光灯的 70 倍。

值得注意的是，斯坦福大学的计算机科学家和密码学家 Dan Boneh 提出了一个更为关注的问题，在他看来，尽管目前这项实验还有待优化和补充，这项技术本身代表着一种重要且具有实际意义的新形式革新，即所谓的“旁路攻击（side channel attack）“，这是一种利用意料之外的信息泄漏渠道进行窃听的方法。

（编辑：柳州站长网）

【声明】本站内容均来自网络，其相关言论仅代表作者个人观点，不代表本站立场。若无意侵犯到您的权利，请及时与联系站长删除相关内容!