카테고리 없음
2020-06-22 14시 개발자 글 모음 | "Amazon SageMaker와 Ap" 외 6개 이야기
데브피드
2020. 6. 22. 14:46
- 짐작하듯이 과거에 조사자에게 적발된 사기 사례를 모아 인공지능에 학습시키면 조사 노하우를 전수받은 인공지능 모형을 만들 수 있습니다
- 똑똑한 조사 도우미를 학습시키게 되면 조사자의 업무를 효율화할 뿐 아니라 사기 탐지의 정확도를 높여서 사기 피해로 인한 사회적 비용 손실을 막을 수 있습니다
- 인공지능 딥러닝 기술은 과거 발생한 사기 사례와 정상 사례를 여러 번 반복해 읽어가는 학습 과정을 통해 사기와 관련된 세부적인 특징을 추출하고 복잡한 패턴을 탐지할 수 있습니다
- 해커들이 스크립트 기반 공격 기반을 마련하기 위해 악성 페이로드를 디코딩하도록 설계된 16진수 값으로 위장한 ASCII 문자를 저장할 목적으로 가짜 에러 로그를 사용하고 있는 것으로 나타났습니다
- Huntress Labs의 보고에 따르면 가짜 로그 파일을 간략히 살펴볼 경우 데이터에 타임스탬프와 윈도우 내부 버전 넘버에 대한 참조가 포함되어 있기 때문에 어떠한 플래그도 발생하지 않을 것으로 보입니다
- 자세히 살펴볼 경우 공격자가 관련 데이터 덩어리를(숫자) 추출하고 인코딩된 페이로드를 빌드하기 위해 사용하는 트릭을 발견할 수 있습니다
- 지난 4월 마크다운 노트앱 베어에서는 새로운 에디터 2
- 0 알파를 공개하고
- 0 알파는 판다라는 이름으로 에디터 모듈만 독립적으로 공개되었습니다
- Amazon S3에 데이터 세트 게시를 자동화하고 Amazon SageMaker를 사용하여 데이터에 대한 ML 모델을 학습하고 예측을 위해 모델을 배포 할 수 있습니다
- 배치 추론(Batch inference): 훈련 된 모델을 사용하여 Airflow Amazon SageMaker operator를 사용하여 Amazon S3에 저장된 테스트 데이터 세트로 부터 추론(inferences)을 얻게 됩니다
- 병렬 학습 작업 생성 및 데이터 배포 변경에 맞게 모델 재학습과 같이 ML 워크플로에 더 적합한 작업으로 Airflow DAG을 사용자 정의하여 워크플로를 확장할 수 있습니다