北京时间3月5日凌晨，全球网络信息安全行业最受关注的年度盛会 RSAC2019 在美国旧金山拉开帷幕。VMware在RSA大会上向安全领域更深入一步，推出了一款内部防火墙，称之为服务定义防火墙（Service-defined Firewall）。该产品结合了VMware的NSX虚拟化平台及其首款安全产品App Defense的功能，前者提供了网络和应用程序方面的可见性，后者通过监控工作负载是否背离预期的状态来保护工作负载。它还增加了自动化和自适应防火墙功能。

该产品还立足于VMware首席执行官Pat Gelsinger在上个月巴塞罗那召开的移动世界大会（MWC）上讨论的“天生安全”（intrinsic security）这个概念。天生安全有别于集成安全，后者实际上重新打包现有产品。“就好比拿来一个防火墙，把它做成数据中心交换机中的刀片。你并没有从根本上改变防火墙。”

据世界半导体贸易统计组织（WSTS）的数据显示，今年1月芯片销售额与上个月和上一年相比均出现大幅下滑。这是芯片销售额自2016年7月以来任何一个月首次出现同比下降。

2018年半导体销售额达到创纪录的4688亿美元，比2017年增长13.7%，创三年历史新高，该行业的销售额每年创历史新高。据WSTS声称，1月份芯片销售额的三个月滚动平均值下跌至355亿美元，与2018年1月相比下降5.7%，与2018年12月相比更是下跌7.2%。

最近，知名调研公司Gartner发布了其2019年全球公共云基础设施专业和托管服务魔力象限。Gartner对公共云基础架构即服务（IaaS）所下的定义是一种云环境，“以一种自助服务、高度自动化的方式提供计算、存储和网络等资源。”它还给出了公共云基础设施托管服务提供商（MSP）的定义：“为一家或多家超大规模集成的IaaS + PaaS提供商提供与基础设施和平台运营有关的专业服务和托管服务的提供商。”

魔力象限列出了19家不同的MSP供应商，着重介绍它们的产品、优点和缺点。然后，Gartner按前瞻性和执行力来评估供应商。基于这些评估结果，供应商分为以下四类：领导者、挑战者、有远见者和特定领域者。

Linus Torvalds 在内核邮件列表上宣布释出 Linux 5.0，5.x 系列的第一个版本。Torvalds 称原计划发布 rc8 后需要修复的一个未初始化变量问题事实上什么都不需要做，因为 GCC 编译器在编译时把变量初始化到正确的值。

Linux 5.0 的新特性包括：针对 ARM big.LITTLE CPU 的能耗感知调度，低功耗设备的 Adiantum 文件系统加密，支持 AMDGPU FreeSync，UDP 实现支持 GRO (Generic Receive Offload），cgroup v2 支持 cpuset 资源控制器，Btrfs 恢复支持交换文件， 初步支持 NVIDIA Turing GPU，更新中国的 C-SKY CPU 架构代码，初步支持 NXP i.MX8 SoC，支持 Allwinner T3、Qualcomm QCS404 和 NXP Layerscape LX2160A，英特尔 Stratix 10 FPGA 驱动，Fscrypt Adiantum 支持， Raspberry Pi 触控屏驱动，等等。

3月6日，谷歌在 TensorFlow Developer Summit 2019 大会上发布 TensorFlow 2.0 Alpha 版。虽然在此之前关于 TensorFlow2.0 的众多更新已经放出，但作为当前最为流行的深度学习框架，2.0 Alpha 版的正式发布依旧引人关注。

此外，今日谷歌还开源了新的框架与库，发布了两款有趣的开发硬件。TensorFlow 作为下载量最大的深度学习框架，过去收到了大量的反馈。据介绍，TensorFlow 用户希望能够有更简单的 API、减少冗余、改进文档与示例。因此，TensorFlow 2.0 在设计上注重以下三点：简单、强大、可扩展。

安全研究员 Bob Diachenko 和 Vinny Troia 上周发现了一个没有密码保护的 MongoDB 数据库，包含了 150GB 数据，其中包括 7.63 亿唯一电邮地址，部分数据还包含个人身份信息。该数据库的所有者是电邮验证公司 Verifications.io，它在收到报告之后便把数据库下线了。该数据库被由于电邮营销，从事电邮营销的公司需要验证电子邮件是否有效，但如果亲自验证的话可能会被识别为垃圾邮件，因此这些企业将验证工作外包给 Verifications.io 这样的公司，以避免被反垃圾邮件过滤器加入到黑名单，而 Verifications 验证邮件本质上也是发送 Spam，但它并不担心被屏蔽。Verifications 的数据库包含了 8.09 亿条记录，主要是名字、电邮地址、电话号码、住址。

但还有部分记录包含了更详细的个人身份信息如性别、出生日期、贷款金额、利息、相关 Facebook、LinkedIn 和 Instagram 账号。

学 术 前 沿

Academic News

近日，来自谷歌大脑和伊利诺伊大学香槟分校的研究者在 arXiv 上发表论文，提出了一种基于流的视频预测模型 VideoFlow，可以直接优化数据似然，还能够产生高质量的随机预测。这篇论文研究随机预测问题，主要关注条件式视频预测：基于较短序列的以往观察结果合成原始RGB视频帧。具体而言，研究者提出了一种新型视频预测模型，它能够提供确切似然，生成各类随机未来，还能精确合成逼真、高质量的视频帧。该方法背后的主要思路是：将基于流的生成模型（Dinh等人，2014和2016年）扩展到条件式视频预测环境中。

流模型通过多个层次的随机变量采用多尺度架构。在不同的层次上，输入流经K个流并输出随机变量，然后进入下一组流。最后一组流的输出为最终的随机变量。

🔗 原文链接：

https://arxiv.org/pdf/1903.01434.pdf

该论文提出的新方法结合了强化学习和自监督模仿学习两者之长，在视觉-语言导航任务上取得了显著的进步。「向右转，到达厨房后再左转，转过桌子进入走廊……」使用新技术后的机器人可以根据这样的路线指令行事了，就像人类一样。

这篇论文主要解决的是视觉-语言导航（VLN）问题，即研究如何通过自然语言告诉智能体该怎么运动，智能体需要像问路者那样根据自然语言导航至目的地。因为自然语言是完整路径的指导，而智能体只能观察到当前局部视野，因此重要的是智能体需要知道当前局部视觉对应着语言指导的哪一步。为了解决视觉-语言导航中出现的各种问题，这篇论文提出结合强化学习（RL）和模仿学习（IL）的解决方案。

🔗 原文链接：

https://arxiv.org/abs/1811.10092 

近日，斯坦福大学博士齐鹏和陈丹琦发表博客，介绍了二人分别参与创建的两个 QA 数据集：HotpotQA 和 CoQA 数据集。这两个数据集尝试囊括超越常见模式匹配方法所能回答的问题，增加机器阅读理解和问答的难度，从而促进相关研究的发展。

像 SQuAD 和 TriviaQA 这样的大规模问答数据集推动了这一方向的诸多进展。通过让研究人员训练需要大量数据的强大深度学习模型，这些数据集已经催生了许多令人印象深刻的结果（例如一种算法可以在维基百科页面上寻找合适的答案，来回答许多随机提出的问题），这在某种程度上让人类不必再自己完成这些艰难的工作。

🔗 原文链接：

http://ai.stanford.edu/blog/beyond_local_pattern_matching/