Mirai
PulseAugur coverage of Mirai — every cluster mentioning Mirai across labs, papers, and developer communities, ranked by signal.
2 天有情绪数据
-
Ben's Bites 简报展示了个人AI应用及其他AI发展
Ben's Bites 简报介绍了一个由作者构建的“万能”应用，用于整合个人和代理工作流，包括任务、电子邮件和CRM。该应用旨在提供代理活动和文件管理的视觉概览。简报还重点介绍了其他几项AI发展，例如Notion的代理获得计算机访问权限、ChatGPT的新标签控制功能以及Meta发布的Muse Spark Open模型。
-
AI检测并阻止服务器入侵，将威胁命名为'Mirai'
一个AI系统成功识别并阻止了一次服务器入侵尝试，以91%的确定性将威胁命名为'Mirai'。随后，该AI生成了一个新的安全规则以防止未来发生攻击，并通过在四分钟内在实际生产环境中成功检测到5000个真实事件来验证了该规则。
-
Echo系统利用可信反向翻译提高二进制反编译准确性
研究人员开发了Echo，一种新颖的匹配反编译系统，它利用可信反向翻译来提高从二进制文件中恢复的源代码的可靠性。Echo利用编译作为反馈机制来指导迭代搜索过程，生成候选程序和编译配置。然后，系统重新编译这些候选程序，测量汇编级相似性，并通过基于规则的重写和神经方法来改进不匹配之处。在评估中，Echo显著优于现有基线，平均实现了2.43倍的精确匹配，并在分析恶意软件二进制文件时展示了优于GPT-5.6和Codex等模型的性能。
-
新型Tengu僵尸网络通过自我重启规避杀毒软件
一种名为Tengu的新型僵尸网络已被发现，它基于Mirai恶意软件。Tengu具备自我重启的能力，这一功能旨在规避杀毒软件的检测。这种自我重启能力使其能够在受感染的系统中更有效地持久存在和运行。
-
新框架使物联网攻击在经济上不可行
一篇新研究论文提出了“经济拒绝安全”（EDS）框架，旨在使资源受限的边缘和物联网设备的攻击在经济上不可行。与传统的基于检测的方法不同，EDS 通过自适应计算难题和带宽税等机制来提高攻击者成本。在针对 Mirai 和 Torii 等真实恶意软件的测试中，EDS 与机器学习结合后显著提高了防护能力，实现了 94% 的防护率，并增加了极小的延迟。
-
AI模型揭示与乳腺癌风险相关的乳腺摄影表型
研究人员开发了一个新框架，用于识别用于乳腺癌风险预测的深度学习模型中反复出现的乳腺摄影表型。通过对预训练模型 Mirai 的图像嵌入进行聚类，他们分离出与癌症风险增加相关的特定模式，例如致密组织和微钙化。该方法还揭示了模型中潜在的混淆因素，例如成像设备的伪影，并证明与患者年龄和乳房密度存在很强的相关性。
-
AI预测学术论文影响力，生成高影响力研究思路
研究人员开发了MIRAI，一个旨在预测学术论文未来影响力的深度学习框架。MIRAI在arXiv数据集上进行训练，分析论文的标题、摘要和发表日期，以预测其引用次数和PageRank。该系统在这些预测中取得了显著的准确性，并被用于生成比未使用其辅助生成的思路更具影响力的创新研究思路。
-
新的MIRAI框架统一了AI模型完整性与责任评估
研究人员开发了一个名为MIRAI的新框架，用于评估高风险表格领域中使用的AI模型。该框架超越了单纯的预测性能，评估了五个关键维度：可解释性、公平性、鲁棒性、隐私和可持续性。通过将这些维度汇总成一个单一分数，MIRAI可以实现模型之间的直接比较，并在实验中表明，简单的模型有时比更复杂的深度学习架构能实现更好的整体完整性和责任平衡。
-
MIT AI 模型可提前 5 年预测乳腺癌，优于乳房 X 光检查
麻省理工学院 (MIT) 的研究人员开发了一个名为 Mirai 的 AI 模型，该模型可以比传统方法提前五年预测乳腺癌。该模型能以惊人的准确性分析乳房 X 光片，有可能彻底改变早期癌症检测和治疗。这项进展由麻省理工学院研究员 Regina Barzilay 领导。