乐发彩票必赚方案|乐发彩票娱乐

【网络强国这十年】白帽黑客创业记：“面对安全威胁，不做无动于衷的人”******

　　【网络强国这十年——创业故事篇】

　　在大众眼中，“黑客”一词常常与“病毒”和“破坏”划等号。传统概念中的“黑客”会攻击存在漏洞的系统，而“白帽黑客”则是致力于发现系统漏洞的人，他们使网络系统、软件系统更趋完善，减少网络攻击可能带来的损失。

　　在我国网络安全领域，知道创宇便是一个有代表性的团队，他们是一群网络攻击赛跑的“白帽黑客”。创业15年来，知道创宇的历程也是我国网络安全行业发展的缩影。

　　近日，中国网络空间安全协会理事、中国民间著名白帽黑客团队“安全焦点”核心成员、知道创宇CTO&COO杨冀龙做客光明网“网络强国这十年”专栏，畅谈创业经历，讲述创业初心与机遇，并对当下网络安全行业创业者的发展方向给出建议。

　　怀大情怀创业，“微助力”社会发展

　　当时创业，我与安全爱好者朋友聊起来，觉得安全技术还不错，怎么才能产生更大的社会价值？当时我们就提到一句话，还是挺激励我们两个人的，就是爱因斯坦说的，“这个社会是邪恶的，不是因为那些邪恶的人，而是因为那些无动于衷的人”。

　　我们是知道所有黑客的行动、行为和技术、手段、方法的人，我们无动于衷的话，那这个社会就越来越黑暗了。

　　尤其当时，我爸的电脑被各种流氓软件、黑客软件入侵，计算机都没法开机，开机一查病毒，一下十几款，而且很多杀毒软件都杀不了。

　　我们觉得，我们学了这么多网络安全的本事，还是得保护像我爸这样的老百姓。同时，中国要伟大复兴，需要很强的安全技术能力做保障。所以当时就决定创立知道创宇，初心就是为国为民，做一家真安全的、能实际保护整个网络的公司。

　　人工智能时代，做网络安全医院运营商

　　知道创宇应该说从创立的时候定位就是想做一个真安全的公司，或者说一个实战安全公司。因为安全其实分很多品类，比如说有服务类、有设备类，还有运营类，像国外很多都已经走到运营这个阶段了。

　　我们当时创业的时候就发现，中国很多安全厂商是做安全设备，安全设备可以理解为一家医院的医疗设备，已经有这么多优秀的网络设备了，我们再做几个设备，可能有出路，但是也不能解决很大的问题。社会上其实不太需要那么多安全设备，或者说不太需要那么多一个个的技术点，而是需要有人把他们串起来、运营起来，这个是更急迫的问题。

　　由此我们就决定创建一家网络安全“医院”，在医院里有各种各样的设备，有各种各样的器材，但更重要的是里面有大量的“医生”——安全专业人员，帮客户看看这个问题到底怎么回事，需要什么设备我们再上什么设备，这样处理每一个安全问题的成本就降低了，并且效果更好了。

　　而且随着一家网络医院的运行时间越来越长，它会积攒很多很多病例，即积攒很多大数据，有了这些大数据和样本之后，就可以启动AI，用人工智能学习做人工辅助，这个时候我们做很多对症下药、处理问题起来会更加准确，而且会更加快捷方便。

　　所以知道创宇的定位就是做一家网络安全的运营商，做一家类似于医院的运营商，而不是仅仅做一个网络安全设备的提供商，所以这是一个非常大的区别，这么多年，知道创宇其实也一直在这条道路上向前走，也获得了很多客户的信赖。

　　网络安全服务商将成为行业新方向

　　现在中国的网络安全市场是一个“垂直化+纵深化”的市场，怎么说呢？就是中国有很多企业是垂直管理的，它的分支机构遍布全国各地；各地方也有很多安全需求，包括很多厂商、各种政府、各种机构的需求，所以中国的市场是“井”字格形的。

　　安全需要快速应急，甚至安全人员马上就要到现场，如果一家安全公司总部在北京，会发现各地可能就难以覆盖，所以这个时候就会遇到很多安全服务的机会，每一个“井”字格的地方，其实都需要一个小的服务公司或者服务团队，能够迅速到场或者迅速解决问题。所以我认为，未来安全服务商是一个很大的机会，因为毕竟中国有众多城市，还有这么多垂直行业，这么多央企、政府、部委，垂直到每个地方，都有很多安全服务的机会。

　　而安全服务的机会就意味着，创业的小团队需要把客户现有用到的安全产品和设备用得非常好，加上自己的安全功底，把它真正地发挥起来，我认为这是一个很大的市场。

　　第二个市场就是，安全毕竟现在还是在不断发展中，比如现在有些大的行业发展，比如IoT、5G、居家办公等，催生了很多新的安全技术变革，或新的安全条例发布后，很多新的安全设备、安全工具就会有很多新的机会。如果一些公司技术特别好，他们也可以来开发这些技术，或者开发一个个产品工具，这样也能催生一系列的更加专业化的垂直公司的出现。

　　监制：张宁、李政葳

　　采访：孔繁鑫

　　拍摄：雷渺鑫

　　后期：雷渺鑫、孔繁鑫

提速近10倍！基于深度学习的全基因组选择新方法来了******

　　近日，中国农业科学院作物科学研究所、三亚南繁研究院大数据智能设计育种创新团队联合多家单位提出利用植物海量多组学数据进行全基因组预测的深度学习方法, 可以实现育种大数据的高效整合与利用，将助力深度学习在全基因组选择中的应用，为智能设计育种及平台构建提供有效工具。相关研究成果发表在《分子植物（Molecular Plant）》上。

　　全基因组选择作为新一代育种技术，通过构建预测模型，根据基因组估计育种值进行早期个体的预测和选择，从而缩短育种世代间隔，加快育种进程，节约成本，推动现代育种向精准化和高效化方向发展。

　　统计模型作为全基因组选择的核心，极大地影响了全基因组预测的准确度和效率。传统预测方法基于线性回归模型，难以捕捉基因型和表型间的复杂关系。

　　相较于传统模型，非线性模型（如深度网络神经）具备分析复杂非加性效应的能力，人工智能和深度学习算法为解决大数据分析和高性能并行运算等难题提供了新的契机，深度学习算法的优化将会提高全基因组选择的预测能力。

　　该研究团队以玉米、小麦和番茄3种作物的4种不同维度的群体数据为测试材料，通过创新深度学习算法框架开发了全基因组选择新方法。

　　与其他五种主流预测方法相比，该方法有以下优点： 可以利用多组学数据开展全基因组预测；算法设计中包含批归一化层、回调函数和校正线性激活函数等结构，可以有效降低模型错误率，提高运行速度；预测精度稳健，在小型数据集上的表现与目前主流预测模型相当，在大规模数据集上预测优势更加明显；计算时间与传统方法相近，比已有深度学习方法提速近10倍；超参数调整对用户更加友好。

　　该研究得到了国家重点研发计划、国家自然科学基金、海南崖州湾种子实验室和中国农业科学院科技创新工程等项目的支持。

学术支持

中国农业科学院作物科学研究所

记者

宋雅娟

　　（文图：赵筱尘 巫邓炎）