7.72M حجم رسانه بالاست
مشاهده در ایتا
تبلیغایی که اینترنشنال و منوتو درباره لاتاری به مخاطباشون نشون میدن مثل تلاشهای اون گرگ بدجنس میمونه که میخواست شنگول و منگول فریب بده حقیقت لاتاری رو از هموطن ساکن آمریکا بشنوید؛ آمریکا نیاز به کارگر داره ،سالی ۵۰ هزار نفر از دنیا جمع میکنه میاره آمریکا...
#لطفا_برای_فرج_دعا_کنید🤲
#اللهم_عجل_لولیک_الفرج_بحق_دل_مضطر_بی_بی_زینب_س 😔
#رستمی
دعوتیدبه فدائیان رهبری منتظران مهدی 👇
@fadaiyanrahbarii
احمق ها نمیدانند که فلسطین هزاران که نه میلیون ها یحیی سنوار و اسماعیل هنیه دارد.
#لطفا_برای_فرج_دعا_کنید🤲
#اللهم_عجل_لولیک_الفرج_بحق_دل_مضطر_بی_بی_زینب_س 😔
#رستمی
دعوتیدبه فدائیان رهبری منتظران مهدی 👇
@fadaiyanrahbarii
💠 ریشه دشمنی سعودی ها با السنوار چه بود؟
🔰 انیس منصور مشاور رسانه ای و استراتژيست عرب بعد از اینکه سعودی ها را به دلیل شادی از مرگ سنوار 《کثیف ترین سگها》خطاب کرد، گفت: دلیل دشمنی آنها با سنوار این است که یحیی سنوار این جمله حوثی ها را تائید کرد
"راه آزادسازی بیت المقدس با آزادسازی سرزمین حرمین(عربستان) آغاز میشود "
#لطفا_برای_فرج_دعا_کنید🤲
#اللهم_عجل_لولیک_الفرج_بحق_دل_مضطر_بی_بی_زینب_س 😔
#رستمی
دعوتیدبه فدائیان رهبری منتظران مهدی 👇
@fadaiyanrahbarii
انهدام ۲ تانک مرکاوا توسط حزبالله
🔹حزبالله: ۲ تانک مرکاوا را روبهروی منطقۀ مارونالرأس با موشک هدایتشونده هدف گرفتیم. این عملیات منجر به سوختن تانکها و کشته و زخمیشدن سربازان صهیونیست شد.
#لطفا_برای_فرج_دعا_کنید🤲
#اللهم_عجل_لولیک_الفرج_بحق_دل_مضطر_بی_بی_زینب_س 😔
#رستمی
دعوتیدبه فدائیان رهبری منتظران مهدی 👇
@fadaiyanrahbarii
🔴 یحیی سنوار در اوج عزت و مثل یک پهلوان شهید شد
با اینکه به شدت مجروح شده و توان جنگیدن نداره ولی یه چوب کنارشه و یه نارنجک همراشه
چوب رو به سمت ریزپرنده پرتاب میکنه و
نارنجک رو روی پاش نگه میداره
که اگر نظامیان اشغالگر نزدیک شدن تلفات بگیره از رژیم
که شلیک های تانک و سپس تک تیرانداز موجب شهادتش میشه 💔💔💔
با این حال تا آخرین لحظه ایستادگی کرد
تاریخ فلسطین هرگز رشادت این مرد بزرگ مجاهد را فراموش نخواهد کرد
#لطفا_برای_فرج_دعا_کنید🤲
#اللهم_عجل_لولیک_الفرج_بحق_دل_مضطر_بی_بی_زینب_س 😔
#رستمی
دعوتیدبه فدائیان رهبری منتظران مهدی 👇
@fadaiyanrahbarii
🔴 این حرامیان که به زبان فارسی مینویسند ساعاتی بعد از شهادت سید حسن نصرالله همصدا با پروپاگاندای رسانه ای رژیم صهیونسیتی به لجن پراکنی علیه مجاهد بزرگ یحیی سنوار پرداختند و او را ناجوانمردانه جاسوس نامیدند!!!
ای کاش قوه قضاییه ای داشتیم که این بلندگوهای رژیم صهیونسیتی در ایران مخصوصاً داوری بیشرف را لال می کرد
#لطفا_برای_فرج_دعا_کنید🤲
#اللهم_عجل_لولیک_الفرج_بحق_دل_مضطر_بی_بی_زینب_س 😔
#رستمی
دعوتیدبه فدائیان رهبری منتظران مهدی 👇
@fadaiyanrahbarii
5.25M حجم رسانه بالاست
مشاهده در ایتا
🔞 تصاویر جدید از پیکر فرمانده شهید یحیی سنوار
#لطفا_برای_فرج_دعا_کنید🤲
#اللهم_عجل_لولیک_الفرج_بحق_دل_مضطر_بی_بی_زینب_س 😔
#رستمی
دعوتیدبه فدائیان رهبری منتظران مهدی 👇
@fadaiyanrahbarii
هشدار! هوشمصنوعی میتواند یک هکر خطرناک باشد
هوشمصنوعی در کنار کاربردها و قابلیتهای متعددی که دارد، میتواند به یک هکر قدرتمند تبدیل شود که حتی پیشرفتهترین سیستمها را فریب دهد.

گروه علم و پیشرفت خبرگزاری فارس؛ «چتجیبیتی» که رونمایی شد، هوشمصنوعی و مدل زبانی بزرگ(LLM) به شکل خیرهکنندهای در مرکز توجه دنیا قرار گرفت؛ خیلی زود بقیه غولهای فناوری هم دستبهکار شدند و رباتهای گفتگوی مشابه را معرفی کردند. کاربردهای ریزودرشت و خارقالعاده این چتباتها، همه را به تکاپو انداخت برای خدمات مختلف، از قابلیتهای آنها استفاده کنند. از تولید متن و عکس و ویدئو تا کدنویسی و انجام پروژههای نرمافزاری.اما میان این هیجان عمومی، از یک سمت تاریکِ ماجرا غفلت شد: هوشمصنوعی همانقدر که در کدنویسی و ساختن عکس و ویدئو ماهر است، میتواند یک هکر حرفهای باشد که حتی کاربران باتجربه را هم فریب بدهد. ابعاد این موضوع حتی پیچیدهتر هم میشود و حتی میتواند الگوریتمها و سازوکارهای مقابله با تقلب و کلاهبرداری در سیستمهای مالی را نیز هدف بگیرد.این مطلب، آخرین یافتهها در خصوص خطرات امنیتی هوشمصنوعی در حوزههای سیستمهای مالی است که توسط وحید خدابخشی، مدیر امنیت و ریسک شبکه الکترونیکی پرداخت کارت(شاپرک) در همایش Cash24 ارائه شده است و در دو بخش منتشر میشود. بخش اول به این موضوع میپردازد که هوشمصنوعی چطور میتواند بهعنوان یک شمشیر دولبه، هم یک ابزار قوی برای دفاع، هشیاری و مقابله با حملات سایبری باشد و هم در لبه دیگر بهعنوان یک ابزار نفوذ در اختیار هکرها و مهاجمین سایبری قرار بگیرد. در بخش دوم اقدامات فنی و حکمرانی که برای تقابل با این موضوع باید در پیش گرفت، مورد بررسی قرار خواهد گرفت.

یک نبرد پایاپای در دفاع و حمله
هوش مصنوعی در کنار محاسبات کوانتومی و مواردی مثل ژنومیک یا فناوریهای نوین، در حال حاضر حرف اول را در بحث تکنولوژی میزند؛ از سال 2021 تا همین اکنون در سال ۲۰۲۴، ما شاهد رشد انفجاری مدلهای یادگیری ماشین و به طور خاص هوش مصنوعی مولد هستیم. در یک نگاه کلی اگر بخواهیم به وضعیت استفاده از فناوری هوش مصنوعی نگاه کنیم باید بگوییم که هم در حوزه دفاع و هم حمله، بهصورت پایاپای در حال پیشروی هستند. یعنی در حال حاضر ابزارهایی داریم که بتوانند در مقابل حملات سایبری ما را تجهیز کنند و هم بهعنوان یک سلاح ویرانگر توسط بدخواهان و هکرها مورداستفاده قرار بگیرند و زیرساختهای ما را تحتتأثیر قرار بدهند. بهعنوانمثال یکی از خطرات امنیتی جدی در این حوزه، آلودهسازی فرایند آموزش مدلهای هوش مصنوعی است که در حال تبدیلشدن به یک چالش جدی است؛ یعنی مهاجمان میتوانند یک مدل هوش مصنوعی را درگیر کنند و در نهایت بهصورت خیلی خاموش وارد یک سازمان شوند.

هیچچیزی رایگان نیست
بحث «حمله زنجیره تامین» بسیار موضوع مهمی است و در حال حاضر شاید یکی از معضلاتی که در کشور ما وجود دارد و هیچ فکری هم برای آن نکردهایم، همین باشد. یکی از نمونههای مهم آن رشد فزاینده بانکداری دیجیتال است که استفاده از زیرساختهای آماده منبعباز مانند API در این ساختار، نگرانکننده است؛ ما به طور گسترده و هیجانزده، در حال هوشمندکردن ابزارهای و دادهها و زنجیره تأمین خود هستیم و فکر میکنیم ابزارهای که در دسترس داریم از منابع معتبر تأمین میشود درحالیکه اینگونه نیست و هیچچیزی رایگان نیست. به این خاطر که تعداد زیادی از اینها بدون اینکه متوجه باشیم بهصورت خاموش جاسوسی ما را انجام میدهند و خود را برای روزهایی آماده میکنند که قرار است ما دچار حملات گستردهتر شویم.
سرچشمه چگونه آلوده میشود؟
در کنفرانس «بلکهت آسیا ۲۰۲۳» چند نمونه از این حملات مثال زده شد که یکی از آنها در سال ۲۰۲۲ و اوایل ۲۰۲۳ در چین انجام شد. ابتدا به سازوکار تشخیص تقلب در سیستم بانکی نگاهی بیندازیم. مدلهای یادگیری ماشین (Machine Learning) به طور گسترده برای تشخیص تقلب و کلاهبرداری در سیستم مالی مورداستفاده قرار میگیرد. ابزاری کدنویسی میشود که قرار است رفتارهای عادی را از غیرعادی که احتمالا حمله هستند تفکیک کند.این کار به این صورت انجام میشود که انبوه اطلاعاتی که تا الان جمعآوری شده را برچسب میزنیم که کدام رفتار در تراکنشهای بانکی، درست و کدام غلط است و مدلها با این دادهها آموزش میبینند. پس از آن هر ورودی به مدل بدهید بر اساس یادگیری، شباهتسنجی و شناخت الگوهایی که تا الان انجام داده یک برچسب قرمز یا سبز تحویل میدهد.