開源純文字編輯軟體notepad++日前釋出代號為「自由維吾爾」（Free Uyghur）的7.8.1版，引來不滿的中國使用者湧入GitHub留言灌爆，而Notepad++網站也遭DDoS攻陷斷線數小時。

在釋出新版同時，Notepad++開發人員Don Ho透過部落格分享中國在新疆維吾爾地區的作為，包括實施再教育營關押當地穆斯林。Ho說，雖然有人叫他不要把Notepad++和政治扯上關係，但「你不碰政治，政治也會來找你」，因此他不但以「自由維吾爾」作為新版本的代號，也呼籲用戶採取行動，例如打電話給當地議員要求對中國施加壓力。

不過作者在GitHub貼出此文後引來中國用戶的不滿。Notepad++的GitHub Issue網頁湧入大批以英文及簡體中文的批評。有人要求政治發言不應出現在Github討論區。雖然大部份開發人員要求理性討論，但也有部份情緒發言，有人說以前不用、未來也不會再用Notepad++。另外也有人懷疑開發人員根本是台獨份子。

另外，根據The Verge及ZDNet報導，Notepad++網站昨日遭到DDoS攻擊斷線數小時，但由代管業者Cloudflare阻擋後恢復上線。

Google推出熱門機器學習框架TensorFlow的企業版本，提供企業級支援、雲端規模的效能以及託管服務，以滿足企業部署所需要的支援與可擴展性，Google提到，由於TensorFlow是Google創建開源，因此他們具有可提供更多支援與技術的優勢。

企業版TensorFlow提供長期支援版本，並為特定版本的TensorFlow，提供最高達三年的安全補丁以及錯誤修復服務，而這些修補也會加入到主線的TensorFlow程式碼儲存庫中。對於以人工智慧為主要業務的用戶，企業級TensorFlow還會有Google雲端和Google TensorFlow團隊的工程師對企業用戶提供技術服務。

Google雲端提供了一系列用於訓練和部署模型的選項，企業級TensorFlow包括深度學習虛擬機器，以及正在Beta測試的深度學習容器，而這兩個服務皆針對Nvidia GPU以及Google自家的機器學習處理器Cloud TPU，進行了相容性測試以及效能最佳化。

經過Google改進效能之後，提升最多的是資料吞吐量，企業級TensorFlow讀取資料的速度是一般版本的3倍。Google提到，從儲存資料位置讀取資料的速度，極大程度影響深度學習模型建置的效率，因此企業版TensorFlow的資料讀取效能改進，能夠大幅加速機器學習工作負載。

企業版TensorFlow對從Google雲端儲存讀取TensorFlow資料集的方式做了一些修改，使用者只要調整雲端儲存讀取器的參數，就能增加每秒讀取樣本的數量。另外，對於把資料儲存在BigQuery的用戶，Google提供了BigQuery讀取器，讓用戶可以直接從BigQuery讀取資料並用在訓練程序上。

對於消費性電子產品廠商來說，採購充足的料件確保維修服務據點不缺料，才能維持良好的服務水平。不過，隨著產品生命週期越來越短、料件可替代性也逐年降低，加上各國因氣候不同需要差異化備料，都讓現行以簡單公式與過往經驗來備料的方法，難以應付預測需求。

對此，華碩電腦在2017年就試著開發「客服備料輔助系統」，希望根據過往歷史資料，開發一套能滾動式預測未來所需料建量的軟體平臺，讓客服人員能取得即時資料、更精準的預測料件需求，卻在執行過程中遭遇許多挑戰。

華碩電腦協理林純中表示，原先以為只要統計產品的生產履歷、出貨紀錄、產品紀錄與料件維修紀錄，從生產、出貨、消費者、維修4個面向蒐集資料，就能精準預測料件採購量，但實際操作才發現，「資料不是為了預測而生。」真實的資料情形，可能因無完整歷史紀錄導致覆蓋率不足，早年系統的資料品質也不佳、需要加工處理，導致在單一個模型的資料清整流程，就花費半年時間。

為了加速客服備料輔助系統的開發，華碩除了內部持續清整歷史資料，也開始在AI點子創新平臺「AIdea」上徵求好點子。「維修元件備料預測」要探討的議題，是當料件即將停產、必須一次性採購充足料件時，為避免採購太多會囤積、採購太少又會缺件的問題，應如何精準預測料件採購量？華碩提供筆電料件維修紀錄及產品銷售紀錄，要徵求學界演算法，來預測未來21周每周的料件耗用量。

截至目前，該議題競賽已經結束，兩階段共吸引175位學界好手參加，華碩也預計將在10月更新資料集、清空個人與排行榜成績，來開啟下一階段的評比。

AIdea平臺讓企業用群眾力量解決產業問題

連華碩都加入出題的AIdea平臺，是在去年8月由工研院發布上線，要讓有AI應用需求的企業提出問題與產業資料，向學界徵求最佳AI應用，並以上架費（約10萬元）作為比賽獎勵。該平臺推出一年來，已經累積超過20個產業議題，且吸引約3,500位成員加入解題，要透過群眾力量幫企業解決問題。

其中，已經結束的議題還有「馬拉松運動博覽會參訪動線類別預測」。這是由工研院提出，提供2018年12月6-8號進入馬拉松運動博覽會的訪客行進路線資料，讓參賽者建立訪客類型預測模型。工研院工程師陳大恩表示，透過人潮動線的分析，可以瞭解參訪群眾的喜好與佇留情況，未來能近一步運用展場空間配置，以免人潮過度集中在熱點高的攤位，產生分布不均的情形。

而這些人潮行進路徑資料的取得，是來自參訪者手機連接wifi時，14臺分佈於展場不同位置的讀取器，所蒐集到的連線紀錄。資料清整後，可得出不同參訪者的行進路線，以及在不同攤位停留的時間，工研院也將資料切成7成的訓練資料與3成的測試資料，讓參賽者能透過訓練資料來建立訪客類型預測模型，再以測試資料進行驗證。

該議題共吸引了72人報名參賽、資料被下載55次、更有315次的演算結果上傳。陳大恩表示，這次競賽僅提供參展路線資料來分類訪客，未來還可延伸開放攤位熱點分析，或是協同監視錄影機的畫面來預測人潮動向，給予參賽者更多類型的資料來進行更複雜的預測。

臺灣海洋廢棄物分布、牧場乳量預測還在徵求好點子

由中華民國乳業協會提出的「臺灣牧場乳量預測」，是希望猜賽者透過乳牛群性能改良計畫（Dairy Herd Improvement，DHI）資料庫，來預測臺灣不同地區牧場生產的乳量。行政院農委會畜產試驗所助理研究員涂柏安表示，乳牛的泌乳量會動態改變，與牛的品種、年紀、身體狀況、泌乳期、季節、食物、牧場管理狀況有關，但過往是由人的經驗來判斷，透過AI才能更精準預測乳產量，並進一步維持乳製品的穩定供應。

但乳牛飼養的數據從何而來？涂柏安說明，以穿戴式裝置來搜集乳牛大數據資料，約從10-15年前就開始導入牧場管理，比起人還早了好幾年。比如乳牛的頸圈、腳環，可以搜集乳牛活動力、發情、反芻情形，也能作為身份驗證，並即時監控牛隻健康狀況。而透過自動化搜集的資料，包括乳牛採食過程蒐集到的反芻頻率與長度、胃部溫度與PH值，以及泌乳期間，透過全自動擠乳機器人記錄下牛隻的身份、乳量、乳成分、時間等。

目前，這個議題正在開放答題，若能找出精準預測乳產量的方法，將提升臺灣酪農業的智慧化牧場管理，以及更準確的乳價訂定參考。涂柏安舉例，歐洲最大的乳品生產商Arla，就是透過AI預測乳產量與市場需求，來維持產銷雙方的供需平衡。

另一個產業議題「臺灣海洋廢棄物預測」，則是即將要推出的議題，約11月上線，希望用AI來掌握海廢的分布，來減少傳統預測法的測站數量與人力測量成本。工研院巨資中心呂依芳表示，臺灣的淨灘活動盛行，每年超過500場，但海廢的數量更多且源源不絕，因此，在人力、物力有限的情況下，要去哪些環境污染重點區域淨灘，就是一大關鍵。

由於廢棄物尺寸差異、海岸地形多變，再加上人力資源有限，現行大多採取快篩的做法來計算海廢數量，才能在短時間內執行大範圍的抽樣調查。而快篩方法，則是以全臺1210公里的海岸線為主體，每10公里規劃一個測站，共計121個，並在每個站點透過目測定量的方法來調查，比如某站點向右寬50公尺的海岸線上，目測共有10袋垃圾的數量。

不過，這種以經驗來計數垃圾量的方法準確度不高，工研院希望能透過AI工具來輔助計量。比如說，應用鄰近測站、過去快篩資料、過去淨灘資料、海象氣象資料、海岸地形來進行各區域的海廢預測；又或者，訓練出海廢垃圾計量的影像辨識模型，只要拍一張海岸照片，就能自動比對並估算出垃圾量；甚至，透過海廢上的各國字體，來辨識垃圾源頭國家，來進行垃圾漂流方向的分析等。

除了上述提到的產業議題，目前仍在開放答題的還有「尋找病媒蚊孳生源-積水容器影像物件辨識」、「AOI瑕疵分類」。AIdea平臺匯集了國內AI的產業議題庫、資料庫、人才庫，除了華碩外，還吸引了包括疾管署、華新麗華、中石化、台灣大車隊、中華民國乳業協會等企業與政府機關來出題，要尋求學界解方，加速AI應用落地、產業AI化。甚至在未來，AIdea也可能成為企業徵才的管道之一，由企業開放產業問題為試題，作為徵才的篩選條件。

內容遞送網路暨雲端服務供應商Akamai近日出版了網釣攻擊狀態報告，指出根據該公司的監控，科技業者為最受網釣駭客青睞的產業，前四名依序是Microsoft、PayPal、DHL與Dropbox。

網釣攻擊的目的通常是在取得使用者的登入憑證、個人身分資訊或是金融資訊，且市場上也流通著各式各樣的網釣攻擊套件。

根據Akamai在262天內的統計，他們偵測到62款鎖定微軟用戶的網釣攻擊套件，這些套件透過3,897個網域散布；居次的是針對PayPal用戶的14款攻擊套件，也利用1,669個網域散布；另有7個鎖定DHL用戶的套件在1,565個網域散布；以及針對Dropbox用戶的11個攻擊套件在461個網域上散布。

駭客也申請了各種不同的網域名稱來執行網釣攻擊，多數的網域名稱並不常見，像是.loan、.tk、.qq、.ooo、.cf或.ga等，而且為了避免遭到偵測，有89%的網釣網站存活不到24小時，有94%存在不超過3天。

此外，在眾多的網釣攻擊套件中，也有超過60%存在不超過20天。總而言之，在網釣攻擊上，駭客必須不斷開發新的技術與使用不同的網域名稱來閃避攔截。

網路暨行動程式安全業者ImmuniWeb本周指出，他們在暗網中發現有超過2,100萬筆待售的使用者憑證，是隸屬於《財星》500大企業（Fortune 500），除了有高達95%的憑證是以明文密碼示人之外，當中的1,600萬筆是在最近這一年才外洩的。

若依照憑證外洩規模的產業來排序，由科技業以507萬筆拔得頭籌，居次的金融業也高達492萬筆，健康醫療為192萬筆，製造業為190萬筆，能源與電信業則分別有175及133萬筆。

ImmuniWeb發現這些外洩資料最熱門的來源除了企業本身之外，也包括企業的合作夥伴或供應鏈，以及無關的第三方。

有趣的是，在這2,100萬筆外洩紀錄中，只用了490萬組密碼，顯示就算是不同的使用者，也會設定同樣的密碼。ImmuniWeb的分析發現，不同產業愛用的密碼也不同，例如科技產業最常用的前三種密碼為passw0rd、1qaz2wsx與career121；金融業最常前的前三名密碼是456a33、student與old123ma；健康醫療為Exigent、password與pass1；製造業為12345678、!qaz1qaz及passer；能源業為password、123456與snowman；電信業則是cheer!、welcome與password。

最愛採用弱密碼的產業則是零售業，有47.29%的密碼被歸類為弱密碼，而最受零售業青睞的前五組密碼則是111111、soccer1、123456789、abc123與password。

ImmuniWeb建議企業應該要全面啟用密碼政策，強制員工使用強密碼，也應針對合作業者建立風險管理機制，導入持續性的安全監控系統，並妥善教育員工有關資安的重要性。

內政部周三展示行動身分識別系統，結合App及自然人憑證的身分識別功能，讓民眾登入政府機關不需輸入帳號密碼，在手機使用指紋或臉部辨識，就能使用政府服務。

內政部長徐國勇表示，隨著網路時代的來臨，推動多年的自然人憑證已可綁定手機，未來民眾不需使用讀卡通，也不需要記憶一堆帳號密碼，就能以手機申辦各項政府網路業務，提供民眾更便利的服務。

要使用這項行動身分識別系統，需先在手機上安裝「T-FidO」App，目前已在App Store、Google Play開放下載，接下來，於個人電腦上使用讀卡機，讀取自然人憑證，完成身分識別，再依指示以手機掃描網頁上的QR Code，完成首次註冊。

完成註冊後，當民眾以手機登入政府機關網站，便不需使用讀卡機、自然人憑證，也不需要輸入帳號密碼，以手機上的指紋或臉部辨識就能通過身分驗證，登入政府機關網站申辦服務

內政部資訊中心副主任嚴文常指出，這項行動身分識別和自然人憑證相同，運用PKI公開金鑰基礎建設，以非對稱金鑰技術為基礎，以指紋、臉部辨識等生物特徵來取代傳統的帳號密碼登入。行動身分識別如同自然人憑證加上手機，讓沒有帶自然人憑證、讀卡機的民眾，透過個人使用的手機，以指紋或臉部辨識取代帳號密碼登入政府機關網站申辦業務。

目前內政部在9月已先內部試辦，11月起將開放繳納地價稅使用，未來準備和財政部財稅中心合作，舉凡房屋稅或是明年5月將申報的個人所得稅，可望支援這項行動身分識系統。未來其他政府機關也可能支援T-FidO。

目前在財政部的地方稅網路申報作業網站中，地價稅線上查繳稅系統裡，在原本的自然人/工商憑證、健保卡、金融憑證、身分證字號+車牌號碼之外，現在多了T-FidO的身分驗證方式。

不過，嚴文常強調行動身分識別是讓手機能綁定自然人憑證的身分驗證功能，但僅供身分識別之用，不具備電子簽章法授予的簽章效力。和內政部戶政司明年將換發數位身分證（New eID）規劃中的行動身分證App不同，行動身分證App相當於數位身分證的延伸，讓未攜帶數位身分證的民眾也能利用行動身分證App授權業務單位存取數位身分證的個資。

網域名稱註冊及代管服務供應商Web.com，以及旗下的兩家子公司Network Solutions與Register.com本周同時宣布遭到駭客入侵，指出駭客在今年8月入侵了幾台電腦系統，可能存取了客戶的帳號資訊，已要求所有客戶重設密碼。

Web.com表示，該站是在今年10月中旬察覺有第三方在今年8月時，未經授權存取該公司的部份電腦系統，在經過全面的調查之後，顯示駭客存取了現有及先前客戶的帳號資料，包含姓名、地址、電話、電子郵件位址，以及所使用的服務。

Web.com強調，該公司加密了使用者的信用卡號碼，且在這次的意外中，信用卡資料並未被危害。

Web.com的兩家子公司Network Solutions與Register.com，也在同一天張貼了幾乎一模一樣的公告，只是把名稱換成自己的，三家公司都已重設客戶密碼以保全客戶帳號。

業者並未公布受影響的客戶數量，只說已通報聯邦機構，並著手通知遭到波及的客戶。

「今年，我們的線上教學老師來到3萬名，共開了3千萬堂課，而且橫跨135國，累計上課人次達1.8億次。」主打線上即時真人教學的TutorABC數據長暨營運長沈沛鴻驕傲地說，這是TutorABC成立20年來的傲人成績。他除了端出數據，也當場秀出只有在內部戰情室才能看到的即時教學數據地圖。在這個世界地圖上，散佈著密密麻麻的白點（老師）與其他顏色的點（學生），連接兩者的藍線，就是正在進行的課堂，包括了各種語言課程、數學、程式學習等。這張圖，讓TutorABC掌握了全球的教學動態。

沈沛鴻在TutorABC一路走來已邁入第11年，先後擔任過技術長、營運長，現在還肩負了數據長的角色。在他看來，TutorABC之所以有今天的成就，關鍵就是「AI這個武器。」

三階段打好雲端、AI和大數據基礎，再進入服務創新期

TutorABC的AI之路，還可從自家的三大發展階段說起。第一個階段著重於技術基礎，TutorABC根據商業模式和服務型態，來思考服務需求、定義IT基礎架構，打造出符合全球化需求的雲端平臺系統，將所有教學服務建置在這個平臺上。

技術基礎打好後，接著就進入營運階段，開始導入、運行線上教學服務，同時也一邊調整流程。經過幾年營運，TutorABC邁入數據分析階段，自行設計演算法和AI模型，來分析長年累積的資料、從中找出洞察，「並利用這些洞察，來優化服務。」

在AI的布局上，TutorABC將重點分為4個，包括了師生整體的特徵分析、教材特徵分析、個別學生特徵分析和老師輔助工具。就第一點來說，TutorABC從學生的課堂表現中找出學習特徵，與老師的教學特質交叉比對，來進行精準媒合。

在教材方面，TutorABC將教材模組化，轉換為一個個知識點，根據每個學生的特徵和學習進度，來自動調配、增減每堂課的教材單元。接下來，TutorABC針對每位學生建置智能學伴，來進行課堂中提醒、課後複習提醒；另外也針對老師，提供即時的學生課堂表現分析，作為老師的AI助手，即時改善教學品質。

有了這4個定位後，最困難的地方，在於快速媒合、產生適合每位學生的課程組合。TutorABC團隊開發了一套動態課程生成系統（DCGS），針對上萬名老師、教材和數十萬名學生來分析、貼標，老師的標籤包括了資深程度、領域、擅長課型、地區、文化背景、性格和適合年齡等，教材標籤則有時長、級別、科目、產業、知識點等，學生的標籤涵蓋了參與度、學習進度、年齡、開口時間、強項和弱項等。「這三者的標籤，共有150多種。」

DCGS利用這些標籤來精準分類學生、老師、教材，並自動進行三者的媒合，打造出適合學生狀態的學習歷程。「而且，這個學習歷程的安排，是動態的，」沈沛鴻解釋，系統會根據學生前一堂課的表現，比如互動數、反應、表情等，來自動調整下一堂課的內容、同學和老師，以達到最佳學習效果。

除此之外，對於老師，TutorABC近兩年也打造一套課堂即時檢視系統（HUD），導入了臉部辨識和語音辨識功能，來判斷學生在課堂上的反應，比如臉部表情、情緒、語調、專注程度、沉默次數等，並將這些數據顯示在一個儀表板上，來即時通知老師，方便即時處置。

除了即時反應課堂學習狀況，這套系統也記錄了學生先前的課程學習狀況，以及過去老師給予學生的評語，或是學生曾提出的抱怨。「這就好比醫生透過病歷的傳承，可以接手其他醫生的case，延續醫療效果。」

放眼未來，沈沛鴻指出，TutorABC看好寬頻環境和模組化教學（也就是將教學課程拆解為小單元），預計在未來半年內，推出教學影片服務，供使用者自學。文◎王若樸

推特CEO Jack Dorsey在自己的推特帳號公告，推特將從11月22日開始在全球禁止政治性廣告，與臉書允許付費政治廣告，且不經過第三方組織審查的政策形成對比。Jack Dorsey提到，這與言論自由無關，因為政治性廣告是為觸及範圍付費，透過付費增加政治言論觸及率所付出的延伸性影響，是今日民主基礎還無法承受的，因此為了解決這個問題，有必要先往後退一步。

在一般的情況下，當人們決定關注某人的帳號或是轉推推文時，政治訊息得以發生影響力，但是支付費用卻可以跳過人們的決定，強迫使用者接收高度最佳化以及有針對性的政治訊息，而Jack Dorsey認為，使用者的決定權不應該受金錢影響。

他進一步表示，雖然網際網路廣告對商業廣告商來說，是一個強大的工具，但是卻為政治帶來龐大的風險，可以用來影響選票，甚至是影響數百萬人的生活，對公民論述帶來全新的挑戰。數位廣告可以利用機器學習最佳化訊息傳遞和微定向（Micro-Targeting）技術，未經驗證的誤導性訊息以及假消息，會以更快的速度，更具複雜和壓倒性的規模散布。

推特原本只打算禁止候選人廣告，但是議題性的廣告卻是另一種可能規避限制的方法，而他們認為，這對其他使用者來說不公平，因此推特也禁止候選人對目標議題購買廣告。但是不讓候選人打廣告，可能會有利於現任者，Jack Dorsey解釋，他們同時也看到許多社會運動在沒有政治廣告下大量地發生，而他相信這種情況只會越來越多。

推特會在11月15日公告最終的政策，並從11月22日開始生效，藉以為廣告客戶提供適當的通知時程。同時Jack Dorsey也呼籲政府，應該制定更具前瞻性的政治廣告法規，他提到，雖然廣告透明度要求是一項進步，但是仍遠遠不足，網際網路提供了前所未有的能力，而監管機關應該考慮當前條件，以確保公平競爭的環境。

而相較於推特的新政策，臉書在9月的時候也剛發布了一項關於政治貼文與廣告的政策，臉書不再依靠第三方事實查核組織，審核政治人物的言論正確性，包括了貼文以及廣告，臉書表示，他們不想影響政治人物的政治言論，並強調臉書僅是內容平台，他們無從干涉政治人物使用平臺的方式。臉書在這個月，才因允許美國總統Donald Trump在臉書上購買競選連任廣告受抨擊，因為廣告中帶有關於美國前副總統Joe Biden和他兒子的不實消息。

歐盟電子身份識別系統（eIDAS）被揭露有驗證繞過（verification bypass）漏洞，使攻擊者得以冒充歐盟用戶身份。

去年9月29日歐盟實行電子身份識別法（eIDAS），本法允許歐盟各會員國公民電子身份證跨境識別。透過eIDAS和28個會員國電子身份系統的介接，使歐盟公民用他們母國的電子身份證（eID），如身份證、駕照在其他會員國報稅、付款、申請大學課程、銀行開戶、存取電子病歷和線上公共服務。

安全廠商SEC Consult今年6月發現eIDAS節點（Node）軟體存在驗證迴避漏洞。各國電子身份系統互通，靠的是eIDAS和各國家建立的eIDAS節點傳送訊息；例如一個義大利公民要在德國Web app驗證身份，該app會由德國的eIDAS節點向義大利的節點發出呼叫，由義大利節點進行eID驗證，驗證通過後，再將該公民身份資訊回傳給德國eIDAS-Connector，再丟到最初的Web app。eIDAS節點/Service和eIDAS-Connector之間乃藉由SAML訊息達成資料交換。

為達成跨境驗證，歐盟各會員國的eIDAS節點內須安裝eIDAS-Node Integration Package軟體以實作整合。研究人員發現eIDAS-Node Integration Package的SAML語法分析（parsing）程式碼存在漏洞，讓攻擊者可繞過簽章驗證，使他得以傳送任何變造過的SAML（secure Assertion markup language，安全宣告標記語言）訊息到有漏洞的eIDAS節點。這麼一來，駭客就能藉此把假的SAML訊息及身份資訊傳給eIDAS-Connector，達到冒充身份的目的。

受影響的系統為2.1版eIDAS節點軟體。經過研究人員7月通報歐盟eID負責團隊，後者隨後釋出2.3.1版給各會員國，並在本周開放大眾下載。安全公司也呼籲所有用戶儘速升級。

重點新聞(1025～1031)

Google     Tiny Video Networks     影片理解  

Google發表輕量影片理解模型，辨識1秒長的影片只要10毫秒

Google日前發表最新研究成果Tiny Video Networks（TVN），這是一套辨識和理解影片的類神經網路模型，號稱辨識長度為1秒的影片，在GPU上只需要10毫秒，在CPU上則需要37至100毫秒，相較於過去作法用數十、數百層的卷積類神經網路（CNN），在CUP和GPU上都需要數千毫秒，新的TVN作法就快上了幾百倍。

Google團隊採演化學習來設計TVN，也就是透過演化迭代來設計出最有效的模型，同時也將運算時間保持在一定限制內。與傳統影像辨識模型相比，TVN採用較少的卷基層，並採2D池化層、Gating Layer等輕量級元素。此外，TinyVideoNet可共同優化參數和執行時間，以提供更高效能的類神經網路。（詳全文）

  阿里巴巴     平頭哥   AIoT  

阿里平頭哥首次開源自家MCU設計平臺，要搶攻AIoT市場

阿里巴巴去年整合達摩院晶片團隊成立半導體公司平頭哥，日前首次開源自家微控制器（MCU）設計平臺，鎖定晶片設計業者、半導體IP供應商、學術研究團隊等，要來搶攻AIoT市場。

一般來說，MCU是嵌入式裝置的核心，常用於通訊、電子、汽車和工業控制等，近年開始支援AI運算、提供上網能力，平頭哥自家MCU平臺也是其中之一，包含了精簡指令集RISC-V架構的玄鐵902處理器，以及基礎智慧財產授權、作業系統、驅動軟體和開發工具等。其中，玄鐵902處理器是今年7月發布的產品，瞄準5G、AI、網路通訊和自駕車等應用場景，具16核，單核性能達7.1 Coremark/MHz，主頻達2.5GHz，較市場上主流的RISC-V處理器性能高出4成。（詳全文）

  Netflix    開發筆記本    Polynote  

Netflix開源多語言開發筆記本Polynote

Netflix開源了自家個人化推薦團隊所使用的多語言筆記本環境Polynote。Polynote支援了Scala，也與Apache Spark整合，並提供Scala、Python和SQL等語言的互操作性，以及自動程式碼完成等功能。

Polynote提供一個筆記本開發環境，將自家Scala JVM機器學習平臺與Python和視覺化函式庫Vega、Matplotlib整合。Netflix重新設計Polynote對程式碼解釋，不像傳統筆記本仰賴REPL模型。此外，由於筆記本的程式碼輸入以儲存格（Cell）為單位，每個儲存格可重新排列、插入和刪除，而儲存格內容可以獨立修改和執行。Polynote還可提供許多IDE的功能，像是互動式自動完成以及參數提示，也能顯示內聯錯誤提示，而且文字編輯器還支援LaTeX。（詳全文）

  萊迪思   半導體      影像辨識  

萊迪思推出升級版FPGA解決方案，支援8位元量化提高AI準確度

美國老牌半導體大廠萊迪思近日發表升級版FPGA解決方案sensAI，特點包括了支援更輕更高效的類神經網路模型、支援更深的量化，以及全新的參考設計。萊迪思FPGA向來走低功耗、小封裝路線，這次的新特點讓使用者可在影像辨識應用中，採用更複雜的模型，來處理更高解析度的影像。而新的參考設計，則能加速AI應用，比如關鍵字檢測或人臉辨識。

進一步來說，新的sensAI在自家iCE40 UltraPlus FPGA上可支援8位元量化（8-bit quantization），使用者可將AI模型放大一倍，提高模型效能和準確度。至於自家ECP5 FPGA，則支援了MobileNet和ResNet兩種模型，可處理更高解析度的影像，在不增加功耗的情況下，提供更準確的預測。（詳全文）

  IBM    Watson AI     跨雲  

IBM發布新Watson AI功能並強化跨多雲端平臺能力

IBM發表最新的公有雲和Watson AI產品組合Cloud Pak for Data整合資料分析平臺，擴展其Watson Anywhere的策略，要讓企業可在任何雲端上使用AI服務。

Cloud Pak for Data現可支援紅帽Kubernetes容器平臺OpenShift，也獲得OpenShift認證。此外，Cloud Pak for Data新增了一系列標準功能，能在任何雲環境中使用。新功能Db2 Event Store提供企業每天即時儲存與分析2,500億個事件的能力；而Watson機器學習則新內嵌了自動化模型建置程式AutoAI，可提供一站式AI模型的開發、訓練和部署。其他新功能還包括Watson助理的語音互動功能，方便企業將AI助理整合到IVR系統中，讓使用者透過自然語言提問。（詳全文）

Gogoro    機器學習     GoShare  

GoShare共享機車進駐臺北，用AI分析用戶行為來推薦用車、找停車位

Gogoro除了在桃園推出共享機車服務GoShare，日前也正式進駐臺北，預計年底前要進駐3,000臺。Gogoro新事業總監姜家煒指出，GoShare是一個越用越聰明的服務，因為內建了機器學習技術來分析使用者行為，像是透過用戶騎乘的距離長短、次數來推薦合適電量的車子，而當GoShare累積夠多用戶還車地點資料後，也能自動分析出容易停車的位置，來主動推薦給用戶，「尤其在一位難求的臺北市停車，提供這樣的資訊才能解決問題。」Gogoro也自行研發了GTU車輛追蹤系統，能24小時與控制中心連線，來回傳車子的數據與定位。（詳全文）

緯創    新生兒照護    毫米波無線射頻  

緯創聯手產後護理之家，用AI追蹤寶寶生理狀態

臺灣ODM大廠緯創資通進攻智AI慧醫療數年，日前跨足新生兒照護，聯手璽悅產後護理之家，整合毫米波無線射頻技術、AI、大數據分析，開發出一套生理預警系統裝置，來24小時追蹤新生兒狀態。

這個生理數值感測裝置透過毫米波無線射頻技術，來遠距檢測新生兒生理狀態，像是即時呼吸、心律和體溫等，完全不必接觸嬰兒身體。緯創表示，如果測量出現異常，系統也會立即通知醫護人員。這套系統已於今年第二季導入璽悅，目前系統準確度達9成以上，接下來將陸續導入旗下7個產後護理之家。未來，緯創也計畫將該系統推廣至長照領域，並加上照護者離床、跌倒偵測、防壓瘡預警等功能。

機器學習     超材料     材料開發  

用機器學習精準開發，荷蘭開發出韌性十足的新材料

荷蘭臺夫特理工大學助理教授Miguel Bessa團隊，透過機器學習開發出韌性十足、可壓縮的超材料（Metamaterial）。Miguel Bessa指出，這項研究的特點，在於開發材料的方法。團隊利用數據驅動方法來建立新材料概念，並將這個概念對應到不同目標、基礎材料、長度尺度和製程，來相互比較。

透過機器學習輔助，團隊減少了傳統所需的實驗次數和試錯時間，開發出兩種不同長度尺度的新材料設計方法，可將堅硬易碎的聚合物，轉變成輕量、可恢復和可壓縮的超材料。（詳全文）

圖片來源／Google、Netflix、TU Delft

 AI趨勢近期新聞 

1. 鎖定雙11，LINE靠2年大數據從3千萬商品中精準推薦

2. Teradata將在Google雲端提供其整合型資料分析平臺Vantage託管服務

3. 全家引進全自助鮮食便當機和大螢幕智慧互動販賣機，串聯POS系統自動點帳

4. Google用BERT改善自家搜尋品質，英語搜尋品質提高1成

資料來源：iThome整理，2019年10月

Google發布了數項持久型磁碟（Persistent Disk）的功能更新，讓用戶有更多的選項保護磁碟資料並維持服務可用性，使企業應用程式更能抵禦儲存服務中斷，更新包括了可選快照位置、新的快照排程，以及區域快照複製功能。

現在使用者可以自己選擇持久型磁碟的快照（Snapshot）位置，Google提到，在不少情況下，企業可能需要控制快照的儲存位置，而持久型磁碟提供更精細的控制，讓用戶得以選擇快照的位置。在預設情況下，快照會儲存在距持久型磁碟地理位置最近的多個地區，依照地理位置提供靈活的複製，但這對於企業來說可能不是最佳的選擇，因此用戶可以依照需求，選擇特定的Google雲端地區儲存。

另外，Google也簡化了災難恢復和跨地區故障轉移功能，用戶可以使用快照在一個地區執行主要站點，並在另一個地區執行第二故障轉移站點，而用戶也可以將快照儲存在第二故障轉移站點，確保在需要的時候，能以最快的速度恢復資料。

新的持久型磁碟排程快照，讓使用者可以啟動自動快照，並管理快照的去留。過去排程快照功能需要使用者自定義自動化以符合適當的排程，像是每小時或是每天，現在排程工具可以更簡單地配置快照計畫，而預定的快照保留政策可以自動刪除不需要的快照，以降低快照儲存成本。用戶還可以將一個快照政策應用到多個磁碟上，簡單地為Compute Engine工作負載設置備份和災難恢復方案。

最後一個新功能，持久型磁碟現在會自動在同一個地區的兩個區域（Zone）間進行模塊等級的同步複製，而這能在不犧牲一致性的情況下，最大化應用程式的可用性，這個功能是專為無法容忍資料丟失，同時需要高可用性的工作負載設計。

Google更新了分析資料倉儲BigQuery，不只增加腳本儲存程序，還簡化了從Teradata搬遷資料至BigQuery的程序，另外，也擴充BI引擎的預留儲存空間。

腳本儲存程序現在進入Beta測試階段，資料工程師可以在一個請求中執行多個陳述式，增加BigQuery的查詢效率，Google提到，用戶可以使用控制邏輯If...Then與While來建置複雜的工作流程，並將這些任務另存成儲存過程，以便跟其他用戶共享，讓其他人也可以呼叫這些命令。

另外，用戶還可以使用變數在參數中進行腳本的客製化執行，也能使用臨時表格暫存資料，Google表示，熟悉程序式程式設計的開發人員，可以簡單地用這些新功能加速資料搬遷，以及執行複雜的ETL邏輯。

對於最近Google在發布的Teradata到BigQuery的搬遷服務，透過結合BigQuery資料轉移服務和專門的搬遷代理工具，將可以讓使用者把資料從Teradata本地端資料倉儲執行個體複製到BigQuery上，BigQuery資料轉移服務可以同時搬遷Teradata資料倉儲中的資料以及結構。

而BI Engine的預留儲存空間，從每個專案每個位置的10 GB增加到了50 GB，讓使用者可以有更寬裕的記憶體儲存可以使用，以滿足更快的報表和儀表板需求。Google提到，這項限制不會影響用戶查詢表格的大小，BI引擎僅在記憶體載入查詢的欄位，而非整個表格，此外，儲存在BI引擎中的資料經過壓縮。

不過，每個表格的資料模型大小限制仍然是10 GB，即便用戶有50 GB的預留空間，BI引擎仍會將每個表格預留空間限制在10 GB，其餘的會用於專案中的其他表格。

台灣的QNAP NAS近日傳出遭到一隻可關閉防毒軟體且修改系統設定的惡意程式感染，光是在德國就有超過7,000台機器中標。

德國政府緊急回應中心（CERT）周一公告，其誘捕系統資料顯示，該國境內有7,000台QNAP NAS遭一隻名為QSnatch的惡意程式感染。他們因為執行舊版韌體且開啟傳輸埠轉發（port forwarding）功能，而遭惡意程式由網際網路感染。

芬蘭運輸通訊局國家網路安全中心（NCSC-FI）10月中也接到QSnatch的感染通報。原先它被誤認為專門鎖定Windows伺服器的惡意程式Caphaw，但研究顯示它似乎專門鎖定QNAP裝置。

QSnatch源自何處、是否和哪個駭客組織有關、以及感染手法目前尚不清楚。但是它在進入受害系統後，系統韌體會被注入惡意程式碼，程式就會成為該系統日常運作的一部份。它會利用網域產生演算法（domain generation algorithm）向一台外部C&C伺服器建立HTTP連線取得惡意程式。

然後QSnatch在作業系統內以管理員權限執行。研究人員發現它這時可能會修改OS cronjob作業排程和init-scripts、覆寫更新來源以防韌體更新、關閉QNAP的防毒程式MalwareRemover App，並將用戶名稱和密碼回傳C&C 伺服器。它還有模組化可從C&C 伺服器下載新功能，而且能設定間隔一定期間呼叫C&C 伺服器。

受影響的QNAP系統包括QTS 4.2.6 build 20181227、QTS 4.3.3 build 20190102、QTS 4.3.4 build 20190102、以及QTS 4.3.6 build 20181228 與之前版本。雖然QNAP已經於今年2月發佈修補程式，但是這家廠商坦承韌體更新不保證一定可防止QSnatch，因此芬蘭主管機關建議將系統進行完全回復出廠設定，以便確實摧毁所有已儲存資料。此外，企業也應重設所有密碼、移除未知使用者帳號和不明app、確保更新到最新版韌體、利用QNAP的App Center安裝（且更新）QNAP MalwareRemover且設定存取控制表（access control list），並且一定要加裝防火牆防護，避免直接暴露於網際網路。

繼iOS版本後，WhatsApp周四宣佈Android版也允許使用者透過按指紋鎖定及解鎖WhatsApp。

今年2月釋出的WhatsApp iOS版本2.19.20版首度可支援以iPhone FaceID、TouchID鎖定及解鎖，提升WhatsApp的安全防護。而最新版Android 版本也推出類似功能，允許使用者以指紋鎖定及解鎖。

這項功能是全球陸續部署，現在台灣也可享用。循「設定」、「帳號」、「隱私」找到「指紋鎖定」，開啟「以指紋解鎖」，輸入用戶的指紋即可完成設定。它提供解鎖後開放1或30分鐘的選項，之後再恢復鎖定。此外，你還可以選擇開啟防止訊息顯示在鎖定螢幕的通知。

不過相較於iOS版支援指紋及人臉辨識，Android版WhatsApp只支援指紋驗證，因此Pixel 4用戶可能要再等等。

市場研究機構Canalys本周公布今年第三季的全球智慧型手機市場報告，指出該季全球手機出貨量達3.52億台，比去年同期成長了1%，而這也是這兩年以來，該市場首度出現成長。另一方面，華為依舊位居全球第二大手機製造商，且成長幅度高達29%，有賴於華為在中國市場的手機出貨量成長66%，現在華為在中國手機市場的占有率為42%，遠遠領先第二名Vivo的17.9%。

在全球的3.52億台手機出貨量中，三星市占為22.4%，出貨量成長11%，華為市佔率為19%，出貨量成長29%，蘋果市占率為12.3%，出貨量下滑了7%。

該季除了透露出全球手機市場的回溫訊息之外，另一個受到矚目的便是被美國列入禁止出口之實體名單（Entity List）的華為，在手機出貨量上依續呈現兩位數成長。

Canalys分析師Ben Stanon指出，第三季華為在海外出貨的手機主要是那些在被列入實體名單之前所推出的機種，而之後的機種也能在某些歐洲市場銷售，因為這些市場並不在乎華為的裝置缺乏Google產品。

此外，華為在中國手機市場的占有率節節高升，第三季華為在中國的手機出貨量為4,150萬台，比去年同期增加了66%，在中國的市占達到42%，再度刷新歷史紀錄，而這也是華為在中國市場連續第六季的成長。

根據Canalys的調查數據，今年第三季華為在全球手機市場的出貨量為6,680萬台，意味著光是中國市場就佔了華為總出貨量的62%。

在中國市場的前五大手機製造商中，只有一家非本土業者，那就是蘋果。該市場第三季的手機出貨量為9,780萬台，約占全球手機市場的28%，前五名製造商依序是華為（42.4%）、Vivo（17.9%）、Oppo（17.4%）、小米（9.0%）與蘋果（5.2%）。

臉書（Facebook）在今年5月緊急修補了已被駭客開採的WhatsApp安全漏洞，繼之在日前控告相關攻擊行動的始作俑者NSO Group，隨後路透社即引述消息來源報導，駭客透過該漏洞所攻擊的對象，有不少屬於與美國交好的各國政府及軍方官員。

此一編號為CVE-2019-3568的安全漏洞，藏匿在WhatsApp的視訊功能中，當受害者接收到一通顯示為視訊的電話時，就算沒有接聽，駭客也能傳遞惡意程式Pegasus到手機上，臉書與WhatsApp的調查顯示，打造Pegasus的以色列駭客公司NSO Group，就是相關攻擊行動的幕後推手。

Pegasus被譽為史上最高明的間諜程式，它可監控受害者的行動，也能蒐集裝置上的各式資訊，從語音通訊、相機、電子郵件、訊息、定位、密碼與通訊錄等。

其實臉書所控訴的是NSO Group干預了WhatsApp服務，並增加WhatsApp運算網路的負擔，損及臉書與WhatsApp的聲譽與大眾的信任，同時宣稱NSO Group所提供的服務感染了1,400個裝置，而被鎖定的對象涵蓋律師、記者、維權人士與政府官員。

而路透社的報導則指出，受害者中有相當比例為知名的政府及軍方官員，而且散布在五大洲的逾20個國家，並有許多為美國的盟友。

NSO Group標榜只對政府提供服務，並在提供給路透社的聲明中表示，該公司不能透露與客戶之間的關係，也無法對外討論技術的具體用途。

過去NSO Group曾多次被指控協助極權國家來監控民眾，而NSO Group也持續否認，並強調只有為了調查犯罪及恐怖份子的合法政府，才能取得該公司的產品授權。

印度核電公司（Nuclear Power Corporation of India Limited，NPCIL）本周坦承，今年9月初遭到北韓木馬程式DTrack感染網路。

本周推特一名用戶分享上傳Google VirusTotal的DTrack 惡意程式樣本，並顯示從印度庫丹庫拉姆核電廠（Kudankulam Nuclear Power Plant）網路竊取資料，包括網路上系統的IP、MAC、OS、瀏覽器連網紀錄、ipconfig、netstat 資訊等。該電廠所屬的印度核電公司周三否認，不過隔天坦承確有此事。

該公司表示，他們在9月4日接獲印度網路緊急應變中心（CERT-In）通知。經過印度原子能源部調查，顯示是因一名用戶電腦因遠端管理之需，連上網際網路後感染惡意程式所致，但是並未說明推特上所指的資料是否來自這台電腦。印度核電公司說這個管理網路與中央內部網路是切開的，目前也在後續嚴密監控中，並強調核電廠系統未受影響。

不過印度安全專家Pukhraj Singh指出，該電廠遭到網域控制器（domain controller）層存取，並有極為關鍵的系統受到影響。幾天前，該電廠一座核心反應爐發生不明原因停機。Ars Technica引述Singh說這是一起「戰爭行為」，因為這是第二個目標，但他拒絕透露另一個目標為何。

Dtrack被認為是由北韓國家資助的駭客集團Lazarus Group，所開發出來的後門木馬程式。據俄羅斯安全公司卡巴斯基研究，Dtrack迄今廣被用於感染金融機構和研究中心。它主要的目的是利用鍵盤側錄、網路掃瞄及程式活動監控，進行感染系統的資料蒐集及環境偵察。

Lazarus Group也是2014年攻擊索尼影業的駭客集團，也被懷疑和WannaCry有關聯，台灣公司也曾經遭受其染指。

核電廠作為重要基礎架構已成為駭客眼中的好目標。此前著名的例子包括攻擊伊朗核電廠的Stuxnet，以及攻擊車諾比電廠的NotPetya等。

Google、史丹佛大學以及哥倫比亞大學合作，開發了一種稱為Form2Fit的機器人操作演算法，能夠透過深度神經網路，學習視覺辨識物體之間的對應關係，執行像是把物體擺放到相對應形狀的包裝或紙盒中的任務。Form2Fit現在已經可以讓機器人組裝各種類型的套件（Kit），成功率達到94％。

形狀是現實物體組合的基本概念，而人們在日常生活中，也會不停地組合各種物體，像是把外套掛到衣架上、把插頭插進插座中，或是把USB接到對應的USB孔裡，人們藉由時間累積經驗，學習把事務組合在一起的知識，而研究人員認為，要是機器人也可以學會這樣的能力，未來將可以自動把DIY家具組合起來，或是自動包裝禮物。

過去要教機器人組裝的能力，把物體精確的擺放到對應的盒子中，使其成為一個單元，需要為特定任務建置專門的系統，而且需要大量的手動調整，才能一次組裝一個套件，而現在研究人員則是應用物品對應在一起的一般概念，讓機器人能夠組裝各式套件，Form2Fit演算法是第一個可以組裝，在訓練期間未見過物體的系統。

Form2Fit是從拆卸過程學習組合的方法，研究人員提到，神經網路需要大量的訓練資料，但組裝之類的任務訓練資料卻很難收集。要精確地把物體，依照正確的方向插入緊密的空間中，很難靠測試錯誤來完成，因為隨機探索的成功率非常小，而相較之下，拆卸已經完成的單元，更容易透過反覆試驗來學習，因為移除物體的錯誤方法，要比正確插入物體的錯誤方法少得多，因此研究人員利用這種差異累積Form2Fit的訓練資料。

而且許多套件的組裝方式，逆轉拆卸順序就是組裝的順序，這種反轉時間拆卸的概念，可以讓Form2Fit以隨機試錯的方式拆解完整的套件，以自我監督的方式進行訓練，也就是反轉拆解的順序，以學習組裝的方法。

研究人員的實驗結果，發現這個方法的確能讓機器人習得通用的組裝方法，讓機器人自己收集訓練資料，並經過12個小時的訓練後，機器人學習了各種套件的有效撿取和放置的技能，在物體和套件各種不同的配置情況下，機器人有94％的成功率完成組裝任務，而對於全新沒見過的套件，也有高達86％的組裝成功率。

即便Form2Fit初步的成果很好，這是因為研究人員把複雜度限制在2D平面工作空間，讓機器人只要進行上下的撿取和放置操作，但是對於大部分實際的使用情境，都需要有第三維度的參與，因此研究人員會繼續擴展Form2Fit演算法到3D組裝上。

資安業者FireEye本周指出，他們發現了由中國政府贊助的駭客集團APT41，企圖藉由滲透電信業者的簡訊服務中心伺服器，來攔截目標對象的簡訊流量，此外，電信組織似乎成為中國駭客集團的頭號目標，今年APT41就相準了4家電信組織，還有4家電信組織被另一個疑似同樣由中國贊助的駭客集團鎖定。

FireEye把APT41所使用的攻擊工具命名為MESSAGETAP，它是個間諜程式，主要被部署在簡訊服務中心（Short Message Service Center，SMSC）所使用的Linux伺服器上，SMSC負責將簡訊傳送到接收端，或是存放簡訊直至接收端上線，而MESSAGETAP即是個數據挖掘工具。

當APT41在SMSC伺服器上安裝了MESSAGETAP之後，它就會檢查伺服器是否含有keyword_parm.txt 與parm.txt這兩個檔案，前者含有該電信用戶的IMSI裝置識別碼列表與電話號碼，後者則是一個關鍵字列表，MESSAGETAP會載入這兩個檔案，並開始監控進出該伺服器的網路連線，以分析它們的簡訊內容、IMSI及電話號碼，以蒐集並儲存所需的資訊。

APT41所蒐集的資訊包括目標對象傳送或接收的簡訊，以及各種與中國政府理念背道而馳的簡訊內容及相關資訊。

FireEye指出，從2017年以來，由中國政府支持的駭客集團就日益鎖定上游業者發動攻擊，諸如電信業者，讓中國情報組織能夠大規模地獲取機密資訊。

光是在今年，FireEye便發現APT41鎖定4家電信組織發動攻擊，還有另外4家電信組織，也被疑似由中國支持的駭客集團所攻擊，且相信此一趨勢未來仍將持續，不管是業者或使用者，都應該考量到這些未加密的訊息可能被攔截的風險，特別是那些握有機密資訊的記者或官員，也呼籲不管是業者或使用者都應該採取適當的保護措施。