TensorFlow GNN（TF-GNN）是张量曲线的图形神经网络的可扩展库。它是从自下而上设计的，以支持当今信息生态系统中发生的丰富的异质图数据。Google的许多生产模型都使用TF-GNN，最近已作为开源项目发布。在本文中，我们描述了TF-GNN数据模型，其KERAS建模API以及相关功能，例如图形采样，分布式训练和加速器支持。
translated by 谷歌翻译
Reliable uncertainty quantification in deep neural networks is very crucial in safety-critical applications such as automated driving for trustworthy and informed decision-making. Assessing the quality of uncertainty estimates is challenging as ground truth for uncertainty estimates is not available. Ideally, in a well-calibrated model, uncertainty estimates should perfectly correlate with model error. We propose a novel error aligned uncertainty optimization method and introduce a trainable loss function to guide the models to yield good quality uncertainty estimates aligning with the model error. Our approach targets continuous structured prediction and regression tasks, and is evaluated on multiple datasets including a large-scale vehicle motion prediction task involving real-world distributional shifts. We demonstrate that our method improves average displacement error by 1.69% and 4.69%, and the uncertainty correlation with model error by 17.22% and 19.13% as quantified by Pearson correlation coefficient on two state-of-the-art baselines.
translated by 谷歌翻译
对于诸如银行和医疗保健等高度监管的行业，采用云计算的主要障碍之一是遵守监管标准。由于公司需要遵守的许多监管和技术规范（TechSpec）文件，这是一个复杂的问题。关键的问题是建立TechSpecs和法规控制之间的映射，以便从第一天开始，公司可以遵守最少的努力法规。我们证明了一种使用人工智能（AI）技术自动分析监管标准的方法的实用性。我们提出了早期的结果，以确定TechSpecs和监管控制之间的映射，并讨论该解决方案必须完全实用的挑战。
translated by 谷歌翻译
组织在云环境中努力处理纯粹的漏洞。用于优先考虑漏洞的事实方法是使用共同的漏洞评分系统（CVSS）。但是，CVSS具有固有的局限性，使其不理想优先级。在这项工作中，我们提出了一种优先考虑漏洞的新方法。我们的方法灵感来自进攻安全从业人员如何执行渗透测试。我们通过对大型客户进行现实世界案例研究评估我们的方法，以及机器学习的准确性，使过程端到端自动化。
translated by 谷歌翻译
现代组织为其网络和应用程序漏洞扫描仪发现和报告的漏洞数量奋斗。因此，优先级和专注力变得至关重要，将有限的时间花在最高风险漏洞上。为此，对于这些组织而言，重要的是要了解漏洞的技术描述，而且要了解攻击者的观点。在这项工作中，我们使用机器学习和自然语言处理技术，以及几个公开可用的数据集，以提供攻击技术和威胁参与者的漏洞的可解释映射。这项工作通过预测最有可能使用哪种攻击技术来利用给定的漏洞以及哪些威胁行为者最有可能进行剥削来提供新的安全情报。缺乏标记的数据和不同的词汇使映射漏洞以规模攻击技术一个具有挑战性的问题，使用监督或无监督的（相似性搜索）学习技术无法轻松解决。为了解决这个问题，我们首先将漏洞映射到一组标准的共同弱点，然后将攻击技术的共同弱点映射到一组弱点。该方法得出的平均相互等级（MRR）为0.95，这是一种准确性，与最新系统报告的准确性相当。我们的解决方案已部署到IBM Security X-Force Red漏洞管理服务，并在生产中进行。该解决方案帮助安全从业人员帮助客户管理和优先考虑其漏洞，从演员
translated by 谷歌翻译
质量摘要数据集的创建是一种昂贵，耗时的努力，需要通过训练有素的人类和机器的摘要生产和评估。如果这种努力用一种语言制作，则能够在不重复人类注释的情况下用其他语言使用它是有益的。要调查我们可以信任此类数据集的机器翻译多少，我们将英文数据集汇总到七种语言，并在自动评估措施中比较性能。我们将等同性测试探讨为适当的统计范式，用于评估摘要人类自动评分之间的相关性。虽然我们发现类似于源类似语言的数据集重用潜力，但在横跨翻译中找不到大多数摘要评估方法。
translated by 谷歌翻译