開發者福音 | 維陣（AI圖神經網路漏洞挖掘）上線公測
維陣是什麼？
“維陣”，歷時十多個月，投入了過億研發費用，動用了十多位數學教授、博士帶領五十餘名研發人員，AI演算法模型經歷了超過160次的版本迭代，我們最終將打磨成型的“維陣”展現在大家的面前，力求其成為能夠經受市場考驗，並能夠準確高效地發現漏洞的神兵利器。
維陣能幫助你做什麼？
- 讓作為開發者的你快速上手挖0day
- 幫助你快速發現二進位制安全缺陷
- 幫助企業提高生產效率，降低風險成本
- 幫助你維護網路空間安全，減少安全漏洞影響
- 幫助你在上線產品之前，找到安全問題，輕鬆避免漏洞
維陣公測活動
公測時間：6月16日-7月18日
商用版上線時間：計劃於7月27日
公測地址：https://vul.secwx.com
公測物件：
個人使用者（開發者自行開發的軟體或開源社群相關應用軟體）
公測版：檔案限2M以下，3次/月
企業使用者（需具有軟體著作版權，且沒有版權爭議）
公測版：檔案限10M以下，10次/月
公測申明：
1、公測期間，檢測結果不受限制，歡迎大家提交有關各種安全問題~
- 針對該系統檢測出的安全問題，經驗證為漏洞並編寫漏洞分析文章，投稿給我們，1篇分析文章，可抵1次維陣商用版檢測（價值1千元）
- 分析並反饋維陣系統檢測安全問題的誤報，5個誤報結果，可抵1次維陣商用版檢測（價值1千元）
針對公測期間積極參與的使用者， 獎勵體系如下：
注：初期誤報率較高，參與者皆有機會獲取獎勵
聯絡微信：Dimples_1936
2、由於版權、隱私保護等相關政策需要完善，目前僅支援X64架構Linux平臺的開源二進位制檔案檢測，Windows平臺的二進位制檔案禁止上傳。
3、公測初期，AI模型的初始資料集有限，檢測結果可能會有偏差。隨著AI自主學習&二進位制樣本的數量增加，精確度將會大幅提升，檢測時間將會越來越短！
- 優先支援區塊鏈領域的二進位制檔案檢測；
- 優選國產作業系統，如：UOS；
- 其他架構平臺（ARM、MIPS... ）後續將陸續支援。
3、公測初期，AI模型的初始資料集有限，檢測結果可能會有偏差。隨著AI自主學習&二進位制樣本的數量增加，精確度將會大幅提升，檢測時間將會越來越短！
相關文章
- 圖神經網路GNN 庫，液體神經網路LNN/LFM神經網路GNN
- 比DGL快14倍：PyTorch圖神經網路庫PyG上線了PyTorch神經網路
- BP神經網路流程圖神經網路流程圖
- 圖神經網路入門神經網路
- 圖神經網路知識神經網路
- AI之（神經網路+深度學習）AI神經網路深度學習
- torch神經網路--線性迴歸神經網路
- 神經網路：numpy實現神經網路框架神經網路框架
- 簡單的神經網路測試神經網路
- torch神經網路溫度預測神經網路
- 資料升維深挖資訊價值，神經網路賦能AI決策神經網路AI
- 動畫圖解迴圈神經網路動畫圖解神經網路
- 圖神經網路7日打卡心得神經網路
- 深度學習與圖神經網路深度學習神經網路
- Graph Neural Network——圖神經網路神經網路
- 神經網路神經網路
- 迴圈神經網路LSTM RNN迴歸：sin曲線預測神經網路RNN
- （一）線性迴圈神經網路（RNN）神經網路RNN
- 開放式神經網路交換-ONNX（上）神經網路
- AI神經網路可復原古希臘文字AI神經網路
- 一個故事看懂AI神經網路工作原理AI神經網路
- 簡單的圖神經網路介紹神經網路
- Python繪製神經網路模型圖Python神經網路模型
- LSTM神經網路神經網路
- 8、神經網路神經網路
- BP神經網路神經網路
- 模糊神經網路神經網路
- 聊聊從腦神經到神經網路神經網路
- （二）非線性迴圈神經網路（RNN）神經網路RNN
- 全連線神經網路學習筆記神經網路筆記
- 第三章：線性神經網路神經網路
- AI BP神經網路判斷手寫數字AI神經網路
- Keras上實現卷積神經網路CNNKeras卷積神經網路CNN
- （四）卷積神經網路 -- 12 稠密連線網路（DenseNet）卷積神經網路SENet
- 深入淺出圖神經網路 第5章 圖訊號處理與圖卷積神經網路 讀書筆記神經網路卷積筆記
- Tensorflow神經網路預測股票均價神經網路
- DGL更新報告：異構圖神經網路神經網路
- 深度學習之上，圖神經網路（GNN ）崛起深度學習神經網路GNN