GPT还是GLM?大模型应用于中医药现代化的机遇与挑战

自从2017年Transformer架构发布以来,以大语言模型(large language model,LLM)为代表的大模型(foundation model,基础模型)得到了蓬勃发展。2023年3月14日发布的ChatGPT4的走红更是让生成式人工智能(AI)在一夜之间为世人所关注,与以往的版本相比,它除了正确度提高了40%,具备整理和搜寻线上资讯功能,还支持视觉输入、具有图像辨识等多种能力。以大模型为基础的生成式AI已在包括医学的许多行业展现出颠覆式创新的巨大潜力,已在医学成像与诊断领域发挥了重要的作用。作为医学领域中的一员,中医药领域同样在竭力推进现代化研究,随着与大数据、云计算、物联网、人工智能等新技术深度融合,中医药的现代化走上新赛道。但由于人类的机体是一个高度复杂的系统,呈现极强的鲁棒性与自组织性;而中医治疗采用的复方中药同样是高度复杂的系统,表现在药物化学、代谢、分布等多种层面;同时传统的中医理论体系复杂,中药质量控制难度高,中药及方剂的药理机制基础研究不足等挑战,中医药的现代化之路仍有巨大的困局待解。

Android恶意软件特性与进化分析研究

Android的流行使其成为众多的恶意软件攻击的目标,Android恶意软件以惊人的速度增长。为更好的了解Android病毒特点及其进化演变方向,本文对近4年的35个Android恶意家族,350个恶意样例进行定性定量分析。结合目前国内外学者对Android恶意软件研究进展,从Android平台下的恶意软件的表现(包括侵入手机前后的各种表现),以及Android恶意软件隐蔽性、重新打包、更新攻击各个方面进行描述,对这350个恶意样例的特性得出一定的结论,并对Android恶意软件进化的趋势做出了理性的预测。从Android病毒编程语言多样化、查杀加壳化以及传播"瓶颈"方面做出预测。得出今后Android恶意软件趋向编程语言多样化、"加壳"技术高深化、传播途径跨平台化等结论。希望本文得出的有关结论和预测对于Android安全相关研究人员提供一定的参考意义。

基于深度学习的中医药研究应用

本文介绍了机器学习的两个阶段:浅层学习和深度学习,介绍了在中医药研究应用方面的进展,希望本文能给中医药研究者带来新的思路。

基于类别SVM的Android系统恶意软件检测研究

Android系统以开放开源为特色赢得了众多的客户的青睐。用户数量突飞猛进。但Android系统的开放性也带来了众多的麻烦。Android系统恶意软件呈现线性般的增长。本文对Android系统恶意软件检测提出了基于类别的svm的检测研究。将Android系统应用程序(app)的类别关联在一起,根据特定类别中特定特征表现与大部分良性app特征是否异常来预测该app为恶意app,恶意app在特定类别中的特征表现异常、罕见或者特征较多等特点进步断定为该app为恶意app。本文对250个app样本首先关联分类,然后对权限特征进行训练分类器,采用SVM机械学习算法建立分类模型。最后对训练数据进行实验,对实验结果进行信息检索学评估,得出基于类别的svm的检测方案比普通的svm检测方案高的结论。