2020年消费物联网仍将增长近10%

控制平面验证

控制平面验证通过输入控制平面信息，验证网络策略的不变式以确保控制平面与策略要求的一致。其优点是可以在配置部署到网络之前完成验证，能够方便的定位到错误的配置位置;缺点是需要分析配置文件与网络行为之间的复杂关系，以及考虑形式各异的配置语言。

目前，传统网络目前仍占据主导地位，其控制平面的配置文件分散在各处的网络设备中，验证面临状态爆炸问题。相关研究方面，Feamster等人于2005年提出了rcc工具[5]，是第一个能在真实网络中检测BGP(边界网关协议)故障的静态分析工具，但其检查的范围仅限于BGP协议。rcc采用的是静态分析的方法，其将控制平面信息标准化成SQL数据，然后验证根据策略转换成的SQL上的约束条件判断BGP配置的正确性。为了提高验证范围，不再局限于特定的协议，Fogel等人提出了Batfish工具[6]。

Batfish并没有选择在控制平面上进行建模，而是选择通过控制平面生成数据平面，然后调用数据平面验证工具进行验证。这种方式结合了控制平面验证和数据平面验证的优点，既能提前检测错误也不需考虑协议的复杂交互。但是，Batfish面临着一个难题，即如何根据配置和环境生成一个可靠的数据平面，其通过使用DataLog(一种数据查询语言)的一种变式LogiQL建立了一个陈述式模型以解决此挑战。由于Batfish需要对整个数据平面进行模拟，速度很慢。Gemberjacobson等人发现，生成详细的数据平面是不必要的，提出了ARC，可以直接在控制平面进行快速分析[7]。

ARC使用加权有向图对控制平面建模，使用图算法进行分析完成验证。对于特定的属性不变式，可以比Batfish快出了三个数量级。但是，ARC只对一些特定的协议组合进行了分析，如OSPF，RIP，eBGP。为提高验证的协议范围，Fayaz等人提出了ERA工具[8]。

ERA使用二元决策图(BDD)对控制平面建模，通过探索BDD模型完成验证。相比ARC可以验证更多协议，相比Batfish验证速度快了2.5到17倍，且可以扩展到大型网络中。Beckett等人指出，控制平面验证的主要难点在于构建一个具有高度的网络设计覆盖范围与高度数据平面覆盖范围的验证工具，同时保持足够高的可扩展性[9]。

其中，网络设计覆盖范围是指工具能够支持网络的拓扑类型、路由协议和其他一些特点的范围;数据平面覆盖范围是指工具能够支持的数据平面的范围。为解决该挑战，Beckett等人提出了Minesweeper工具。Minesweeper使用SMT公式对控制平面建模，将公式放入SMT Solver中完成验证。相比之前的控制平面验证工具，可以验证更多的协议，覆盖更大的数据平面，且可以扩展到大型网络。值得说明的是，ARC、ERA和Minesweeper都使用了Batfish的配置解析器将不同厂商的配置转换为无关厂商的统一格式。表1从网络设计覆盖范围、扩展性、主要基于的技术3个方面对上述工具进行了总结。其中，扩展性是指工具扩展到大型网络的能力。


 

架时，麻省理工学院给出了官方说明。

由于我们无法保证，能彻底删除Tiny Images中所有令人反感的图像，所以将它下线了。

同时，也希望网上不要再传播已有的Tiny Images数据集副本。

将Tiny Images下架的最重要的原因，是因为这些带有强烈偏见的、令人反感的标签所标注的图像，与我们计算机视觉行业致力于达成的包容、无偏见的价值观背道而驰。

不仅如此，采用这些标签进行训练后的AI模型，可能会在图像分类或目标检测时，将这些隐含的反人道标签用于目标识别中。

为什么会使AI产生偏见

无论是Tiny Images还是ImageNet，这次都栽在了一个叫WordNet的分类词库上。

词库以其强大的词义关联性著称，会根据各种单词的意义，将不同的词组成各式各样的集合，最终构成一个词库网。

例如，WordNet会将「比基尼」、「色情」和「whore」（贬义）等单词关联到一起，如果在搜索引擎上进行图像搜索，所获得的图片会带有强烈的偏见色彩。


 

（编辑：济南站长网）

【声明】本站内容均来自网络，其相关言论仅代表作者个人观点，不代表本站立场。若无意侵犯到您的权利，请及时与联系站长删除相关内容!