- 综合排序
- 最热优先
- 最新优先
- 来自专栏腾讯安全应急响应中心
攻防启示：Chromium组件风险剖析与收敛
基于对实战经历的复盘，本文将从Chromium架构及安全机制概况入手，剖析Chromium组件在多场景下给企业带来的安全风险并一探收敛方案。 II. 3.2 客户端 在面对Chromium组件风险时，客户端场景往往首当其冲。通常，其风险成立条件有两点：1、使用了存在漏洞的Chromium组件；2、可以指定Webview组件访问特定的网站地址。 Electron除面临渲染引擎本身的安全风险外，主要风险源自于其本身的功能特性 —— nodeIntegration。 风险收敛方案 回到我们今天的主题：修复和防御。 如上我们知道，Chromium的安全问题是方方面面的，各类安全风险也会在不同的场景上产生，那么如何收敛就是企业安全建设永恒的话题；最后我们想分享我们的安全实践经验，力求解答在安全实践中我们遇到的以下几个问题
2.1K10编辑于 2022-03-31 腾讯暴露面管理服务：基于CTEM的持续风险收敛与降本增效实践
识别暴露面管理核心痛点与攻防困境 传统漏洞扫描局限：关注范围仅限CVE漏洞，周期扫描（周1-2次），评估依赖严重度，无法量化风险，单向依赖CMDB致资产易过期；渗透测试成本高，难常态化覆盖。 关键ROI指标2：数据泄漏监测覆盖4000+黑产渠道（含100+付费非公开渠道）、监控200+勒索组织，动态关联资产泄露风险（来源: 数据泄漏风险挖掘能力）。 典型客户暴露面收敛实践案例 案例1：XX集团API/敏感数据泄露。痛点：开发商JS文件含测试数据（账号密码、云密钥），红队渗透内网获生产数据。 案例2：XX集团小程序/公众号仿冒。痛点：仿冒品牌小程序收集用户信息致投诉，HW期间子公司API鉴权不当泄露信用卡信息。 漏扫关注自身漏洞；暴露面管理识别系统/平台/人员/供应链风险及内网进入路径（弱口令、Nday漏洞等）（来源: 案例2）。 案例3：一级集团暴露面收敛。
11910编辑于 2026-04-09- 来自专栏生物信息与临床医学专栏
多基因风险评分2
是AA，并且AA就是野生型，突变的情况是A突变成G，那么基因型AG就是杂合型，GG就是纯合突变型，为了方便计算，我们规定基因型为AA的人的等位基因剂量为0，AG的等位基因剂量为1，GG的等位基因剂量为2， 我们也称该SNP的等位基因剂量分别是0、1、2，其他相关知识点可参考往期遗传学概述。 关于多基因风险评分的计算方法就讲到这里，在下期内容中我会和大家介绍如何使用PRSice软件来快速计算PRS，敬请期待！
2K21发布于 2020-08-27 腾讯云暴露面管理服务：从被动告警到主动风险收敛的实战转型
，存在资产盲区大、风险发现滞后、响应效率低等瓶颈。 腾讯CTEM解决方案：构建攻击者视角的持续风险治理体系 腾讯云暴露面管理服务（EM）基于Gartner持续威胁暴露面管理（CTEM）框架，融合腾讯安全实验室多年攻防实战经验，提供“发现-分析-验证-修复 其核心突破在于： 资产发现：覆盖互联网/暗网资产、云服务、API、小程序、代码仓库等15+维度； 风险验证：集成T-VPT优先级算法，结合漏洞库、攻防情报与业务上下文量化风险； 自动化修复：联动企业CMDB ，实现资产自动关联与风险预警； 客户平均风险收敛周期从14天缩短至48小时，重保期间事件响应效率提升70%。 专家证言：梁国锋（腾讯暴露面产品负责人）——“从0到1构建暴露面管理体系，核心是解决攻击者视角的资产盲区与风险滞后问题。”
16710编辑于 2026-04-09- 来自专栏联远智维
abaqus 不收敛问题
不收敛的种类：（1）提交任务后第一步就开始就出现不收敛问题，一般情况下是有限元模拟前处理过程中存在部分问题，这种不收敛性比较好解决，可能的原因有：边界条件问题（约束不足、接触属性定义相关问题等）以及材料参数设置问题 （在材料属性以及相关参数定义时单位没有统一，引起初始荷载过大等问题）；（2）随着载荷步增量的不断增加，在中途出现不收敛问题，这一部分就需要根据已有的计算结果和模型进行判断，根据以往的相关经验，采用有限元方法模拟试件断裂 、材料软化、屈曲以及颈缩等问题时容易出现此种不收敛问题，一般情况下，单元网格划分方法、单元选择以及材料相关参数选用都对收敛性具有影响，有的时候需要引入相应的阻尼使得模型收敛，具体方法见下文；（3）随着加载的进行 阻尼的添加方式：（1）单元引入阻尼；（2）分析歩引入阻尼。 在涉及不收敛问题时，有的时候要了解非线性有限元（ABAQUS）的求解过程，为深入了解不收敛本质提供基础： （1）有限元何时算收敛： For the body to be in equilibrium,
3.2K30编辑于 2022-01-20 从被动防御到主动收敛：基于CTEM架构的持续暴露面风险管理与实战效能
“应试思维”局限：传统漏扫每周仅执行 1-2 次，单向依赖 CMDB（配置管理数据库），导致资产状态极易过期。 该架构深度对齐权威机构 Gartner 提出的 CTEM（持续威胁暴露面管理）方法论，构建了涵盖资产发现、风险验证与动员修复的闭环平台。 有效探测漏扫无法识别的云 API、云控制措施以及数据库服务等隐蔽风险节点。 第三章：量化风险收敛：高精度的资产测绘与情报挖掘效能 依托腾讯安全监测系统及规则优化，暴露面管理平台在实战中产出了明确、量化的安全运营提升指标： 准确率大幅提升降低 Ops Cost：依靠自研算法与持续运营的 VPT 量化分析加速响应决策：通过引入 T-VPT（基于历史漏洞行为的风险优先级算法） 分析模型，将风险评估维度从单一的“漏洞严重度”升级为结合业务影响、威胁等级与实施难度的多维研判，实现精准的动员与修复
23910编辑于 2026-04-08- 来自专栏学弱猹的精品小屋
数值优化（2）——线搜索：步长选取条件的收敛性
目录 线搜索的全局收敛性 理论好用的B-N条件 联系步长与搜索方向的Zoutendijk条件 全局收敛性的证明 Case：最速下降法的局部收敛性 线搜索的全局收敛性 我们在上一节有简单说明各种步长选取条件和它们的来源思想 而第二个式子事实上与矩阵范数的定义有关，也就是说 而我们的模长都是2-范数，对应到矩阵上就是最大奇异值。综合来看，我们可以得到 这是因为矩阵的条件数就是 。 Case：最速下降法的局部收敛性 我们用这个问题来结束我们这一节。 首先当然要关心的是全局收敛性和局部收敛性到底有什么区别？ 全局收敛性关注的是收敛性，也就是说，给定任何的初始点，算法都能收敛到一个驻点。但是局部收敛性更多的关注的是收敛速度。也就是说初始点不能任意选取。而在这里我们就要给出最速下降法的一个局部收敛性质。 回过头去看一下我们如何处理B-N条件（Theorem 2）。我们分别取了 和 （我们令分子那一串为 ）。这个 会提示我们去寻找与Lipschitz连续相关的条件。
1.9K10发布于 2021-08-09 - 来自专栏Lauren的FPGA
时序收敛之Baseline
在ISE时代，很多工程师习惯使用SmartExplorer的方法实现时序收敛。首先，这种方法适用于时序接近收敛的情形；同时，这种方法其实是一种扫描策略的方法，无需工程师过多关注。 Vivado提供了一套完备的时序收敛方法，也就是我们这里说的Baseline，使得时序收敛变得有章可循，这得益于Vivado强大的设计分析能力。 而且，后期布局布线会有很多优化，可能会把真正的关键路径掩盖掉，例如：布局布线后发现逻辑级数为1的路径时序违例，反倒是逻辑级数较高的路径时序收敛了。 如果内部路径收敛，那么就可以添加I/O约束，再执行上图所示的步骤，确保内部路径和I/O路径时序收敛。最后，如果需要，可以对约束进行微调，比如添加多周期路径约束。 由此可见，Baseline的方法是分阶段有目的的添加约束，不同阶段关注不同类型的路径，再逐步完善约束，最终达到时序收敛。
1.4K20发布于 2020-06-17 - 来自专栏社区的朋友们
为了加速参数收敛。
为了加速参数收敛。 为了加速参数收敛。 为了加速参数收敛。假设我们的网络定义为：
65140编辑于 2022-07-18 - 来自专栏老张的求知思考世界
聊聊缺陷收敛率
什么是缺陷收敛率说到缺陷收敛率，就不得不先聊聊缺陷逃逸率。 与之对应的，无论是测试活动，还是研发规范，或者说编码质量，肯定存在很大的风险。而缺陷收敛率的作用，则是用来度量这一过程的工作结果，是否符合预期。 同时这一指标还可以提醒研发测试同学，避免潜在的风险向下游传递，放大影响范围和修复成本。再进一步来说，通过缺陷收敛率这一指标，来控制和降低产品验收以及线上发布的风险。 如何度量缺陷收敛率既然缺陷逃逸率可以度量，那么缺陷收敛率同样可以度量。 单纯的统计数据和度量其实比较简单，一般来说如果在某个统计阶段内，累计发现缺陷和累积解决缺陷的曲线接近一致，则说明缺陷收敛率数据较为良好。反之，则说明该阶段的质量存在一定的风险。
64210编辑于 2024-06-21 - 来自专栏Tungsten Fabric中文社区
Tungsten Fabric如何实现路由的快速收敛？收敛速度有多快？
在我的测试拓扑中，2个计算节点连接到leaf2。结果如下： 它们在这里了！每个连接的服务器都有一条/32路由！ 收敛速度到底有多快 现在，是时候验证一下收敛的速度了。 我的集群是TF+K8s集群。如你所见，有两个计算节点。 每个计算节点都运行一个连接到默认pod网络的pod： 我打算将compute2从fabric中隔离出来。 我们可以期待看到什么？ vRouter将compute2前缀删除： 同时删除的还有pod前缀： 每个前缀有3个条目，这些路由可以在3个虚拟网络中找到。 总之，这里的大部分时间，2秒，是从提交到BGP更新发送之间的时间。 这个时间间隔的意义不大。为什么这么说呢？有下面几个原因。 第一，这样的故障是人为的，包括提交时间。
1.2K30发布于 2020-12-25 - 来自专栏FreeBuf
攻防演练之资产收敛
资产的梳理，暴露面收敛是前期必须做且要做好的工作。 那么护网前的资产梳理，暴露面收敛就是帮忙找到短板，可见其重要性，接下来就让我们一起来看看都要梳理那些资产。 原 则 资产收集的原则是所有的资产都在管控中，不存在暗资产；一切与公司相关的信息，包括域名，端口，IP，应用组件，github信息，人员信息等 收敛的原则就是最大化收敛，最小化暴露。 很重要的一点就是邮件的弱口令一定要进行排查，因为邮箱中会包含公司内的很多信息并可以用于钓鱼 敏感信息等数字资产的风险排查 攻击从来不都是纯技术的对抗，还是人与人之间的对抗。 因此我们要在办公网区域重点排查： 无线网络（wifi） 1.无线节点是否存在弱密码，私接私搭无线节点 2.wifi是否做了访问控制，wifi网络是否可以直达核心网络。
55230编辑于 2023-09-18 - 来自专栏R语言数据分析指南
13.ggplot2绘制风险因素图
theme_minimal() + theme( legend.key.height = unit(0.5, "line"), legend.key.width = unit(2,
88710编辑于 2023-11-23 - 来自专栏海风
时序收敛：基本概念
对于FPGA而言，时序收敛是一个很重要的概念。在我看来，时序约束是必要的，但不是在最重要的，我们应该在设计初始就考虑到时序问题，而不是完全的靠约束来获得一个好的结果。 2.输入时序约束 ---- The input timing constraints cover the data path from the external pin or pad of 总结 时序收敛的目的是让FPGA design 按预设的逻辑正常的工作。 2、3、4节的介绍目的在于简述可能遇到的不同情况，旨在说明约束实际上是告诉ISE套件通过设计本身的逻辑不能看出来的关系和要求。
1.6K20发布于 2019-07-31 - 来自专栏大大的小数据
发散与收敛的漫谈2022.9.26
1、从几个对应的词组开始 发散、收敛 看到、行动 问题、过程结果 学习、分享 头脑风暴、PDCA分解执行 洞穴教育、找水行动 山顶看到方向、脚踏实地行动 看到问题、没有答案 务虚、置身事内 记忆、遗忘 混乱、分类 选项、投票 精神病人思路广、无限发散不收敛 智障儿童欢乐多、没有发散的收敛局部最优解 知识的悖论：（不正确的知识，不能影响行为。 六顶帽子：（发散：白帽子-信息，绿帽子-提出解决方案，收敛：黄帽子-优点，黑帽子-缺点，红帽子-直觉判断，蓝帽子-总结陈述决策） 头脑风暴 2、机器学习、深度学习、人工智能的发散和收敛 https:// LaoYuanPython/article/details/119712665 3、得到课程和书籍 4、很多玄学的东西：智商、领导力、灵感，或许在工具理性的数学、工程管理、人力资源管理方法中的发散和收敛能很好的解决 5、当我们遇到困难的时候，想一想发散和收敛的步骤，或许就有生机。
49920编辑于 2022-12-19 - 来自专栏联远智维
内聚力模型——收敛性分析
有限元模拟过程中，由于收敛性问题通常涉及面广，甚至有时候因为解方程组引起的收敛性问题。 采用内聚力模型分析具体工程问题过程中，时常会遇到不收敛问题，研究表明，循环内聚力模型参数对有限元计算的收敛性具有一定的影响，在界面单元的初始刚度选取的非常大，容易引起结果震荡，造成收敛性问题。 根据相关参考文献，对简单的三单元模型进行分析，探究内聚力单元收敛的条件。 图1 三单元有限元模型示意图 其中：E’表示实体单元等效刚度，Λ表示实体单元刚度与内聚力单元刚度的比值。 对于不同的Λ值，内聚力单元具有不同的收敛性，我们对三单元进行求解，看位移边界U与内聚力单元法向内聚力之间的关系，具体如图2所示： 图2 Λ取值对收敛性的影响 如图2中所示，当Λ<1/e时，即使实体单元具有确定位移边界条件 ，内聚力单元张开位移也可能不具有唯一的数值，因此采用有限元方法在解方程组的时候会出现收敛性问题。
1.4K30编辑于 2022-01-20 - 来自专栏王的机器
信用风险建模 in Python 系列 2 - 独立模型上
假设有 M 个模拟路径，N 个借贷人，那么对 n =1, 2, …, N 和 m= 1, 2, …, M, 我们需要模拟出 NM 个违约指标。 }'number_fmt = '{0:,.2f}' 编写三个函数，分别计算损失分布（binomial_LD），计算风险指标（risk_measure）和整体模拟（binomial_simulation） 具体而言，我们想看看 DN /N，组合的违约个数比，是否收敛于 p。 收敛的定义分为两种： 概率收敛（convergence in probability） 几乎收敛（convergence almost surely） 证明概率收敛需要切比雪夫不等式（Chebyshev 二项式分布的极限收敛于正态分布，而正态分布通常不能捕捉到尾部损失。 从保守派风险管理者看来，其他所有条件都一样，我们希望将更多的概率分配给极端事件。
1.6K20发布于 2020-05-09 - 来自专栏生信宝典
浓缩咖啡会降低2型糖尿病风险？
先前的研究已经将更高的咖啡摄入量与较低的T2D风险联系起来，但潜在机制仍不清楚。 一项新研究揭示，咖啡有助于降低2型糖尿病的风险。 研究人员证实，每天增加一杯咖啡，患T2D的风险会降低4-6%。 这项研究补充了现有关于咖啡与T2D风险之间关联的证据，这可能有助于制定关于营养和生活方式变化如何降低T2D等非传染性疾病患病风险的指南。 背景 咖啡是全球最受欢迎的饮料之一。 咖啡摄入与较低的2型糖尿病（T2D）风险有关，但其潜在机制尚不明确。我们旨在研究经常饮用咖啡与T2D风险之间的关联，以及经典和新型T2D生物标志物在这种关联中的抗炎或促炎作用。 不吸烟且每天摄入过滤或意式咖啡人群患T2D的风险更低。
29130编辑于 2023-08-30 混合云权限收敛技术指南
摘要 本文旨在解析混合云权限收敛技术的核心价值，探讨其在企业IT架构中的应用场景，并提供详细的操作指南。 同时，通过对比分析，展示腾讯云产品在实现混合云权限收敛中的效率和成本优势，并提供实际案例以供参考。 技术解析 核心价值 混合云权限收敛技术是指在不同的云环境（如公有云和私有云）之间实现统一的访问控制和权限管理，确保企业数据安全和合规性。 通过本文的技术指南，企业可以更好地理解和实施混合云权限收敛技术，利用腾讯云产品提升IT管理效率和安全性。
38510编辑于 2025-07-28- 来自专栏Lauren的FPGA
时序收敛好文档：ug1292
上期内容：本月回顾-2018.9 如何快速、高效地使时序收敛是很多FPGA工程师都要面临的一个问题。这时，大家可能都会想到ug949。这是Xilinx提供的一个很好的文档。 作为工程经验的总结，这个文档也包含了时序收敛的方法。在这个文档的基础上，Xilinx最近又发布了一篇新文档ug1292（可直接在Xilinx官网搜索下载）。 这个文档把ug949中时序收敛的相关内容单独提取出来，更系统、更直观地介绍了时序收敛的方法。ug1292可以视为时序收敛的一个快速参考手册，而ug949可以当作“字典“，用于查找更为具体的信息。 ug1292 时序收敛快速参考手册 这个手册只有十页内容，每一页都有流程图或表格，因此具有很强的可操作性。这十页内容如下表格所示。可以看到，该手册几乎涵盖了所有解决时序违例的基本方法。 ? 更为关键的是充分理解第二页内容：时序收敛基线流程。 在设计综合之后，就开始按照手册第一页流程对设计进行初始检查。当检查都过关之后，才可以进行下一页的操作。
1.4K40发布于 2019-10-31
腾讯云开发者
Copyright © 2013 - 2026 Tencent Cloud. All Rights Reserved. 腾讯云 版权所有
深圳市腾讯计算机系统有限公司 ICP备案/许可证号：粤B2-20090059 
粤公网安备44030502008569号
腾讯云计算（北京）有限责任公司 京ICP证150476号 | 京ICP备11018762号