至顶网软件频道消息:11月1-2日,第四届XCTF国际联赛的年度总决赛XCTF Finals 2018在北京凯宾斯基酒店落下帷幕!20支国内外精英战队经过两天激烈角逐,来自中国的r3kapig战队以一万分满分强势夺冠,获得第四届XCTF国际联赛年度总冠军,0ops战队以8256分获得亚军,Dubhe战队获得季军!
r3kapig战队获得年度总冠军
r3kapig战队是第三届XCTF联赛年度总冠军FlappyPig与第四届XCTF联赛分站赛N1CTF冠军Eur3kA的联合组队,强强联合的阵容实力强劲,在比赛结束前最后一个小时,r3kapig破解了所有解题赛题目及攻防赛环境,最后,他们在解题分、攻击分、防御分三榜居于第一获得了一万满分,强势夺冠,拿下了年度总冠军头衔!
赛后举行的颁奖仪式,组委会为所有获奖参赛选手颁发了证书,还特邀到XCTF联赛组织方国家创新与发展战略研究会副会长郝叶力女士、XCTF联赛发起人诸葛建伟老师,XCTF联赛顾问李康老师,XCTF联赛赞助商代表蚂蚁金服王宇先生为战队颁奖,除了一万美元的奖金,冠军战队的每位成员还获得了本届联赛金牌赞助商华为提供的华为手机一部。
全新赛制,新奇体验
作为欧亚的老牌安全会议,HITB大会的第一次中国之旅备受关注,大会现场论坛、展区、开放挑战区都聚集了超高人气,CTF竞赛作为大会最值得期待的环节,也是精彩纷呈。本届总决赛,主办方XCTF联赛致力于打造一场纯粹的高水平赛事,大赛命题组由XCTF国际联赛的发起方蓝莲花(Blue-Louts)战队和HITB CTF战队组成,采用Jeopardy解题与AD攻防赛制并行的JAD混合赛制。选手从解题、攻击、防御方面都可获得得分,因此对各队选手能力的评估更加均衡,而选手攻击对手不成功反而会让对手防御得分,因此比赛更需要队伍进行精准判断及策略配合。
XCTF Finals 2018命题组还引入了两个非常有特色的硬件badge挑战,选手们需要进行焊接和硬件分析,才能够获取其中隐藏的Flag,两道Badge题都相继被队伍突破,这也是国内的CTF网络安全赛事首次引进硬件安全挑战,让选手们有更多动手进行硬件分析破解挑战的机会。
极客精神,步履不停
多年来,XCTF国际联赛一直致力于网络安全人才的发现及培养,以技术交流为目的,强调以赛代练,以赛促学,为网络安全爱好者提供施展才华及能力的平台,联赛一直强调竞赛的纯粹性和比赛的公平性,让CTF回归乐趣。
第四届联赛推出了“众星计划”,联赛组委会在XCTF品牌、平台、奖金方面大力扶持国内的优秀战队。XCTF联赛发起人、赛宁网安CTO诸葛建伟表示,我们将不断探索,为年轻人提供最好的土壤,将对未知充满好奇心、极富创造力、不怕输、奋斗到底的“极客精神”进行到底。
赛宁网安竞赛平台展示赛况
本届大赛由XCTF联赛与HITB安全大会合作举办,赛宁网安总体承办,华为、陌陌安全应急响应中心、蚂蚁金服、京东安全赞助支持,赛宁网安竞赛平台提供平台支持。
好文章,需要你的鼓励
这项研究由德累斯顿工业大学等机构的研究团队完成,旨在解决主动学习未被广泛应用的问题。研究者构建了包含460万种超参数组合的实验网格,系统分析了各参数对主动学习性能的影响。研究发现,不同策略实现间存在显著差异,基于边缘的不确定性策略整体表现最佳,随机选择约4000个超参数组合即可获得可靠结果。这些发现为设计可重现、可信赖的主动学习实验提供了明确指导,有助于降低入门门槛,促进技术在实际应用中的普及。
这项由英国爱丁堡大学和上海人工智能实验室研究者共同完成的工作提出了LongBioBench,一种用于评估长文本语言模型的新型基准测试框架。通过使用人工生成的虚构人物传记作为测试环境,该框架在保持可控性的同时,提供了更真实的评估场景。研究对18个长文本模型的测试表明,即使最先进的模型在检索、推理和可信任性方面仍存在显著挑战,特别是上下文长度增加时。研究还揭示了现有合成基准测试的设计缺陷和长上下文预训练的局限性,为未来模型开发提供了重要指导。
SuperWriter是一项来自新加坡科技设计大学和清华大学的突破性研究,通过模仿人类"先思考后写作"的过程,彻底改良了AI长文生成能力。该研究团队开发的框架包含三个关键阶段:规划、写作和修改,使AI能像专业作家一样进行结构化思考。实验结果表明,经过训练的SuperWriter-LM模型不仅超越同等规模的所有AI模型,甚至在某些领域表现优于规模更大的顶级模型,为AI辅助写作开创了新的可能性。
香港大学与阿里巴巴达摩院合作开发的LayerFlow是一种突破性的层级视频生成技术,能同时生成透明前景、完整背景和混合场景视频。该技术通过创新的框架设计将不同视频层级作为子片段连接,并引入层级嵌入使模型区分各层级。面对高质量训练数据稀缺的挑战,研究团队设计了三阶段训练策略,结合Motion LoRA和Content LoRA,实现了图像和视频数据的联合训练。LayerFlow不仅支持多层视频生成,还能实现视频分解和条件层生成,为视频创作领域带来革命性变革。