Python

Ukážeme tu nejdůležitější funkcionalitu poskytovanou balíčkem PyTorch, který umožňuje konstrukci neuronových sítí zvoleného typu a tvaru, trénink těchto sítí a jejich následné použití pro řešení konkrétních úloh.

V dnešním díle se podíváme na novou slabinu v desktopové aplikaci WhatsApp, na nový nástroj spammerů AkiraBot, závažnou zranitelnost v pluginu OttoKit a kritickou zranitelnost v zařízeních FortiSwitch.

Ukázali jsme si tvorbu MCP klientů i serverů v Pythonu s využitím oficiální MCP knihovny, zatímco dnes se zaměříme na jazyk Go, pro který oficiální knihovna prozatím není k dispozici.

Na praktických příkladech si ukážeme zpracování a deserializace dat vrácených MCP serverem, zjistíme, zda dokáže server obsloužit více klientů souběžně a na závěr si popíšeme posílání rastrových dat serverem klientovi.

Současně s vývojem aplikací, které do nějaké míry využívají umělou inteligenci a/nebo velké jazykové modely se ukázala potřeba existence standardního mechanismu pro komunikaci mezi jednotlivými moduly těchto aplikací.

V aktuálním dílu Postřehů se podíváme na operaci Interpolu nazvanou Red Card, na zranitelnosti v Kubernetes, v Google Chrome pro Windows nebo chytrých televizorech. Podíváme se také na nové nástroje a praktiky útočníků.

O rychlém překladači Pythonu Codon jsme tu již psali. Od verze 0.18.0, která vyšla 30. ledna, je ještě rychlejší, protože obsahuje vlastní implementaci oblíbené knihovny NumPy. Navíc se změnila licence a Codon je open source s licencí…

Ukážeme si základní vlastnosti rozšíření Postgresu, které se jmenuje pgvector. Umožňuje používat PostgreSQL ve funkci vektorové databáze, například při zpracování přirozeného jazyka, rozpoznávání obrázků, detekci anomálií atd.

Na úvodní článek o PIO na mikrořadičích Raspberry Pi Pico dnes navážeme. Pokusíme se propojit znalosti o PIO (interní architektura, způsob propojení s mikrořadičem i s GPIO, instrukční soubor) s vlastnostmi MicroPythonu.

Python 3.14 bude mít nový interpreter tail-call (koncová rekurze). V průměru je v testech o 10 % rychlejší,  v náročných testech scimark o 40 %. Zatím funguje jen s překladačem Clang 19 a novějším na architekturách on x86–64 a AArch64. GCC bude…

Letošní únorové vydání kancelářského balíku LibreOffice přináší desítky vylepšení ve všech aplikacích i společného základu balíku. Lépe pracuje s většími dokumenty či usnadňuje práci lidem s horším zrakem.

Ruská společnost Yandex včera vydala open source nástroj Perforator pro kontinuální sledování výkonu serverů. Jde o podobné řešení jaké Google-Wide Profiling. Perforator by měl mít velmi malou režii méně než 1 % CPU a asi 512 MB RAM. Používá eBPF…

Budeme se zabývat zarovnáním údajů v datových strukturách uložených v binární podobě (alignment) a taktéž tím, jak jsou realizovány výplně (padding) přidávané na konec serializovaných datových struktur.

Ve vývojářské praxi se prakticky každý den setkáme s nutností zpracování dat uložených v binární podobě, tj. například v binárních souborech atd. Ukážeme si, jak tyto operace provést v Pythonu.

V dnešním díle postřehů se nejprve podíváme na hattrick od Ivanti, zranitelnost v AMD-SEV a chybu v imagebuilderu pro OpenWrt. Poté na některé aktivity ruských hackerů a severokorejských podvodníků.

Se serializačním formátem nazvaným MessagePack jsme se již na stránkách Roota jednou setkali. Dnes si ukážeme, jak se tento formát používá v jazyku Python, a to včetně serializace N-dimenzionálních polí knihovny NumPy.

V dnešním článku dokončíme popis vlastností tenzorů. Ukážeme si, jaké operace je možné s tenzory provádět, ať již se jedná o operace prováděné prvek po prvku, o takzvaný broadcasting nebo o komplikovanější činnosti.

Budeme se zabývat velmi často řešenou úlohou: analýzou, zda je předložený text spam nebo se jedná o jiný typ textu (ham). Při vektorizaci textu využijeme takzvané n-gramy.

V tomto pravidelném vydání pondělních Postřehů z bezpečnosti se podíváme na využití AI severokorejskými útočníky, pročínskou vlivovou síť podvodných webů nebo nové malwary z arzenálu ruských skupin.

Dnes si vysvětlíme algoritmy pro vektorizaci jazykového korpusu, což je proces, při kterém se z jednotlivých textových dokumentů (každý dokument je představován řetězcem) konstruuje matice s numerickými hodnotami.

Podíváme se na ukrývání kódu v metadatech, na zranitelnost ve Windows zneužitelnou pouhým kliknutím pravého tlačítka myši, opět se budeme věnovat ransomwaru, zaměříme se také na škodlivý balíček fabrice a zranitelnosti v GitLabu.

V éře GNOME 47 a KDE Plasmy 6.2, obou běžících na Waylandu, v éře HDR, HiDPI i neceločíselného škálování může působit archaicky desktop stavějící na 23 let starých dogmatech. Přesto má ale desktop Trinity i pro rok 2025 co nabídnout.

V článcích o scikit-learn jsme se zabývali zpracováním a predikcí numerických dat. Ovšem v praxi je zapotřebí pracovat i s dokumenty psanými v přirozeném jazyce. I v takových případech najde scikit-learn své využití.

Vysvětlíme si, jak jsou tenzory uloženy v paměti počítače nebo TPU. Taktéž si ukážeme získání pohledu (view) na tenzor a následně si popíšeme i různé operace, které je možné s tenzory provádět jako s celkem.

Začneme se zabývat knihovnou PyTorch, která je poměrně intenzivně využívána v oblasti strojového učení (machine learning) a zejména pak hlubokého učení (deep learning).

Na světě je nová verze Fedory. Staví na jádru Linux 6.11 s GNOME 47, v případě KDE verze s Plasmou 6.2, dále třeba LXQt 2.0 (se zkušební podporou běhu na Waylandu). Novinkou je podpora použití kombinace uzavřeného ovladače Nvidia a Secure Bootu,…

Prozkoumáme, jaký vliv mají hyperparametry modelů MLPRegressor i MLPClassifier na kvalitu natrénované neuronové sítě. Budeme přitom sledovat interní stav velmi jednoduché sítě s pouhými třemi neurony.

Popíšeme si aktivační funkce, které lze vybrat při konstrukci neuronových sítí. Taktéž se zmíníme o možnosti výběru algoritmů použitých při tréningu neuronových sítí a jejich vlivu na kvalitu výsledků.

V tomto vydání Postřehů se podíváme na zneužívání chyby ve Windows, využití ChatGPT k psaní malwaru, ransomwarové skupiny zaměřené na Veeam Backup nebo únik 31 milionů údajů WaybackMachine.

Ukážeme si jeden ze způsobů rozpoznání rastrových obrázků. Použijeme obrázky s rozlišením pouze 8×8 pixelů, které lze reprezentovat vektorem s 64 prvky. Takto krátké vektory můžeme využít pro trénink různých modelů.