可解释的机器学习
从神话到诊断
在过去的十年中，机器学习作为一项改变社会的技术的兴起，引发了人们对无法理解日益复杂的模型的推理的担忧。IML（可解释的机器学习）领域正是在这些担忧中发展起来的，其目标是使不同的利益相关者能够处理各种用例，例如建立对模型的信任、执行模型调试以及为真实的人类决策提供信息。
蒸汽朋克机器学习
维多利亚时代的装置用于现代数据科学
将模型拟合到数据是当今的热潮，但长期以来一直是工程师的一项基本技能。资深人士知道，现实世界的系统会通过将例行操作条件与超载和故障发作交错来破坏教科书技术；为了实用，一种方法必须在不因后者而失真的情况下对前者进行建模。令人惊讶的有效帮助来自一个不太可能的方面：一种简单直观的模型拟合方法，其历史早于巴贝奇引擎。这种方法是用于生产数据中心的工业级决策支持和异常检测的基础，它可以在无需人工干预或大惊小怪的情况下产生准确但易于理解的模型。它易于使用现代分析软件进行实践，并广泛适用于计算系统及其他领域。
王国的钥匙
一个被删除的私钥、一个迫在眉睫的最后期限，以及将新的静态信任根修补到引导加载程序的最后机会
一个不幸的手指失误引发了当前的危机：客户不小心删除了签署新固件更新所需的私钥。他们有一些令人兴奋的新功能要发布，以及通常的一系列可靠性改进。他们的客户越来越不耐烦，但当被问及发布日期时，我的客户不得不拖延。他们怎么能提出一个有意义的日期？他们已经失去了签署新固件版本的能力。
摆脱疯狂之路
调试器和断言
KV 继续咬牙切齿，因为他看到代码中加载了调试语句，如果编写代码的程序员能够对自己调试器的能力充满信心并熟练使用它们，这些调试语句将完全没有必要。如果一个人足够幸运能够使用一个好的调试器，那么他应该对他们通常感谢的任何事物表示极大的感谢，并使用该死的调试器！
廉价到无法衡量的监控
阻止老大哥将需要对整个系统进行昂贵的改革。
IT 爱好者倾向于为各种问题找到技术解决方案——经济、政治、社会等等。大多数时候，这些解决方案不会使问题变得更糟，但是当一个问题本质上是纯粹的经济问题时，只有影响经济状况的解决方案才有可能奏效。当根本问题是监控过于廉价而无法衡量时，无论是密码学还是智能编程都无法稍微推动局势的发展。
客户端计算硬件中的 FPGA
尽管存在某些挑战，但 FPGA 比 ASIC 具有安全性和性能优势。
FPGA（现场可编程门阵列）非常通用。它们被广泛应用于各种应用和行业，在这些应用和行业中使用 ASIC（专用集成电路）在经济上不太可行。尽管设计师在将 FPGA 集成到设备中时面临面积、成本和功耗方面的挑战，但它们提供了显著的安全性和性能优势。许多这些优势可以在客户端计算硬件（如笔记本电脑、平板电脑和智能手机）中实现。