สถิติภัยคุกคามของไทย (Cyber security statatistics)

 https://www.ncsa.or.th/service-statistics.html

https://www.thaicert.or.th/%e0%b8%81%e0%b8%8e%e0%b8%ab%e0%b8%a1%e0%b8%b2%e0%b8%a2-%e0%b8%82%e0%b9%89%e0%b8%ad%e0%b8%9a%e0%b8%b1%e0%b8%87%e0%b8%84%e0%b8%b1%e0%b8%9a-%e0%b8%9b%e0%b8%a3%e0%b8%b0%e0%b8%81%e0%b8%b2%e0%b8%a8/

https://www.sec.or.th/TH/Pages/CYBERRESILIENCE-NEWS.aspx

https://www.cyfence.com/article/2022-threat-statistics-summary-from-csoc-by-nt-cyfence/

Innovation Driven Enterprise (IDE)

 https://pmuc.or.th/innovation-driven-enterprise-ide/

QS ranking criteria

 https://support.qs.com/hc/en-gb/articles/4405955370898-QS-World-University-Rankings

https://support.qs.com/hc/en-gb/articles/4411823040018-Processing-of-citations-and-papers

SDN vs NFV

SDN makes the network programmable by separating the control plane (routing process) from the underlying data plane (forwarding hardware).  

NFV virtualizes functions like load balancing, routing (similar to SDN, relying on no virtualization), and policy management by transferring network functions from dedicated appliances to virtual servers. NFV components are: Virtual Network Functions (VNFs), NFV Infrastructure (NFVI) that is commodity servers, and Management & Orchestration (MANO).

https://www.geeksforgeeks.org/difference-between-sdn-and-nfv/

https://info.support.huawei.com/info-finder/encyclopedia/en/NFV.html

Virtual appliance is a pre-configured virtual machine that contains an operating system and a specific application (e.g., firewall, load balancer).

Midjourney

Midjourney is a generative AI program and service created for generating images from natural language descriptions, called prompts.

 https://thethaiger.com/th/news/618437/?fbclid=IwAR0kNfYfIhbKRf4BjraRNKSvg6jLqa_v8snVZalXiS5ATfD4cCANJthtnx4

Guideline to use Google bard effectively

 

SASE, SSE, CASB

https://golden.com/wiki/Security_Service_Edge-5ZBRXP5

Skyhigh CASB (leader in CASB magic quadrant)

https://www.skyhighsecurity.com/products/cloud-access-security-broker.html

https://www.skyhighsecurity.com/wp-content/uploads/2023/01/ds-cloud-access-securty-broker.pdf

Netskope (leader in SSE magic quadrant)

https://www.netskope.com/products/security-service-edge

MITRE ATT&CK

Stands for Adversarial Tactics, Techniques, and Common Knowledge developed by MITRE company.

A globally-accessible knowledge base of adversary tactics and techniques based on real-world observations

 https://attack.mitre.org/

Extreme learning machine (ELM)

Fast learning feed forward network used for real time retraining. There were a lot of controversies behind ELMs.

https://towardsdatascience.com/introduction-to-extreme-learning-machines-c020020ff82b

Controversy on h-index

1.It is important to note that the statement: “The h-index of person P is X,” has no meaning, because the value of the index depends on the content of the database used for its calculation. One should rather say: “The h-index of person P is X, in database Z.” Many disruptive technologies e.g. FB, YouTube, Google came from outside Scopus db.

Cf. https://theconversation.com/why-the-h-index-is-a-bogus-measure-of-academic-impact-141684

2.H-index counts both proceedings and journal equally although they potentially have significant difference in quality (in their impacts).

3.H-index counts all papers although you are not the first author. So it is blind to percent contribution (i e. amount of contribution you really achieve). H-index gained via co-authorship is less prestigious (น่าภูมิใจ) than first-authorship.

4.It even ignores any impacts made via non English literature.

5.H-index counts self-citation and unethical citation (e.g. asking your networking members to cite your work without actually related content)

เหตุผลหลักที่นักวิจัยในสาย วิทยาศาสตร์ฐาน (Basic Science) มักจะมีค่า h-index สูงกว่าสาย วิทยาศาสตร์ประยุกต์ (Applied Science) หรือวิศวกรรมศาสตร์ มีปัจจัยทางพฤติกรรมศาสตร์และดรรชนีชี้วัดทางวิชาการ (Bibliometrics) หลายประการ ดังนี้ครับ

1. ความเป็นรากฐานที่ใช้อ้างอิงได้ในวงกว้าง (Broad & Foundational Applicability)

 Basic Science เน้นการค้นพบทฤษฎี กลไกทางธรรมชาติ หรือระเบียบวิธีวิจัยพื้นฐาน (เช่น โครงสร้าง DNA, สมการฟิสิกส์พื้นฐาน, อัลกอริทึมคณิตศาสตร์)

 งานวิจัยพื้นฐานเหล่านี้เปรียบเสมือน "เสาเข็ม" ที่งานวิจัยสาย Applied ทั้งหมดในอนาคตจำเป็นต้องนำไปอ้างอิงเพื่อต่อยอด ดังนั้น งาน Basic Science 1 เรื่อง จึงสามารถถูกอ้างอิงโดยงาน Applied Science ได้นับร้อยนับพันสาขาย่อย

2. ช่องทางการเผยแพร่ผลงาน (Publication Outlets & Indexing)

 Basic Science: ผลลัพธ์หลักคือ การตีพิมพ์ในวารสารวิชาการ (Academic Journals) ซึ่งระบบฐานข้อมูลอ้างอิงระดับสากลอย่าง Scopus, Web of Science หรือ Google Scholar ถูกออกแบบมาเพื่อดึงและนับ citation จากวารสารเหล่านี้โดยตรง

 Applied Science: ผลงานจำนวนมากถูกส่งออกในรูปแบบอื่นที่ระบบฐานข้อมูลอ้างอิงทางวิชาการไม่ได้นับ เช่น สิทธิบัตร (Patents), ความลับทางการค้า, ซอฟต์แวร์เชิงพาณิชย์, ผลิตภัณฑ์จริง หรือรายงานเทคนิคทางอุตสาหกรรม ส่งผลให้จำนวน citation ในระบบวิชาการต่ำกว่าความเป็นจริง

3. อายุขัยของการอ้างอิง (Citation Lifespan / Half-life)

 Basic Science: ความรู้พื้นฐานมักมีอายุความนิยมยาวนาน (Long Citation Half-life) งานวิจัยพื้นฐานที่คิดค้นขึ้นเมื่อ 20–30 ปีที่แล้ว อาจยังคงถูกอ้างอิงอยู่อย่างต่อเนื่องในปัจจุบัน

 Applied Science: งานประยุกต์มักผูกติดกับเทคโนโลยีเฉพาะช่วงเวลา เมื่อเทคโนโลยีใหม่มาแทนที่ งานประยุกต์เดิมจะตกรุ่นอย่างรวดเร็ว ส่งผลให้ช่วงเวลาที่ได้รับ citation สั้นกว่า

4. ความหนาแน่นของรายการอ้างอิง (Reference Density)

 วารสารในกลุ่มวิทยาศาสตร์ฐาน (เช่น ชีววิทยาโมเลกุล, เคมี, ฟิสิกส์) มักมีวัฒนธรรมการใส่รายการอ้างอิง (References) ในแต่ละบทความค่อนข้างสูง (เฉลี่ย 40–60+ รายการต่อบทความ)

 ขณะที่สายประยุกต์หรือวิศวกรรมบางสาขา อาจมีจำนวนรายการอ้างอิงต่อบทความน้อยกว่า เมื่อมีจำนวน reference รวมในระบบมากกว่า Citation โดยรวมของฝั่ง Basic Science จึงหมุนเวียนสูงกว่า

5. ขนาดและเครือข่ายความร่วมมือของชุมชนนักวิจัย (Community Size & Collaboration)

 งาน Basic Science ขนาดใหญ่ (เช่น ฟิสิกส์พลังงานสูง, พันธุศาสตร์) มักมีโครงการความร่วมมือระดับนานาชาติที่มีผู้เขียนร่วม (Co-authors) จำนวนมาก และมีวงนักวิจัยทั่วโลกที่ทำเรื่องเดียวกันในสเกลใหญ่ ทำให้เกิดแรงส่งในการอ้างอิงซึ่งกันและกัน (Citation Pool) ในปริมาณที่สูงมาก

ด้วยเหตุผลเหล่านี้ การเปรียบเทียบค่า h-index จึง นิยมเปรียบเทียบเฉพาะภายในสาขาวิชาเดียวกัน (Field-normalized) มากกว่าการนำสาย Basic Science มาเปรียบเทียบกับ Applied Science โดยตรง

Software Developer’s Guide to Generative AI

1. Code generation and completion: Generative AI tools can automatically suggest or generate sections of code.
2. Software testing: Generative AI is able to create tests and identify mistakes.
3. Code optimization: AI tools can recommend code modifications to boost performance or streamline the architecture.

https://builtin.com/software-engineering-perspectives/generative-ai-tips-for-software-development

Metaverse platform as a Service

 https://bigbangtheory.io/

https://techsauce.co/news/asphere-and-big-bang-theory-metaverse-as-a-service

ML- or ChatGPT-based chatbot development

https://www.shiksha.com/online-courses/articles/building-ai-chatbot-with-chatgpt-api/

https://textcortex.com/post/train-chatgpt-on-custom-data

inf, sup, lim inf, lim sup

• inf (infimum) is the greatest-lower-bound data point.
• sup (supremum) is the lowest-upper-bound data point.
• lim inf is the greatest-lower-bound Y data point when X approaches some certain value (needn't be infinite) specified under lim inf's limit subscription. (note that both inf and sup cannot have limit subscription)
• lim sup is the lowest-upper-bound Y data point when X approaches some certain value (needn't be infinite) specified under lim sup's limit subscription.

All these four terms are used for data sequences that may look either flutuate (like converging waves) or smooth curves (so inf = sup and lim inf = lim sup).

https://math.stackexchange.com/questions/422964/what-is-limit-superior-and-limit-inferior

https://en.m.wikipedia.org/wiki/Limit_inferior_and_limit_superior

https://en.wikipedia.org/wiki/Infimum_and_supremum

https://math.stackexchange.com/questions/1031905/lim-inf-and-lim-sup-convergence-divergence

Markov chain

A stochastic model describing a sequence of possible events in which the probability of each event depends only on the state attained in the previous event.

https://en.wikipedia.org/wiki/Markov_chain

Semi-Supervised Learning

SSL uses a small portion of labeled data and lots of unlabeled data to train a classification model. There are several methods to label the portion of unlabeled data to be used as a training set e.g. Pseudo-labeling.

https://blog.roboflow.com/what-is-semi-supervised-learning/#:~:text=Semi%2Dsupervised%20learning%20(SSL),supervised%20learning%20and%20unsupervised%20learning.

Technically, it could be viewed as performing clustering and then labeling the clusters. Unlabeled data within the same cluster as the labeled data share the same label as the labeled data.

https://en.m.wikipedia.org/w/index.php?title=Weak_supervision&diffonly=true

AI generated images cannot be copyrighted

 https://www.reuters.com/legal/ai-generated-art-cannot-receive-copyrights-us-court-says-2023-08-21/#:~:text=Aug%2021%20(Reuters)%20%2D%20A,Washington%2C%20D.C.%2C%20has%20ruled.