Blog

Alle Beiträge in der Kategorie 'Fachartikel'

VoH – Are you hacking yet or are you still safe?

Last but not least, after Spectre and Meltdown, the question arises: „Would I already be hacked or have I just not noticed it yet? So why not make a virtue out of necessity and adopt your own systems? The learning curve is steep, but it helps to recognize and minimize risks.
It is essential that security know-how is built up in the team. The first step is to create an awareness of the problem. Especially for agile teams it is therefore important to establish different control points with automatic security tests. In addition to static code analyses, however, it helps enormously to get yourself into the role of the attacker.

Read more at medium.

VoH – Using Molecule and Docker to test Ansible Playbooks

In the DevOps lifecycle, configuration management has always been an integral part of maintaining the desired system state. Many common tools such as Chef, Puppet, Ansible, SaltStack were used for configuration management. But before the configuration can be used in production, it has to be tested because different systems behave differently with the same configuration. So we have to be aware that our desired configuration state goes through every test scenario before it is applied to production. This is where Molecule comes into play.

Read more at medium.

Structures

Microservices mit Kotlin, Vert.x und OpenAPI, Teil 1 und 2

Dank neuer Konzepte und Techniken lassen sich mit wenig Boilerplate-Code und in kurzer Zeit schlanke und auch ressourcenschonende Microservices implementieren.

Eine sehr charmante Auswahl an Technologien bieten die JVM-Sprache Kotlin, das Framework Vert.x und die OpenAPI Spezifikation.

Wie man damit schnell und schlank Microservices bauen kann, wird in einem zweiteiligen Artikel bei Heise Developer beschrieben (Link zu Teil 2).

Maschinelles Lernen ohne empirische Daten?

Wenn ein System komplexe Entscheidungen treffen muss, wird immer häufiger Maschinelles Lernen als eine mögliche Lösung vorgeschlagen. Meistens ist man dann auf empirische Daten angewiesen, um das System zu trainieren. Was passiert aber, wenn keine Daten vorhanden sind? Wie kann man die Vorteile von maschinellem Lernen ohne empirische Daten nutzen?

Genau mit dieser Frage beschäftigt sich unser Mitarbeiter Ferhat Ayaz in der aktuellen Ausgabe der Zeitschrift OBJEKTspektrum (03/2019) in einem spannenden Artikel zum Thema „Lernen bei der Suche nach Lösungen“. Der Beitrag bietet einen Überblick über Constraint-Satisfaction-Probleme und stellt neue Perspektiven vor, die Maschinelles Lernen beim Suchen einer Lösung durch künstliche Intelligenz unterstützen kann. Die Zeitschrift ist online oder im gut sortierten Zeitschriftenhandel erhältlich.