14-5 food poisoning

backpacking n.背包旅行
clinic n.诊所
spoiled 变质的
nauseous 恶心的
bacteria 细菌
vomit 呕吐barf
big time 非常adv
diarrhea 腹泻n
stomach cramps 胃痉挛
barely 几乎不能
appetite 胃口

在这里插入图片描述

CDC’s top 3 foodborne bugs in U.S.

疾病防治中心公布:美国三大食源性致病细菌

The top three germs that cause illnesses from food eaten in the United States are:

在美国,通过食物传播的致病细菌中,排名前三的如下:

  1. Norovirus

诺如病毒

Norovirus is the leading cause of gastroenteritis. It causes 23 million cases of gastroenteritis per year, or over half of all gastroenteritis cases in the U.S., and is the second most common virus after the common cold.

诺如病毒是肠胃炎的头号致病原因。诺如病毒每年引起两千三百万例肠胃炎,占每年美国肠胃炎病例的一半以上。诺如病毒也是普通感冒病毒之后的第二大常见病毒。

  1. Salmonella

沙门氏菌

Salmonella is the second most common intestinal infection in the United States. 20,000 hospitalizations and almost 400 deaths occur from Salmonella poisoning, according to a 2011 report. Salmonella infection usually occurs when a person eats food contaminated with the feces of animals or humans carrying the bacteria. Salmonella outbreaks are commonly associated with eggs, meat and poultry.

沙门氏菌是美国第二常见的肠道感染源。2011年报告表明,沙门氏菌导致了两万人住院,并造成接近四百人的死亡。沙门氏菌一般存在于动物或携带这种细菌的人类的排泄物里,而食用被排泄物污染的食物会导致沙门氏菌感染。沙门氏菌疫情的爆发通常与受到污染的蛋类、肉类和禽类相关。

  1. Clostridium perfringens

产气荚膜梭菌

Clostridium perfringens and its toxins are found everywhere in the environment, but human infection is most likely to come from eating food with Clostridium perfringens in it. Food poisoning from Clostridium perfringens is fairly common, but is typically not too severe, and is often mistaken for the 24-hour flu.

产气荚膜梭菌及其释放的毒素在自然环境中随处可见,但是对于人类来说,一般只有直接食用含有产气荚膜梭菌的食物才会感染。产气荚膜梭菌引发的食物中毒相对较常见,但通常都不是特别严重,甚至经常被误认为是24小时流感。

Source: https://www.foodpoisonjournal.com/food-poisoning-information/cdcs-top-5-foodborne-bugs-in-u-s/

  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
Poison frogs! targeted clean-label poisoning attacks on neural networks”这是一个关于对神经网络进行有针对性的干净标签中毒攻击的研究项目。在这种攻击中,研究人员通过修改训练数据集中的特定标签,以欺骗神经网络模型以误分类输入样本。 干净标签中毒攻击是一种隐蔽的攻击方式,因为攻击者不需要修改图像本身或添加任何可见的攻击标记。相反,他们通过对训练数据集进行精心设计的修改,使神经网络在应用中出现错误分类。这种攻击方法可能会导致严重后果,例如在自动驾驶汽车或安全系统中造成事故或功能失效。 这个项目的目的是研究这种攻击方法的可行性和效果,并提出对抗这种攻击的解决方案。研究人员首先对训练数据集进行修改,以使特定类别的图像被误分类为其他类别。然后,他们使用已经训练好的神经网络模型,通过修改训练数据集中的特定图像标签,使模型在测试阶段错误地将这些特定图像分类为不同的类别。 结果表明,即使在高性能的神经网络上进行干净标签中毒攻击也是可行的。这些攻击可以在不影响模型在其他正常输入上性能的情况下,误导模型对特定图像的分类。这使得攻击者能够操纵模型的行为,甚至可能导致系统的安全漏洞和错误决策。 为了对抗这种攻击,研究人员提出了一种改进的训练策略,称为“防御机制”。这种方法可以增强模型对干净标签中毒攻击的鲁棒性,并提供了一种有效的方法来检测和解决这种攻击。 总体而言,这个项目揭示了干净标签中毒攻击在神经网络中的潜在威胁,并提供了对抗这种攻击的解决方案。这有助于进一步加强神经网络模型在面临安全挑战时的鲁棒性,并推动相关领域的研究和技术发展。

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值