雅虎出售交易或夭折 Verizon称数据泄露事件影响重大

  Verizon

北京时间10月14日消息,据外媒报道,美国运营商Verizon通讯周四表示,公司有“合理的依据”相信,雅虎电邮账号的大规模数据泄露事件影响重大,可能会让公司撤回对雅虎的48.3亿美元收购提议。

Verizon法律总顾问克雷格·斯利曼(Craig Silliman)周四在华盛顿对记者表示,数据泄露事件可能将触发一项条款,使得公司不完成对雅虎的收购交易。

“我认为,现在我们有合理的依据相信,这一事件影响重大。我们正在研究雅虎是否向我们告知了事件的全面影响,他们是否认为当时不需要向我们展示这些影响,”斯利曼称,他拒绝评论双方是否正在重新磋商收购价格。

雅虎发言人对此表示:“我们对于雅虎的价值抱有信心,将继续推进与Verizon的整合。”

根据双方协议中的一项条款,如果Verizon能够合理地预计一个新事件“会对雅虎业务、资产、物业、运营业绩或财务状况产生重大负面影响”,那么他们就可以撤回交易。

斯利曼称,美国联邦贸易委员会(FTC)已经批准了Verizon对于雅虎的收购交易,但是它还需要获得欧盟委员会的批准。而且,美国证券交易委员会也正在评估这项交易。

他表示,Verizon已经获得了雅虎在这一事件上的初步简报,但是仍需要雅虎提供“重要信息”才能最终确定数据泄露事件的重要性。雅虎称,至少5亿个雅虎账号信息被黑客盗取。

斯利曼称,Verizon正在彻底评估雅虎数据泄露事件,将根据公司预估的事态重要性来决定是否,如何推进收购交易。

雅虎在9月份披露,公司系统在2014年遭到黑客入侵,用户姓名、电邮地址、电话号码、生日、加密密码等信息被盗。

截至周四收盘,雅虎股价下跌1.75%至41.62美元。Verizon股价变化不大,收报于50.29美元,跌幅为0.02%。


本文转自d1net(转载)

  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
目标检测(Object Detection)是计算机视觉领域的一个核心问题,其主要任务是找出像中所有感兴趣的目标(物体),并确定它们的类别和位置。以下是对目标检测的详细阐述: 一、基本概念 目标检测的任务是解决“在哪里?是什么?”的问题,即定位出像中目标的位置并识别出目标的类别。由于各类物体具有不同的外观、形状和姿态,加上成像时光照、遮挡等因素的干扰,目标检测一直是计算机视觉领域最具挑战性的任务之一。 二、核心问题 目标检测涉及以下几个核心问题: 分类问题:判断像中的目标属于哪个类别。 定位问题:确定目标在像中的具体位置。 大小问题:目标可能具有不同的大小。 形状问题:目标可能具有不同的形状。 三、算法分类 基于深度学习的目标检测算法主要分为两大类: Two-stage算法:先进行区域生成(Region Proposal),生成有可能包含待检物体的预选框(Region Proposal),再通过卷积神经网络进行样本分类。常见的Two-stage算法包括R-CNN、Fast R-CNN、Faster R-CNN等。 One-stage算法:不用生成区域提议,直接在网络中提取特征来预测物体分类和位置。常见的One-stage算法包括YOLO系列(YOLOv1、YOLOv2、YOLOv3、YOLOv4、YOLOv5等)、SSD和RetinaNet等。 四、算法原理 以YOLO系列为例,YOLO将目标检测视为回归问题,将输入像一次性划分为多个区域,直接在输出层预测边界框和类别概率。YOLO采用卷积网络来提取特征,使用全连接层来得到预测值。其网络结构通常包含多个卷积层和全连接层,通过卷积层提取像特征,通过全连接层输出预测结果。 五、应用领域 目标检测技术已经广泛应用于各个领域,为人们的生活带来了极大的便利。以下是一些主要的应用领域: 安全监控:在商场、银行
。支持yolov5s,yolov5m,yolov5l.zip目标检测(Object Detection)是计算机视觉领域的一个核心问题,其主要任务是找出像中所有感兴趣的目标(物体),并确定它们的类别和位置。以下是对目标检测的详细阐述: 一、基本概念 目标检测的任务是解决“在哪里?是什么?”的问题,即定位出像中目标的位置并识别出目标的类别。由于各类物体具有不同的外观、形状和姿态,加上成像时光照、遮挡等因素的干扰,目标检测一直是计算机视觉领域最具挑战性的任务之一。 二、核心问题 目标检测涉及以下几个核心问题: 分类问题:判断像中的目标属于哪个类别。 定位问题:确定目标在像中的具体位置。 大小问题:目标可能具有不同的大小。 形状问题:目标可能具有不同的形状。 三、算法分类 基于深度学习的目标检测算法主要分为两大类: Two-stage算法:先进行区域生成(Region Proposal),生成有可能包含待检物体的预选框(Region Proposal),再通过卷积神经网络进行样本分类。常见的Two-stage算法包括R-CNN、Fast R-CNN、Faster R-CNN等。 One-stage算法:不用生成区域提议,直接在网络中提取特征来预测物体分类和位置。常见的One-stage算法包括YOLO系列(YOLOv1、YOLOv2、YOLOv3、YOLOv4、YOLOv5等)、SSD和RetinaNet等。 四、算法原理 以YOLO系列为例,YOLO将目标检测视为回归问题,将输入像一次性划分为多个区域,直接在输出层预测边界框和类别概率。YOLO采用卷积网络来提取特征,使用全连接层来得到预测值。其网络结构通常包含多个卷积层和全连接层,通过卷积层提取像特征,通过全连接层输出预测结果。 五、应用领域 目标检测技术已经广泛应用于各个领域,为人们的生活带来了极大的便利。以下是一些主要的应用领域: 安全监控:在商场、银行
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