市場研究公司Ponemon Institute今天發(fā)布的一份報告顯示,大多數(shù)企業(yè)都在積極向云計算轉(zhuǎn)移,甚至不惜在安全未能得到有效保障的情況下,將機(jī)密或敏感數(shù)據(jù)傳至云端。
報告指出,企業(yè)在向云計算轉(zhuǎn)移速度,遠(yuǎn)超出了企業(yè)云安全環(huán)境承載能力。調(diào)查稱,大多數(shù)被調(diào)查者稱他們已將敏感或機(jī)密數(shù)據(jù)上傳至云端,僅有11%的被調(diào)查者稱他們未將數(shù)據(jù)傳至云端,而且也無上傳計劃。
值得關(guān)注的是,盡管有用戶認(rèn)為云存儲具有一定的潛在安全風(fēng)險,但即使是一些具有更高安全意識的組織或機(jī)構(gòu),同樣也更有可能將敏感或機(jī)密數(shù)據(jù)傳至云端。
調(diào)查顯示,大多數(shù)認(rèn)為IaaS或PaaS類型的云服務(wù)器應(yīng)對用戶數(shù)據(jù)安全負(fù)有主要責(zé)任,22%的受訪者認(rèn)為上述服務(wù)器應(yīng)單獨承擔(dān)數(shù)據(jù)安全責(zé)任,19%的被調(diào)查者認(rèn)為SaaS服務(wù)器也應(yīng)共同承擔(dān)數(shù)據(jù)安全責(zé)任。
報告指出,云端服務(wù)器即使用了加密技術(shù),但仍無法抵御像“心臟滴血”蠕蟲入侵。理想的解決方案是,采用一個可以從數(shù)據(jù)內(nèi)部執(zhí)行加密、且不暴露外環(huán)境下的“硬件安全模塊”設(shè)備。
這份報告在美國、英國、德國、法國、澳大利亞、日本、巴西和俄羅斯等國市場展開,共對4275名商務(wù)及IT經(jīng)理進(jìn)行了采訪。
好文章,需要你的鼓勵
新加坡國立大學(xué)研究團(tuán)隊開發(fā)了SPIRAL框架,通過讓AI與自己對弈零和游戲來提升推理能力。實驗顯示,僅訓(xùn)練AI玩簡單撲克游戲就能讓其數(shù)學(xué)推理能力提升8.6%,通用推理提升8.4%,且無需任何數(shù)學(xué)題目作為訓(xùn)練材料。研究發(fā)現(xiàn)游戲中的三種推理模式能成功轉(zhuǎn)移到數(shù)學(xué)解題中,為AI訓(xùn)練提供了新思路。
同濟(jì)大學(xué)團(tuán)隊開發(fā)的GIGA-ToF技術(shù)通過融合多幀圖像的"圖結(jié)構(gòu)"信息,創(chuàng)新性地解決了3D相機(jī)噪聲問題。該技術(shù)利用圖像間的不變幾何關(guān)系,結(jié)合深度學(xué)習(xí)和數(shù)學(xué)優(yōu)化方法,在合成數(shù)據(jù)集上實現(xiàn)37.9%的精度提升,并在真實設(shè)備上展現(xiàn)出色泛化能力,為機(jī)器人、AR和自動駕駛等領(lǐng)域提供更可靠的3D視覺解決方案。
伊利諾伊大學(xué)研究團(tuán)隊通過對比實驗發(fā)現(xiàn),經(jīng)過強(qiáng)化學(xué)習(xí)訓(xùn)練的視覺語言模型雖然表現(xiàn)出"頓悟時刻"現(xiàn)象,但這些自我糾錯行為并不能實際提升推理準(zhǔn)確率。研究揭示了AI模型存在"生成-驗證差距",即生成答案的能力強(qiáng)于驗證答案質(zhì)量的能力,且模型在自我驗證時無法有效利用視覺信息,為AI多模態(tài)推理發(fā)展提供了重要啟示。
MIT等頂尖機(jī)構(gòu)聯(lián)合提出SparseLoRA技術(shù),通過動態(tài)稀疏性實現(xiàn)大語言模型訓(xùn)練加速1.6倍,計算成本降低2.2倍。該方法使用SVD稀疏性估計器智能選擇重要計算部分,在保持模型性能的同時顯著提升訓(xùn)練效率,已在多個任務(wù)上驗證有效性。