攻擊。
近年來,越來越頻繁的DDoS攻擊,給海內(nèi)外的運(yùn)營(yíng)商和企業(yè)業(yè)務(wù)帶來巨大安全挑戰(zhàn)。最嚴(yán)重的一次在2013年3月,歐洲遭遇了史上最大的DDoS攻擊,達(dá)300Gbps。然而,傳統(tǒng)的“引流回注”清洗方案已無法抵御,帶著300G的攻擊流量在整個(gè)歐洲網(wǎng)絡(luò)中穿行尋找清洗點(diǎn), 最后導(dǎo)致整個(gè)歐洲的運(yùn)營(yíng)商網(wǎng)絡(luò)的擁塞。
在這件安全事故里,中國(guó)也未能幸免。數(shù)據(jù)顯示,上海聯(lián)通服務(wù)的企業(yè)客戶超47000家,攻擊造成的業(yè)務(wù)中斷將給企業(yè)帶來巨大經(jīng)濟(jì)損失。因此,為了杜絕類似事件的發(fā)生,上海聯(lián)通選擇與華為合作,尋求有效解決方案。
DDoS云清洗服務(wù)產(chǎn)品采用華為基于SDN技術(shù)的Anti-DDoS云清洗方案,不同于傳統(tǒng)的“引流回注”清洗方案,它無需帶著攻擊流量在整個(gè)網(wǎng)絡(luò)中穿行,而是利用SDN感知方式進(jìn)行最優(yōu)資源調(diào)度,從攻擊源頭上抵御DDoS。
不僅如此,該產(chǎn)品利用大數(shù)據(jù)分析技術(shù),從60多種維度對(duì)全網(wǎng)絡(luò)流量進(jìn)行精細(xì)化分析,一旦流量出現(xiàn)異常,將在2秒級(jí)內(nèi)快速響應(yīng),支持SDN感知方式,通過優(yōu)化資源調(diào)度實(shí)現(xiàn)云端清洗。
在華為安全產(chǎn)品和技術(shù)團(tuán)隊(duì)的支撐下,上海聯(lián)通已經(jīng)成功開展DDoS云清洗服務(wù)增值業(yè)務(wù),自業(yè)務(wù)上線以來,上海聯(lián)通每年防護(hù)DDoS數(shù)萬次,且服務(wù)模式不斷創(chuàng)新。
上海聯(lián)通產(chǎn)品管理中心產(chǎn)品總監(jiān)魏尚俊指出,運(yùn)營(yíng)過程中,上海聯(lián)通對(duì)華為的Anti-DDoS解決方案積累了一套熟練的運(yùn)營(yíng)經(jīng)驗(yàn),如:提供大客戶安全攻防報(bào)表推送、大客戶攻防演練等更服務(wù),讓客戶不斷增加安全防護(hù)意識(shí)。
上海聯(lián)通產(chǎn)品管理中心產(chǎn)品總監(jiān)魏尚俊
魏尚俊回憶,在一次客戶參與的攻防演練中,客戶故意在2G的流量中混合了2M的攻擊流量,云清洗居然能快速響應(yīng)、精準(zhǔn)清洗,客戶都為此信服不已。
面對(duì)日趨兇猛的DDoS攻擊,華為也在不斷優(yōu)化和升級(jí)其產(chǎn)品方案。華為企業(yè)網(wǎng)絡(luò)產(chǎn)品線副總裁劉立柱表示,華為安全產(chǎn)品團(tuán)隊(duì)一直致力于為客戶提供最優(yōu)的Anti-DDoS安全解決方案:
一是從自身的硬件設(shè)備上不斷提升處理能力;二是在解決方案上逐漸轉(zhuǎn)向SDN感知的方式,在攻擊源頭上實(shí)現(xiàn)動(dòng)態(tài)分布式的DDoS防御;三是面對(duì)聯(lián)通運(yùn)營(yíng)規(guī)模的不斷擴(kuò)大,應(yīng)急響應(yīng)量的增加,華為同聯(lián)通將進(jìn)行更深入的合作,包括提供安全業(yè)務(wù)規(guī)劃咨詢、應(yīng)急響應(yīng)服務(wù)等,為聯(lián)通的企業(yè)客戶提供更加貼身和快速響應(yīng)的安全防護(hù)方案。
好文章,需要你的鼓勵(lì)
新加坡國(guó)立大學(xué)研究團(tuán)隊(duì)開發(fā)了SPIRAL框架,通過讓AI與自己對(duì)弈零和游戲來提升推理能力。實(shí)驗(yàn)顯示,僅訓(xùn)練AI玩簡(jiǎn)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(duì)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(shí)現(xiàn)37.9%的精度提升,并在真實(shí)設(shè)備上展現(xiàn)出色泛化能力,為機(jī)器人、AR和自動(dòng)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(duì)通過對(duì)比實(shí)驗(yàn)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(shí)刻"現(xiàn)象,但這些自我糾錯(cuò)行為并不能實(shí)際提升推理準(zhǔn)確率。研究揭示了AI模型存在"生成-驗(yàn)證差距",即生成答案的能力強(qiáng)于驗(yàn)證答案質(zhì)量的能力,且模型在自我驗(yàn)證時(shí)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(dòng)態(tài)稀疏性實(shí)現(xiàn)大語言模型訓(xùn)練加速1.6倍,計(jì)算成本降低2.2倍。該方法使用SVD稀疏性估計(jì)器智能選擇重要計(jì)算部分,在保持模型性能的同時(shí)顯著提升訓(xùn)練效率,已在多個(gè)任務(wù)上驗(yàn)證有效性。