6月4日上午北京消息,在第七屆中國(guó)云計(jì)算大會(huì)上,360公司技術(shù)副總裁、首席隱私官譚曉生進(jìn)行了360在云計(jì)算方面的實(shí)踐經(jīng)驗(yàn)分享。他的演講題目為《云計(jì)算大數(shù)據(jù)應(yīng)用實(shí)踐分享之三:360云計(jì)算的安全與大數(shù)據(jù)應(yīng)用》。
360公司技術(shù)副總裁、首席隱私官 譚曉生
首先,譚曉生提及,我們處在一個(gè)變革的時(shí)代,信息安全面臨重大考驗(yàn)。企業(yè)的IT格局也相應(yīng)的在發(fā)生變化。今天越來(lái)越多的傳統(tǒng)企業(yè)選擇互聯(lián)網(wǎng)IT的產(chǎn)業(yè)架構(gòu),隨著信息化程度和計(jì)算能力的增強(qiáng),越來(lái)越多的企業(yè)也選擇將數(shù)據(jù)放在云服務(wù)器上。正如馬云所言,我們已經(jīng)進(jìn)入TB時(shí)代。目前存在的主要問(wèn)題是,數(shù)據(jù)成了很容易被篡改的目標(biāo)。而且,傳統(tǒng)的網(wǎng)管將網(wǎng)線拔掉的那種管控思維已經(jīng)落后了。
所以,云計(jì)算的安全管控就成為了一個(gè)重要問(wèn)題,也就是說(shuō)傳統(tǒng)的IT系統(tǒng)面臨主要的安全挑戰(zhàn)。譚曉生主要分享了幾個(gè)應(yīng)對(duì)思路。一是進(jìn)行縱深防御。這個(gè)思路主要是將城墻防御轉(zhuǎn)變?yōu)橄到y(tǒng)防御,也就是所謂的塔斯防御。“我在前面知道攻擊者來(lái)了,并且知道攻擊過(guò)程中層層防御消耗進(jìn)攻力量,甚至有機(jī)會(huì)可以去反致。”譚曉生說(shuō)。二是關(guān)注數(shù)據(jù)安全,也就說(shuō)需要做最壞的打算,數(shù)據(jù)的防御是很有必要的,因?yàn)?ldquo;你沒(méi)有被攻破只是因?yàn)闀r(shí)間和概率問(wèn)題。”
具體的做法是:第一,對(duì)宿主機(jī)OS安全加固。第二,對(duì)VMM進(jìn)行安全防護(hù),不管是KVM還是VMWARE等,只要在管理系統(tǒng)內(nèi)存在漏洞,都需要進(jìn)行加固。
此外,譚曉生表示:云計(jì)算不是自主可控的。無(wú)論是對(duì)服務(wù)商還是對(duì)租戶(hù)而言,在云計(jì)算安全還需做出努力。“任何一個(gè)公司安全能力再?gòu)?qiáng),你獲取資源都是有限的”而“安全是一個(gè)7乘24無(wú)休需要止處理的問(wèn)題。
因此,譚曉生提出在云安全上的思路不應(yīng)該是云廝殺,而應(yīng)該是云共贏,他預(yù)測(cè)”在中國(guó)云服務(wù)弄不好又走到零和博弈的狀態(tài)”,但是“不管是華為還是阿里我覺(jué)得沒(méi)有一家企業(yè)能夠掌控從云計(jì)算的基礎(chǔ)到安全到各個(gè)應(yīng)用方面的威脅。”因?yàn)?ldquo;安全是市場(chǎng)里所有的敵人“所以”大家應(yīng)該聯(lián)合起來(lái)共同抵御云計(jì)算安全問(wèn)題。”
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(kāi)發(fā)了SPIRAL框架,通過(guò)讓AI與自己對(duì)弈零和游戲來(lái)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(wú)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(kāi)發(fā)的GIGA-ToF技術(shù)通過(guò)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(wèn)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(jué)解決方案。
伊利諾伊大學(xué)研究團(tuán)隊(duì)通過(guò)對(duì)比實(shí)驗(yàn)發(fā)現(xiàn),經(jīng)過(guò)強(qiáng)化學(xué)習(xí)訓(xùn)練的視覺(jué)語(yǔ)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(wú)法有效利用視覺(jué)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(guò)動(dòng)態(tài)稀疏性實(shí)現(xiàn)大語(yǔ)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。