科技行者 10月25日 北京消息:10月22日,由BlackHat黑帽大會(huì)的主辦方、全球領(lǐng)先的展會(huì)主辦機(jī)構(gòu)Informa Markets主辦的首屆INSEC WORLD成都·世界信息安全大會(huì)在中國(guó)西部國(guó)際博覽城開(kāi)幕,來(lái)自政府機(jī)關(guān)、網(wǎng)絡(luò)安全行業(yè)和媒體行業(yè)的逾1500位專業(yè)人士參與會(huì)議。此次大會(huì)秉承著“信息時(shí)代,安全發(fā)聲”的理念,助推中國(guó)的網(wǎng)絡(luò)信息安全產(chǎn)業(yè)發(fā)展,為成都發(fā)聲。微步在線作為知名網(wǎng)絡(luò)安全企業(yè)參與了本次盛會(huì),創(chuàng)始人、CEO薛鋒入選此次大會(huì)顧問(wèn)團(tuán)成員并登臺(tái)演講。
微步在線薛鋒的演講題目為《網(wǎng)絡(luò)安全走向云化》。薛鋒認(rèn)為,網(wǎng)絡(luò)安全正在出現(xiàn)這幾個(gè)新趨勢(shì):數(shù)據(jù)化、云化、實(shí)戰(zhàn)化、服務(wù)化。但是,現(xiàn)在基礎(chǔ)安全中還存在一些薄弱環(huán)節(jié),如檢測(cè)與響應(yīng)能力的缺失、對(duì)DNS和郵件安全的忽視,以及目前眾包安全存在的局限性。薛鋒表示,目前微步在線的威脅情報(bào)能力以及充分云化,金融、能源、互聯(lián)網(wǎng)、智能制造等行業(yè)中,微步在線安全云正在保護(hù)許多大型企業(yè),通過(guò)威脅檢測(cè)平臺(tái)和安全DNS等產(chǎn)品,補(bǔ)足企業(yè)的檢測(cè)與響應(yīng)能力。
薛鋒還認(rèn)為,威脅情報(bào)的共享不僅僅是從業(yè)者的共識(shí),還將是所有安全人員必須身體力行的事,只有這樣,企業(yè)作為網(wǎng)絡(luò)安全攻防戰(zhàn)中的防守方時(shí),才能對(duì)攻防雙方人力不對(duì)等,時(shí)間不對(duì)等,立場(chǎng)不對(duì)等,資源上不對(duì)等的現(xiàn)狀進(jìn)行突破。“網(wǎng)絡(luò)安全行業(yè)掌握的關(guān)于壞人和威脅的信息遠(yuǎn)遠(yuǎn)不止眾測(cè)或者漏洞,但是目前還沒(méi)有更好的共享機(jī)制。不管是簡(jiǎn)單的IP共享,還是一些更有價(jià)值的攻擊信息的共享,我覺(jué)得大家應(yīng)該參與起來(lái),這是我想呼吁的事情。”薛鋒說(shuō)。
微步在線成立于2015年7月,是專注威脅情報(bào)能力輸出的安全企業(yè),也是國(guó)內(nèi)威脅情報(bào)領(lǐng)軍品牌,提供專業(yè)的威脅檢測(cè)產(chǎn)品與服務(wù)。微步在線從成立初始便專注于威脅情報(bào)領(lǐng)域,積累了深厚的威脅分析能力,已將情報(bào)數(shù)據(jù)能力和分析能力以專業(yè)檢測(cè)設(shè)備/情報(bào)管理產(chǎn)品的方式賦能給客戶,幫助客戶落地威脅情報(bào)能力、建立全方位的威脅監(jiān)控體系。微步在線在2017-2018年多次入選全球網(wǎng)絡(luò)安全500強(qiáng)(CyberSecurity 500),并在2017、2019年連續(xù)兩次成為唯一入選Gartner《全球威脅情報(bào)市場(chǎng)指南》的中國(guó)公司。2019年10月,微步在線入選《紅鯡魚(yú)》雜志社評(píng)選的“紅鯡魚(yú)亞洲100強(qiáng)”榜單。
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。