如今黑客攻击和网络犯罪消息频发,几乎与天气预报一样司空见惯,可靠的IT和数据安全性因此在政府、企业乃至家庭等所有生活领域中都至关重要。未来一年,安全问题更为重要,这也是将于2018年6月举行的全新CEBIT的主题之一。
CEBIT的理念与当前的行业思想产生共鸣。例如,德国联邦信息安全办公室(BSI)在其关于德国信息技术安全状况的最新报告中,将数据安全描述为“数字化成功的基石”。此外,德国国家信息和网络安全项目组(NIFIS)最近的一项调查显示,95%的IT专家和IT安全专家预计,2018年人们的数据保护和安全问题意识将日益增强。
但是,IT安全问题之一就是许多用户缺乏必要的技能或专业知识。德国知名IT协会——德国信息产业、电信和新媒体协会(Bitkom)最近的一项调查指出,88%的电脑用户为了保障安全做出了一些努力,但只有三分之一的人相信他们掌握了有效的技术知识。
CEBIT的理念与当前的行业思想产生共鸣。例如,德国联邦信息安全办公室(BSI)在其关于德国信息技术安全状况的最新报告中,将数据安全描述为“数字化成功的基石”。此外,德国国家信息和网络安全项目组(NIFIS)最近的一项调查显示,95%的IT专家和IT安全专家预计,2018年人们的数据保护和安全问题意识将日益增强。但是,IT安全问题之一就是许多用户缺乏必要的技能或专业知识。德国知名IT协会——德国信息产业、电信和新媒体协会(Bitkom)最近的一项调查指出,88%的电脑用户为了保障安全做出了一些努力,但只有三分之一的人相信他们掌握了有效的技术知识。
在此背景下,CEBIT的使命是宣传、推广和帮助实施适当的安全措施。对于大中型企业的安全管理人员和IT专业人员,以及来自小型企业和初创企业的董事和IT用户而言,CEBIT是了解检测网络攻击以及设置IT安全系统所需工具和策略的良机。CEBIT将举办专家论坛,专家们借此分享关于欧盟《一般数据保护条例》(GDPR)的最佳实践和见解。此外,还将举办专门针对中小型企业的高效、经济的IT安全解决方案展示活动。
2018年,CEBIT的IT安全展示除常规展区之外,还将设立多个演讲台,各位专家将通过每天的演讲,从多个角度探讨IT安全中的关键问题,涵盖从实际操作到愿景描述。
12号和13号馆的专家专场制定了丰富多彩的活动计划,包括安全展示和个人安全技术演示。探讨的主题和问题囊括金融科技公司的IT安全,以及物联网和人工智能的安全影响。主要内容也涉及一系列安全问题认识讲座,将围绕员工使用公司数据和设备等问题展开。这些讲座旨在为观众提供有关提高IT安全性的实用信息。
本次展会邀请了大批着名演讲嘉宾,其中渗透测试人员和IT安全专家塞巴斯蒂安·施莱伯(Sebastian Schreiber)将阐述黑客的工作方法,并以其白帽黑客的身份为例,介绍如何揭露安全漏洞。Schreiber同时对未来表示担忧,“IT系统使用率越高,我们对它的依赖性就越强。最终,一个全能的IT系统将用于运行整个地球,并不断受到世界各地黑客的操纵和滥用。”
与此同时,12号馆的核心专场将聚焦新兴网络威胁。此外,还将重点讨论欧洲的网络安全战略以及IT安全的日益重要性。
世界闻名的演讲嘉宾将在核心专场中轮番上阵,发表精彩演说。芬兰IT安全公司F-Secure的首席研究官米戈·希伯能(Mikko Hypponen)将论述潜在网络攻击以及相关防范措施。希伯能对“智能”物联网具有强烈的兴趣,他还在F-Secure的安全洞见(Safe and Savvy)博客上指出,所有IT安全漏洞都来源于一个基本的计算事实:“可以编程的东西就可能被黑客入侵。”
好文章,需要你的鼓励
Meta以143亿美元投资Scale AI,获得49%股份,这是该公司在AI竞赛中最重要的战略举措。该交易解决了Meta在AI发展中面临的核心挑战:获取高质量训练数据。Scale AI创始人王亚历山大将加入Meta领导新的超级智能研究实验室。此次投资使Meta获得了Scale AI在全球的数据标注服务,包括图像、文本和视频处理能力,同时限制了竞争对手的数据获取渠道。
清华大学团队开发了CAMS智能框架,这是首个将城市知识大模型与智能体技术结合的人类移动模拟系统。该系统仅需用户基本信息就能在真实城市中生成逼真的日常轨迹,通过三个核心模块实现了个体行为模式提取、城市空间知识生成和轨迹优化。实验表明CAMS在多项指标上显著优于现有方法,为城市规划、交通管理等领域提供了强大工具。
欧洲太空通信产业发展迅猛。乌克兰Kyivstar获得监管批准测试Starlink直连手机服务,完成了与星链卫星网络的SIM卡集成测试,计划2025年第四季度推出支持短信和OTT消息的D2C服务。同时,CTO宣布即将发射首个再生5G毫米波载荷,其J-1任务旨在演示轨道超高速低延迟5G传输。该公司正构建超低轨道星座,使用5G毫米波频谱提供高速低延迟连接。
MIT研究团队发现了一个颠覆性的AI训练方法:那些通常被丢弃的模糊、失真的"垃圾"图片,竟然能够训练出比传统方法更优秀的AI模型。他们开发的Ambient Diffusion Omni框架通过智能识别何时使用何种质量的数据,不仅在ImageNet等权威测试中创造新纪录,还为解决AI发展的数据瓶颈问题开辟了全新道路。