9月3日,以“安全+AI”为主题的芯盾时代业务安全解决方案媒体发布会在北京召开,芯盾时代全面诠释了“以人为核心”的业务安全理念,详细介绍了覆盖人与业务交互全流程、场景化的业务安全解决方案。芯盾时代基于零信任安全模型,以人工智能、大数据等技术与业务相融合,助力企业跨越业务安全鸿沟。
借人工智能之力,引领业务安全市场快速发展
随着移动互联网的发展,通过技术实施犯罪案件与日俱增,传统安全防御方式无法有效抵御来自黑灰产的新型风险。而利益的驱动,使得黑灰产迅速壮大,预计业务安全市场潜在需求规模将超千亿。
芯盾时代创始人兼CEO郭晓鹏谈到,企业的传统网络边界正逐渐消失,传统安全防御方式短板明显,需要构建新的边界,防范来自黑灰产的新型风险。业务安全能够帮助企业减少业务欺诈、降低运营成本、减少经济损失。芯盾时代携人工智能等领先技术和深厚的行业经验切入业务安全新蓝海市场,致力与用户共同搭建智能、自适应的业务安全底层基础设施,帮助用户创造价值,实现商业成功。
四年来,芯盾时代基于独特的安全视角,精准击中行业痛点,业绩年复合增长率达近300%。目前,芯盾时代已获得超300家头部标杆客户的高度认可,并且在金融行业已占据业务安全领头地位,为民生银行、北京银行、南京银行、兰州银行、华泰证券、安信证券、中邮保险等200+家金融机构,提供业务安全整体防护体系;与中央网信办、水利部、中国日报、中国移动、中国联通、永辉超市、清华大学、VIPKID等近百家客户通力合作,以零信任安全体系,应对来自外部身份欺诈和内部信息泄露的风险。
截止目前,芯盾时代已累计保护5万亿元金融交易,挽回超40亿元的经济损失,为逾2亿部终端提供业务安全防护。
以敏捷的迭代创新技术能力,贯穿企业内部和外部业务
随着数字化快速推进,企业业务呈现线上化趋势,资深黑产、薅羊毛、基础设施、金融欺诈、信贷欺诈等外部安全威胁和数据泄露、身份欺诈等内部威胁给企业带来高额的业务损失。
芯盾时代联合创始人兼CTO孙悦表示,企业面临来自外部和内部的风险,若仅片面考虑单一维度的业务安全问题,木桶的 “短板”会对业务发展造成极大阻碍,无法有效提升业务的抗风险能力。业务安全的本质需要以人为核心、以业务为主体、以创新技术赋能,打造贯穿企业内部和外部的业务安全闭合体系。
芯盾时代具有敏捷的产品技术创新和迭代能力,实现了人工智能与安全领域前沿技术的融合,以端点核心安全、智能安全大脑、连续自适应认证三大技术体系,形成统一的底层技术能力,大幅提升用户风险决策能力。
目前,芯盾时代已完成四次超5亿的融资,获得红点创投、SIG、云锋基金、宽带资本等知名技术型投资机构持续注资,其关注点与芯盾时代的技术理念和发展路径高度吻合,促成了多方携手,共同推动业务安全市场的快速发展。
对外(ToC)与对内(ToE)场景化方案,获众多权威机构认可
芯盾时代产品市场副总裁杜旭表示,芯盾时代坚持“以人为核心”的业务安全理念,利用多因素认证、智能行为认证、统一身份管理、零信任安全四大产品系列,为用户提供对内和对外业务安全解决方案,构建智能、自适应的业务安全保障体系和高效、安全的企业运营生态。
芯盾时代对外(ToC)业务安全解决方案将用户的数字身份与设备身份、操作行为、历史信誉相结合,通过多因素身份认证(MFA),智能行为认证(IPA)等产品的综合运用,快速发现并处置盗转盗刷、交易欺诈、信贷欺诈、批量注册、薅羊毛等外部业务安全风险。
芯盾时代对内(ToE)业务安全解决方案基于零信任的安全体系,动态调整安全策略,通过统一身份管理(IAM)、连续自适应认证(ECP)、用户行为分析(UEBA)等产品的部署,应对来自外部身份欺诈和内部信息泄露的风险,解决身份、数据、设备、访问等多场景业务安全问题。
芯盾时代在实践中不断提升,与多家金融机构合作,在中国银监会课题评审中荣获一类奖一项、二类奖两项,同年,成为唯一入选Gartner 2018人工智能最佳实践报告的中国安全企业,2019年获得信通院和中国互联网协会授予的“防范治理电信网络诈骗创新示范项目奖”,并因在反欺诈领域的卓越技术和贡献被授予“电信网络诈骗治理支撑与服务单位”。
5G的商用和人工智能等技术的不断成熟,将为产业发展注入更多活力,持续改变人们的工作和生活,数字化互联未来已近在眼前,人是互联网价值的核心。芯盾时代将秉承“以人为核心”的业务安全理念,探索业务智能路径,助力用户成长,为建构安全、智能、可信的互联未来而努力!
好文章,需要你的鼓励
这项研究由浙江大学、复旦大学等机构联合完成,提出了ReVisual-R1模型,通过创新的三阶段训练方法显著提升了多模态大语言模型的推理能力。研究发现优化的纯文本冷启动训练、解决强化学习中的梯度停滞问题、以及分阶段训练策略是关键因素。ReVisual-R1在各类推理基准测试中超越了现有开源模型,甚至在某些任务上超过了商业模型,为多模态推理研究开辟了新途径。
这项研究提出了一种名为"批评式微调"的创新方法,证明仅使用一个问题的批评数据就能显著提升大语言模型的推理能力。研究团队对Qwen和Llama系列模型进行实验,发现这种方法在数学和逻辑推理任务上都取得了显著提升,平均提高15-16个百分点,而且只需要强化学习方法1/20的计算资源。这种简单高效的方法为释放预训练模型的潜在推理能力提供了新途径。
新加坡国立大学研究团队开发了名为IEAP的图像编辑框架,它通过将复杂编辑指令分解为简单原子操作序列解决了当前AI图像编辑的核心难题。研究发现当前模型在处理不改变图像布局的简单编辑时表现出色,但在需要改变图像结构时效果差。IEAP框架定义了五种基本操作,并利用思维链推理技术智能分解用户指令,实验证明其性能显著超越现有方法,尤其在处理复杂多步骤编辑时。
Character AI的研究者开发出TalkingMachines系统,通过自回归扩散模型实现实时音频驱动视频生成。研究将预训练视频模型转变为能进行FaceTime风格对话的虚拟形象系统。核心创新包括:将18B参数的图像到视频DiT模型改造为音频驱动系统、通过蒸馏实现无错误累积的无限长视频生成、优化工程设计降低延迟。系统可让多种风格的虚拟角色与人进行自然对话,嘴型与语音同步,为实时数字人交互技术开辟了新可能。