至顶网网络与安全频道 09月08日 编译:Palo Alto Networks正在涉足快速增长的互联设备安全市场,收购了斯坦福大学孵化的初创公司Zingbox,该公司可以利用机器学习来检测黑客企图。
这次收购金额为7500万美元。此前,Palo Alto Networks在5月份进行了另外两笔对初创公司的收购,总金额超过4.1亿美元。更早些时候,Palo Alto Networks以5.6亿美元收购了Demisto。
Palo Alto Networks通过收购Zingbox将获得一套名为IoT Guardian的工具,让企业可以为联网设备提供多层安全性。该套件是基于一种威胁检测引擎构建的,该引擎使用机器学习来发现可疑行为。该套件会学习企业系统是是如何在端点出现可能由于数据泄露而导致的异常活动模式时发出警报。
该套件中的其他工具是相互补充的,其中一项名为Vigil的服务,如果其他具有类似设备的Zingbox客户成为黑客的目标,它就会向发出警报。还有一个微细分工具,允许管理员限制系统之间的通信,这有助于控制黑客以某种方式破坏网络所带来的损失。
Zingbox声称正在为医疗和制造等行业企业组织的1100多万台设备提供保护,作为这次收购的一部分这些客户将转移到Palo Alto Networks,尽管Palo Alto Networks似乎对Zingbox的技术更感兴趣。
Palo Alto Networks计划将IoT Guardian与自己的Next-Generation Firewall和Cortex威胁检测服务进行集成。如果一切按计划进行,这次收购将在该季度晚些时候完成,到时候Zingbox的工具将继续单独提供给客户。
“通过收购Zingbox,我们将为我们的Next-Generation Firewall和Cortex平台提供一流的订阅服务,使客户能够大规模地实现对联网设备的控制、可见性和安全性,” Palo Alto Networks首席执行官Nikesh Arora在声明中这样表示。
在公布这次收购之前,Palo Alto Networks刚刚发布了第四季度财报,结果显示该季度的盈利超出了预期。该季度Palo Alto Networks收入8.058亿美元,亏损2080万美元,高于去年同期的6.585亿美元,略高于分析师的预期。经非重复项目调整之后,每股收益也超过预期,每股收益为1.47美元,而Zacks的预期为1.42美元。
由于业绩强劲以及整体股市大幅上涨,Palo Alto Networks当日股价上涨约6%。
好文章,需要你的鼓励
香港中文大学与华为诺亚方舟实验室合作开发了PreMoe框架,解决了大型混合专家模型(MoE)在内存受限设备上的部署难题。研究团队发现MoE模型中的专家表现出明显的任务专业化特征,据此提出了概率专家精简(PEP)和任务自适应专家检索(TAER)两大核心技术。实验证明,DeepSeek-R1 671B模型在精简50%专家后仍保持97.2%的MATH500准确率,内存需求降至688GB;而更激进的精简方案(减少87.5%专家)也能保持72.0%的准确率。该方法适用于多种MoE架构,为强大AI系统的广泛部署铺平了道路。
SCIENCEBOARD是一项开创性研究,旨在评估多模态自主智能体在真实科学工作流中的表现。研究团队构建了一个包含169个高质量任务的基准测试,涵盖生物化学、天文学等六个科学领域,并开发了一个真实环境让智能体通过CLI或GUI接口与科学软件交互。实验评估表明,即使是最先进的模型在这些复杂科学任务上的成功率也仅为15%,远低于人类表现,揭示了当前技术的局限性并为未来科学智能体的发展提供了宝贵见解。
帝国理工学院的研究团队开发了AlphaMed,这是首个仅通过极简规则强化学习就能培养医疗推理能力的AI模型,无需依赖传统的思维链示范数据。通过分析数据信息丰富度和难度分布的影响,研究发现高信息量的医疗问答数据是推理能力的关键驱动因素。AlphaMed在六个医疗问答基准上取得了领先成绩,甚至超越了更大的封闭源模型,同时展现出自发的步骤推理能力,为医疗AI发展提供了更加开放、高效的新路径。
Alita是一种新型通用AI代理系统,采用极简设计理念,以"最小预定义,最大自我进化"为原则构建。由普林斯顿大学等多家机构研究团队开发的Alita,只配备一个核心能力和少量通用模块,能自主创建所需工具并重用为模型上下文协议(MCPs)。实验显示,Alita在GAIA基准测试上达到87.27%的通过率,超越包括OpenAI Deep Research在内的复杂系统,证明简约设计可带来卓越性能。