至顶网网络与安全频道 10月21日 综合消息: 2019年10月21日,网络安全解决方案提供商 Check Point® 软件技术有限公司(纳斯达克股票代码:CHKP)宣布推出面向中小型企业 (SMB) 的全新 1500 系列安全网关。两款新的 SMB 设备为抵御最复杂的第五代网络攻击树立了新标杆,并提供了无与伦比的轻松部署和管理体验。
2019 年 Verizon 数据泄露调查报告显示,43% 的数据泄露受害者是小型企业,在对中小型企业发起的攻击尝试中,有 63% 获得了成功。波耐蒙研究所报告显示,中小型企业遭遇网络攻击所蒙受的中断损失将超过 100 万美元,这可能对组织产生毁灭性影响。
1550 和 1590 网关均由 Check Point 的 R80 版本提供支持。R80 是业内最先进的安全管理软件,并具有新一代多层防护功能,可使用屡获殊荣的 SandBlast™ 零日保护技术及杀毒、防 Bot、IPS、应用控制、URL 过滤与身份感知来防范已知威胁和零日攻击。
全新 1500 系列为中小企业提供企业级安全性:
-NSS 实验室最近执行的漏洞防御系统 (BPS) 小组测试所示,实现了 100% 的电子邮件和 Web 恶意软件防护率、漏洞利用拦截率和感染后捕获率
-与前几代相比,性能提升 2 倍多。1550 网关能够提供 450Mbps 的威胁防御性能,1590 网关可提供 660Mbps
-1550 提供的最大防火墙吞吐量为 2Gbps,1590 提供的最大防火墙吞吐量为 4Gbps
-1550 采用六个 1GbE 端口,而 1590 具有十个 1GbE 端口,二者均配有专为 LTE 和 5G 而构建的 Wi-Fi 和集成式蜂窝调制解调器
-Check Point WatchTower 移动应用支持 IT 人员监控其网络,并通过移动设备随时随地快速规避安全威胁
-即开即用式零接触配置支持在一分钟内完成设置
-物联网设备发现与识别可准确定义安全策略。
自 2020 年 5 月 30 日起,Check Point 将停止销售以下安全网关型号:730、750、770、790、1430、1450、1470 及 1490 有线和无线设备(VDSL 除外)。
好文章,需要你的鼓励
来自香港科技大学和MiniMax的研究团队开发了SynLogic,一个可合成35种逻辑推理任务的框架与数据集,填补了AI逻辑训练资源缺口。研究表明,在SynLogic上进行强化学习训练显著提升了模型逻辑推理能力,32B模型在BBEH测试中超越了DeepSeek-R1-Distill模型6个百分点。更值得注意的是,将SynLogic与数学和编程数据混合训练不仅提高了这些领域的学习效率,还增强了模型的泛化能力,表明逻辑推理是构建通用AI推理能力的重要基础。
这项研究揭示了大型语言模型的惊人能力:只需两个特殊训练的向量,冻结的语言模型就能在一次计算中生成数百个准确词汇,而非传统的逐词生成。研究者发现,这种能力要求特定的输入排列方式,且生成速度比自回归方法快约279倍。这一发现不仅展示了语言模型未被充分探索的并行生成潜力,还为快速文本重建开辟了新方向。
腾讯混元团队提出的"ConciseR"是一种通过两阶段强化学习实现大模型简洁推理的新方法。研究遵循"先走后跑"原则,先确保模型具备准确推理能力,再优化输出简洁性。第一阶段通过改进的群体相对策略优化(GRPO++)提升推理能力,第二阶段通过长度感知的群体相对策略优化(L-GRPO)减少输出长度。实验结果显示,该方法在AIME、MATH-500等多个基准测试中既减少了输出长度(平均20%以上),又保持或提高了准确率,展现出高效率-高准确率的理想平衡。
这项由香港科技大学团队开展的研究首次全面评估了压缩对大语言模型Agent能力的影响。研究发现,虽然4位量化能较好地保留工作流生成和工具使用能力(仅下降1%-3%),但在实际应用中性能下降达10%-15%。团队提出的ACBench基准测试横跨工具使用、工作流生成、长文本理解和实际应用四大能力,评估了不同压缩方法对15种模型的影响。结果显示,AWQ量化效果最佳,蒸馏模型在Agent任务上表现不佳,大型模型对压缩更具韧性。研究还提出ERank等创新分析方法,为实际部署提供了切实指导。