至顶网网络与安全频道 11月18日 综合消息: 网络安全解决方案提供商 CheckPoint 软件技术有限公司(纳斯达克股票代码:CHKP)近日宣布推出全新物联网网络安全技术。 Check Point 通过收购位于特拉维夫的初创公司 Cymplify,首次开创性地发布了可增强和保护物联网设备固件的综合性安全解决方案,助力业内抵御最复杂的网络攻击。这项新技术将被集成到 Check Point 的 Infinity 架构中。
物联网设备在消费、商业、工业和医疗卫生领域的普及加之其固有的安全隐患为网络罪犯带来了可乘之机,他们通过发起第五代和第六代网络攻击来入侵设备(网络摄像头监控)、操纵设备的运行(医疗设备渗透),甚至控制重要基础设施(制造工厂)蓄意进行大规模破坏。
而这项技术无疑为网络摄像头、智能电视、电梯控制器或医疗设备(比如输液泵)添加了一层防护网,能够迅速抵御包括高级零日攻击在内的复杂威胁。
Check Point 产品副总裁 Dorit Dor 博士表示:“新技术的发布反映了我们致力于持续为所有数字平台提供一流的网络安全的决心。第五代和第六代网络威胁将目光瞄准了不断增多的新平台和正在开发的平台,包括物联网设备。因此,扩展网络安全解决方案的功能成为了当务之急。Cymplify 与 Check Point Infinity 架构的集成将增强我们的安全防护能力,帮助客户减少物联网网络风险敞口,并在不中断关键业务的情况下前瞻性地处理相关威胁和漏洞。”
好文章,需要你的鼓励
这项由加州大学圣地亚哥分校和微软研究院合作开发的REAL框架,通过程序分析反馈训练大型语言模型生成高质量代码。与传统方法不同,REAL采用强化学习将代码安全性和可维护性作为奖励信号,不依赖人工标注或特定规则。研究在多个数据集上的实验表明,REAL在保证功能正确性的同时显著提高了代码质量,有效解决了"即兴编程"中的安全漏洞和维护性问题,为AI辅助编程提供了新的范式。
加州大学伯克利分校与Meta FAIR研究团队开发了"Self-Challenging"框架,让大语言模型通过自己创建和解决任务来提升能力。该方法引入创新的"Code-as-Task"格式,包含指令、验证函数、示例解决方案和失败案例,确保生成的任务既可行又有挑战性。在工具计算、网页浏览、零售服务和航班预订四种环境测试中,仅使用自生成训练数据,Llama-3.1-8B模型性能提升了两倍多,证明AI可以通过自我挑战实现有效学习,减少对人类标注的依赖。
南洋理工大学与SenseTime Research合作提出了PoseFuse3D-KI,一种创新的人体中心关键帧插值框架。该方法将3D人体模型信息融入扩散过程,解决了现有技术在处理复杂人体动作时产生扭曲结果的问题。研究团队开发了专门的SMPL-X编码器直接从3D空间提取几何信息,并设计了融合网络将3D线索与2D姿态无缝整合。他们还构建了CHKI-Video数据集,包含2,614个视频片段及完整的人体标注。实验结果显示,PoseFuse3D-KI在PSNR上提升9%,LPIPS减少38%,显著超越现有方法。
这项研究提出了LongGuide算法,解决了大型语言模型在长文本生成任务中的局限性。研究团队发现,仅依靠上下文学习无法使模型充分掌握文本的语言和格式特性。LongGuide通过自动生成两种指导原则:度量指导原则和输出约束指导原则,显著提升了模型性能。在七种长文本生成任务中,该方法使开源和闭源模型的ROUGE-L评分平均提高约6%。LongGuide具有通用性强、易于学习、成本效益高等优点,为提升AI长文本生成能力提供了新方向。