至顶网网络与安全频道 12月09日 综合消息: 近日,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)宣布集成 CloudGuard Log.ic 与 Amazon Detective,后者是一项来自 Amazon Web Services (AWS) 的安全服务,支持轻松分析、调查和快速识别安全问题或可疑活动的根本原因。CloudGuard Log.ic 与 Amazon Detective 相辅相成,能够针对潜在安全事件为客户提供云安全情报、分析和简单的视图。
如今,安全专员很难为云中的安全事件建立情境,尤其是当相关事件数据规模庞大且又分散四处时。根据近日波耐蒙研究所发布的《IBM 安全报告》,2019 年检测网络安全事件平均用时 206 天,如果发生数据泄露,则平均再需要 73 天才能有效控制。Amazon Detective 和 CloudGuard Log.ic 强强联手,能够通过将客户安全状态和云攻击面图形化来提供有意义的情境,从而帮助缩短事件响应时间。例如,安全专员可以使用 Amazon Detective 和 ClougGuard Log.ic 对攻击者试图访问云中敏感数据的异常行为进行可视化。
借助 Check Point CloudGuard Log.ic 自动化机器学习功能和 Amazon Detective 威胁搜寻功能,客户现在可以通过提供情境信息辅助事件响应流程处理,获得有关云流量合规性问题和违规事件的重要警报,并展开大规模调查。
Check Point 软件技术公司云产品线负责人 Zohar Alon 表示:“Amazon Detective 和 CloudGuard Log.ic 支持客户更快速地检测一些最严重的云安全问题,并通过机器学习帮助事件响应人员快速找到云环境中潜在风险的前因后果。”
Amazon Web Services,Inc. 安全服务副总裁 Dan Plastina 表示:“我们很高兴与 Check Point Cloud Guard Log.ic 达成合作。此次集成可帮助安全专员进一步完善对云安全状态的管理,并深入洞察云中的潜在网络攻击。现在,客户可以获得一个更全面的威胁态势视图,同时显著缩短云端的事件响应时间。”
此外,双方还在本周 AWS re:Invent 2019 大会上宣布集成 CloudGuard IaaS 与 Amazon VPC Ingress Routing,这有助于客户更灵活地控制流量和检查。
好文章,需要你的鼓励
这项研究提出了ORV(占用中心机器人视频生成)框架,利用4D语义占用作为中间表示来生成高质量的机器人操作视频。与传统方法相比,ORV能提供更精确的语义和几何指导,实现更高的时间一致性和控制精度。该框架还支持多视角视频生成(ORV-MV)和模拟到真实的转换(ORV-S2R),有效弥合了虚拟与现实之间的差距。实验结果表明,ORV在多个数据集上的表现始终优于现有方法,为机器人学习和模拟提供了强大工具。
这项研究由Writer公司团队开发的"反思、重试、奖励"机制,通过强化学习教导大型语言模型生成更有效的自我反思内容。当模型回答错误时,它会生成反思并二次尝试,若成功则奖励反思过程。实验表明,该方法在函数调用和数学方程解题上带来显著提升,最高分别改善18.1%和34.7%。令人惊讶的是,经训练的小模型甚至超越了同家族10倍大的模型,且几乎不存在灾难性遗忘问题。这种自我改进技术为资源受限环境下的AI应用开辟了新方向。
FuseLIP是一项突破性研究,提出了通过早期融合离散标记实现多模态嵌入的新方法。与传统CLIP模型使用独立编码器不同,FuseLIP采用单一编码器同时处理图像和文本标记,实现了更自然的模态交互。研究证明,这种早期融合方法在多种多模态任务上表现优异,特别是在需要理解图像结构而非仅语义内容的任务上。研究还开发了创新的数据集和评估任务,为多模态嵌入研究提供了宝贵资源。
ByteDance与浙江大学合作开发的MERIT是首个专为多语言多条件语义检索设计的基准数据集,包含320,000条跨5种语言的查询和135,000个产品。研究发现现有模型在处理多条件查询时过度关注全局语义而忽略特定条件元素,为此提出CORAL框架,通过嵌入重建和对比学习相结合的方式,使检索性能提升45.9%。这项研究不仅识别了现有方法的关键局限性,还为多条件交错语义检索领域的未来研究奠定了基础。