至顶网网络与安全频道 12月13日 编译:在完成上一次收购不到两个月之后,Fortinet又宣布将收购CyberSponse。总部位于弗吉尼亚州阿灵顿的CyberSponse致力于为那些部署了大量违规预防系统的企业简化操作。
CyberSponse的CyOPs平台可以从多个安全工具中提取警报,并在集中界面中组织数据,这样管理员在调查某个威胁时不必在应用之间不断切换。诸如过滤冗余警报之类的任务都是自动完成的。
CyOP集成了325多种外部安全工具和技术。此外,CyberSponse提供了约200种自动工作流模型,让该平台可以在某些情况下自行响应威胁。例如,CyOP可以根据已知恶意地址数据库检查外部Web请求来源的IP地址,如果匹配则阻止该请求并通知安全团队。
CyOPs去年被美国网络战指挥部选中,为部分安全行动提供支持。自9年前成立以来,CyberSponse已经筹集了超过700万美元的股权和债务融资。
我们尚不清楚CyberSponse投资者将通过这次收购如何最好地退出,因为CyberSponse没有对外透露任何财务条款信息。Fortinet计划把CyOP集成到自己的Security Fabric产品套件中,该套件包括防火墙、漏洞检测和联网设备保护等功能。
Fortinet首席执行官Ken Xie表示:“企业部署的安全工具数量越来越多,带来了操作上的复杂性,让企业组织更容易遭到入侵,”他补充说,CyberSponse的集中式安全功能将让企业客户能够预防漏洞对流程实施标准化和扩展。
Fortinet并不是今年唯一一家大举收购的主流安全厂商。Palo Alto Networks在今年斥资15亿美元收购了5家初创公司,最近一次是以1.5亿美元价格收购了云细分市场厂商Aporeto。
今年网络安全市场的并购交易数量全面增加。据Forrester Research估计,2019年该领域的交易额将达到170亿美元,并且2020年还将持续下去。这个趋势,再加上不少安全初创公司通过融资获得了更多资金,反映出该市场的收入快速增长:Data Corp预计,全球安全支出将从今年的约1030亿美元增加到2022年的1330亿美元多。
好文章,需要你的鼓励
UniR(Universal Reasoner)是一种创新的推理增强方法,可为冻结的大语言模型提供即插即用的推理能力。由韩国科学技术院研究团队开发,该方法将推理能力分解为独立的轻量级模块,无需改变主模型结构。UniR的核心优势在于高效训练(仅更新小型推理模块)、出色的模型间迁移能力(小模型可指导大模型)以及模块组合能力(多个专用模块可通过logits相加组合使用)。在数学推理和翻译测试中,UniR显著超越现有微调方法,展示了轻量级模块如何有效增强大语言模型的推理能力。
Nebius团队开发了SWE-rebench,一个自动化管道用于从GitHub收集软件工程任务并进行去污染评估。该系统解决了两大挑战:高质量训练数据稀缺和评估基准容易被污染。通过四阶段处理(初步收集、自动安装配置、执行验证和质量评估),SWE-rebench构建了包含超过21,000个Python交互式任务的数据集,并提供持续更新的评估基准。研究发现部分语言模型在传统基准上的表现可能被污染效应夸大,而DeepSeek模型在开源模型中表现最为稳健。
这项研究提出了JQL(发音为"Jackal"),一种通过多语言方法提升大型语言模型预训练数据质量的创新系统。研究团队从拉马尔研究所等机构通过四阶段方法解决了多语言数据筛选的难题:先由人类评估内容教育价值创建基准数据,然后评估大型语言模型作为"评判者"的能力,接着将这些能力提炼到轻量级评估器中,最后应用于大规模数据筛选。实验表明,JQL在35种语言上显著优于现有方法,甚至能泛化到未见过的语言如阿拉伯语和中文,为多语言AI发展提供了高效可靠的数据筛选方案。
浙江大学和西湖大学研究团队开发的Styl3R实现了艺术风格化3D重建的重大突破,能在不到一秒内从少量未标定照片和任意风格图像创建具有多视角一致性的3D艺术场景。通过创新的双分支网络架构将结构建模与外观着色分离,系统不仅保持了原始场景结构,还准确捕捉了参考风格特征。与现有方法相比,Styl3R在处理速度和视觉质量上均显著领先,为创意内容制作开辟了全新可能。