至顶网网络与安全频道 03月05日 综合消息: 近日有报道指出,黑客可利用BlueKeep漏洞对MRI核磁共振、超声波、X射线等设备进行关闭设备、收集患者数据、更改警报设置,甚至通过病毒等手段进行勒索等,且因医疗设备系统异构性、补丁更新的繁重性和滞后性,医疗成像设备已成为漏洞利用的重灾区。
新冠疫情期间,医技科室的影像设备已然成为新冠肺炎的确诊的重要依据之一,其资产昂贵的购买及维护费用、繁重的日常检测量及涉及全院的PACS影像流转,意味着医技科室的网络安全状况与医院业务的正常运行密不可分。与此同时医技设备却常常面临着“设备不能动、软件不能安、策略不能开”等一系列运维问题,以及临时PC和U盘接入带来的病毒传播风险、4G运维通道带来的违规访问的风险。
为此,迪普科技通过深入调研医技科室业务场景推出医技科室带毒运行解决方案,通过白名单思路实现医技设备与内网终端的双向隔离。通过部署自安全控制器自动收集、识别医技设备的厂家及型号(如西门子CT设备、通用DR设备等),并在此基础上通过协议白名单,使得只有授信终端传输授信的业务流量:即医技终端在具备安全风险的网络中仍可安全稳定的传输PACS业务,以及单台医技终端受到安全风险后与其他医技终端安全隔离,保障整体医技科室的业务可靠永续运行。
医技科室带毒运行解决方案提供以下能力
■ 通过白名单业务模型有效隔离病毒传播、内网攻击、非授信访问等安全威胁,保障医技科室业务安全永续;
■ 基于网络级高性能硬件平台,满足放射科等的低时延、大流量传输需求;
■ 提供医技科室业务威胁感知系统,通过可视化界面,帮助用户看清资产、理清业务、感知威胁。
解决设备不能动、软件不能安、策略不能开的安全防护困境
在医院场景,除了医技科室以外,迪普科技自安全网络解决方案还可以为医院构建简单运维、可视可控、安全到边的内网架构,已经应用于浙江省人民医院、杭州市中医院、安徽医科大学阜阳附属医院等省市级三甲医院,为医院互联网+医疗健康建设助力。
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。