至顶网网络与安全频道 07月20日 综合消息: 近日,网络安全解决方案供应商 Check Point 软件技术有限公司(纳斯达克证券代码:CHKP)推出了物联网防护 (IoT Protect) 解决方案,可保护智慧建筑、智慧城市、医疗保健、工业和关键基础设施环境的物联网设备和网络免遭先进的第六代网络攻击。该解决方案利用威胁情报和创新的物联网专用安全服务,提供了强大的威胁防护和安全管理功能,可以阻止物联网网络层和设备层的未知网络攻击。
商业、工业、医疗保健和公用事业部门的大多数组织已经部署了物联网和运营技术 (OT) 解决方案,这显著加剧了组织面临的网络风险。许多物联网设备存在漏洞、无法修补或使用了不安全的通信协议。此外,组织的设备来自多个供应商,类型多样,其中许多影子设备未被纳入管理,未经授权就连接到网络,因此组织对这些设备及其相关风险的发现和控制能力非常有限。Check Point 最近所作的一项调查* 显示:90% 的受访者表示组织的网络中有影子物联网设备,44% 的受访者表示他们至少有一半的物联网设备是在 IT 或安全团队不知情的情况下连接的。只有 11% 的受访者表示,他们已经全面实施了物联网安全解决方案,而 52% 的受访者根本没有部署物联网安全解决方案。
因此,67% 的企业和 82% 的医疗保健机构曾遭遇过物联网相关网络事件。随着针对物联网设备和网络的攻击日益增多,再加上新冠疫情迫使人们迅速转向远程办公,组织需要采用最先进的全面安全架构,以识别易受攻击的物联网设备,实施保护,并阻止狡诈的网络威胁。
“连接到互联网的物联网设备数量不断增多,到 2025 年将达到 416 亿。网络犯罪已瞄准包括医疗、工业、智慧建筑、智能办公室在内的所有行业的物联网设备,因此企业需要将安全问题列入工作重点。鉴于物联网设备数量巨大、种类繁多,组织需要一种简单的安全方案部署方式。”IDC 安全与信任研究总监 Robyn Westervelt 表示。Check Point 全面的 IoT Protect 安全解决方案利用自动化和威胁情报,可提供设备风险评估、网络分段和针对最复杂网络攻击的威胁防护。
Check Point的 IoT Protect 配合 Check Point 安全网关以及支持设备运行时防护的 IoT Protect Nano-Agents 共同提供网络层安全和策略管理。IoT Protect 与医疗保健、工业、智能办公和智慧建筑领域的行业领先物联网资产发现平台相集成,为数十万台物联网设备提供安全保障。该解决方案提供:
跨国制药和生物技术公司 CIPLA 有限公司的数字风险官兼首席信息安全官 Kalpesh Shah 表示:“我们希望确保对 IT 网络以及生产设施中运营技术 (OT) 网络上的所有设备获得完全的安全可视化和控制力。”“使用 Check Point IoT Protect 解决方案,我们能够发现运营技术网络上的所有设备,识别其漏洞,并应用虚拟补丁,从而消除这些系统面临的安全威胁。我们还能屏蔽所有不必要的设备通信,大大提高运营技术的性能。”
“从 IP 摄像头到智能电梯、医疗设备和工业控制器,许多物联网设备都存在固有漏洞,容易遭受攻击。但由于设备种类繁多,保护不断增长的设备网络难度很大,这意味着组织本身极易遭受攻击,”Check Point 副总裁、产品经理 Itai Greenberg 说道。“Check Point IoT Protect 独树一帜,可为组织提供一个完整的端到端的安全结构,提供网络层和设备层防护,并且非常易于设置和管理。它甚至可以保护不可修补的遗留设备,防止各种类型的攻击或漏洞利用,防止对关键流程的中断和破坏。”
好文章,需要你的鼓励
香港中文大学与华为诺亚方舟实验室合作开发了PreMoe框架,解决了大型混合专家模型(MoE)在内存受限设备上的部署难题。研究团队发现MoE模型中的专家表现出明显的任务专业化特征,据此提出了概率专家精简(PEP)和任务自适应专家检索(TAER)两大核心技术。实验证明,DeepSeek-R1 671B模型在精简50%专家后仍保持97.2%的MATH500准确率,内存需求降至688GB;而更激进的精简方案(减少87.5%专家)也能保持72.0%的准确率。该方法适用于多种MoE架构,为强大AI系统的广泛部署铺平了道路。
SCIENCEBOARD是一项开创性研究,旨在评估多模态自主智能体在真实科学工作流中的表现。研究团队构建了一个包含169个高质量任务的基准测试,涵盖生物化学、天文学等六个科学领域,并开发了一个真实环境让智能体通过CLI或GUI接口与科学软件交互。实验评估表明,即使是最先进的模型在这些复杂科学任务上的成功率也仅为15%,远低于人类表现,揭示了当前技术的局限性并为未来科学智能体的发展提供了宝贵见解。
帝国理工学院的研究团队开发了AlphaMed,这是首个仅通过极简规则强化学习就能培养医疗推理能力的AI模型,无需依赖传统的思维链示范数据。通过分析数据信息丰富度和难度分布的影响,研究发现高信息量的医疗问答数据是推理能力的关键驱动因素。AlphaMed在六个医疗问答基准上取得了领先成绩,甚至超越了更大的封闭源模型,同时展现出自发的步骤推理能力,为医疗AI发展提供了更加开放、高效的新路径。
Alita是一种新型通用AI代理系统,采用极简设计理念,以"最小预定义,最大自我进化"为原则构建。由普林斯顿大学等多家机构研究团队开发的Alita,只配备一个核心能力和少量通用模块,能自主创建所需工具并重用为模型上下文协议(MCPs)。实验显示,Alita在GAIA基准测试上达到87.27%的通过率,超越包括OpenAI Deep Research在内的复杂系统,证明简约设计可带来卓越性能。