自2020年7月起,信息安全公司Check Point已经正式把安全威胁情报云(ThreatCloud)落户中国,以便为中国用户提供合规、快捷、专业和深入的安全服务。这在所有国外安全公司里属于首例,开创了先河。
据Check Point 中国区技术总监王跃霖介绍,ThreatCloud是Check Point公司最核心安全架构中的重要组成部分,Check Point核心的安全防护的能力均来自于ThreatCloud。ThreatCloud包含全球最大的威胁情报库,由百余种AI引擎组成。
相对于业界的其他威胁情报库来说,ThreatCloud的优势显而易见。它具有非常大的体量,每天查询量约在860亿次左右;对于安全事件,它可以将一个请求拆分为多个部分,由不同的AI引擎同时分析,然后再综合分析的结果,以提高处理事件的效率;此外,ThreatCloud落地中国,满足了一些特定行业的规范性要求,保障了用户的数据安全。
从用户层面来说,Check Point以ThreatCloud为保障,给用户提供了强有力的安全性的支持,用户的安全服务需求可以快速得到响应。例如Check Point可以给用户提供零日防护,以应对大量的未知威胁。
王跃霖表示,随着ThreatCloud落地中国,Check Point在安全服务模式上也发生了相应的变化,会逐步增强针对国内用户的服务。首先要加强专业的专家服务,改变以卖产品为主的模式,增加专家安全咨询类服务,结合ThreatCloud提前预估网络威胁,变被动为主动;此外,Check Point希望通过ThreatCloud帮助用户提升自身的安全能力。
基于ThreatCloud,Check Point从安全架构、基础设施、服务等不同层面推出了多种解决方案,安全架构是Check Point非常核心的部分,是把安全能力输送到用户的关键。
面对网络流量的不断递增,Check Point推出了全新的安全架构Maestro。它可以同时将现有的安全网关无缝扩展至超大容量,可以为任何规模的企业提供服务。它还能让企业从自己现有的安全架构实施部署,并根据企业不断变化的业务需求近乎无限地扩展他们的安全能力。Maestro安全架构还具有高度云计算化能力,可以在混合架构下更加智能、统一的布署安全性原则,提高工作性能,降低人为错误。
王跃霖还谈到,Maestro安全架构主要针对企业的市场,根据不同的行业特点,做相关的设计。自2019年推出以后,Maestro安全架构在汽车制造、金融、零售等众多行业都有了成功案例。以车联网为例,Check Point根据客户的业务模型实现了400G的系统流量目标值,而目前业界只有Check Point能满足这样的需求。
此外,王跃霖还强调,对于不同行业的客户,Check Point将提供针对其行业特点的安全服务,给用户提供安全性查询工具,提供专业的咨询,同时利用ThreatCloud帮用户做最安全的零日威胁防护,将最佳的威胁防御技术和专家威胁分析合二为一,帮助用户全方位防御网络攻击,同时帮助用户提升自身的安全能力。
未来的网络攻击愈加错综复杂,物联网安全成为重中之重。对于物联网安全的防御,首先要有足够多的样本,第二要有足够的行为或事件分析能力。Check Point完全具备这样的能力,它拥有全球最大的威胁情报云,能够支撑足够的样本采集,还有专业的专家团队去做分析,根据分析结果定制相关的AI引擎,对安全威胁进行全面防范、统一管控和实时阻断。
Check Point自成立至今,27年来一直专注于安全领域,从最早提出安全防火墙的概念,到现在拥有全球最大的威胁情报库,始终秉承以客户为导向的理念,不断地加强技术创新,提升安全服务,已成为全球信息安全的领军者。未来Check Point将为全球更多的用户提供全面、尖端的网络安全技术,更优质的安全服务,并助力全球信息安全产业的高质量发展。
好文章,需要你的鼓励
这项来自苹果公司的研究揭示了视频大语言模型评测的两大关键问题:许多测试问题不看视频就能回答正确,且打乱视频帧顺序后模型表现几乎不变。研究提出VBenchComp框架,将视频问题分为四类:语言模型可回答型、语义型、时序型和其他类型,发现在主流评测中高达70%的问题实际上未测试真正的视频理解能力。通过重新评估现有模型,研究团队证明单一总分可能掩盖关键能力差距,并提出了更高效的评测方法,为未来视频AI评测提供了新方向。
这篇来自KAIST AI研究团队的论文提出了"差分信息分布"(DID)这一创新概念,为理解直接偏好优化(DPO)提供全新视角。研究证明,当偏好数据编码了从参考策略到目标策略所需的差分信息时,DPO中的对数比率奖励形式是唯一最优的。通过分析DID熵,研究解释了对数似然位移现象,并发现高熵DID有利于通用指令跟随,而低熵DID适合知识密集型问答。这一框架统一了对DPO目标、偏好数据结构和策略行为的理解,为语言模型对齐提供理论支持。
VidText是一个全新的视频文本理解基准,解决了现有评估体系的关键缺口。它涵盖多种现实场景和多语言内容,提出三层评估框架(视频级、片段级、实例级),并配对感知与推理任务。对18个先进多模态模型的测试显示,即使最佳表现的Gemini 1.5 Pro也仅达46.8%平均分,远低于人类水平。研究揭示输入分辨率、OCR能力等内在因素和辅助信息、思维链推理等外部因素对性能有显著影响,为未来视频文本理解研究提供了方向。
ZeroGUI是一项突破性研究,实现了零人工成本下的GUI代理自动化在线学习。由上海人工智能实验室和清华大学等机构联合开发,这一框架利用视觉-语言模型自动生成训练任务并提供奖励反馈,使AI助手能够自主学习操作各种图形界面。通过两阶段强化学习策略,ZeroGUI显著提升了代理性能,在OSWorld环境中使UI-TARS和Aguvis模型分别获得14%和63%的相对改进。该研究彻底消除了传统方法对昂贵人工标注的依赖,为GUI代理技术的大规模应用铺平了道路。