至顶网网络与安全频道 09月29日 编译:Arista Networks昨天表示,已经达成协议收购网络威胁检测初创公司Awake Security,后者已经累计获得近8000万美元的融资。这次收购的价格尚未披露。Awake很可能并不是因为资金匮乏而决定出售公司的,因为就在5个月之前,其刚刚在B轮融资中获得了来自Greylock Partners和Bain Capital Ventures在内的财团的3000万美元融资。
当时Awake表示,今年的经常性收入比上一年增加了近700%,这意味着Arista可能在8000万美元融资基础上付出了可观的溢价。Arista主要是为企业提供网络设备和管理软件。Awake则开发了一个软件平台,利用人工智能查找公司网络内部的潜在威胁。
Awake表示,这款平台不仅可以发现恶意软件,而且还有其他不使用恶意代码的威胁。据Awake称,该技术可以检测网络钓鱼电子邮件以及黑客试图利用被盗员工凭据访问内部系统的行为,通过在公司网络中部署软件传感器来扫描威胁,以扫描数据流量从而发现可疑活动。
这一切的背后,是Awake称之为联合学习的AI技术。AI安全工具通常是通过将数据发送到云后端处理来分析网络活动的。相比之下,Awake的联合学习方法让平台可以在客户自己的基础设施上进行分析,从而加强了隐私性,因为敏感的网络活动数据不会离开企业内部。
Arista将通过这次收购增强自身的网络安全能力。Arista首席执行官Jayshree Ullal在博客中详细介绍了这次收购将把Awake的威胁检测监视技术,与Arista现有产品中的网络监视功能进行集成。
Ullal写道:“我们想提供一种解决实际问题、同时尊重与网络安全提供商现有合作伙伴生态系统的解决方案。网络是安全领域重大转型的核心,其中涉及到主动检测和响应。”
Awake首席执行官Rahul Kashyap在另一篇博客文章中写道,Arista建立了“可自动执行、集成和协调任务的认知管理平台,这与Awake的安全运营未来愿景是相类似的。”
从行业层面来看,由AI驱动的自动网络威胁检测理念很好地推动了自动化技术在?网络厂商中的普及。Arista两大主要竞争对手——HPE旗下的Aruba部门以及Juniper Networks——最近都推出了各自的AI解决方案实现网络故障排除的自动化。Arista收购Awake标志着未来安全故障解决将成为整个愿景中的一个组成部分。
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。