近年来,随着用户对基础架构灵活性以及投资回报率需求的提升,无服务器计算(Serverless)受到了越来越多的IT从业人士的青睐。无服务器计算可最大程度地减少安全攻击面,并且无需借助任何计算、虚拟机、容器或网络。随着 AWS Lambda 最新扩展功能的发布,组织所部署的无服务器函数的可视性和安全性得到了前所未有的提高。
无服务器可从本质上提高安全性,因为它的受攻击面很小,并且将一些安全职责转移给了云提供商。例如,AWS 负责修复和更新平台软件,包括 AWS Lambda 执行环境的操作系统和运行时。
尽管如此,企业仍需在以下几个方面加强重视:
无服务器攻击与普通网络攻击不同,必须要部署相应的安全措施。首先,无服务器攻击通常具有重复性,这意味着您很难通过辨别单一事件的好坏来检测攻击。其次,攻击对象涉及多个资源。因此,要想找出并调查攻击,用户需要分析整个应用流程,而不是单个资源或 Lambda 函数调用。
无服务器应用保护面临以下重大挑战:
为了解决此问题,Check Point CloudGuard 重点研究了三大无服务器防御策略。
这一方法通过与无服务器提供程序(包括 AWS Lambda)进行智能、安全地集得到了进一步强化。
最近,AWS Lambda 发布了公开预览版 Lambda 扩展功能,它与 Check Point CloudGuard 进行了深度集成,有助于改善对 Lambda 函数的监控以及 Lambda 函数的可观察性、安全性和可管理性。借助 CloudGuard 扩展功能,组织甚至可以在函数进入运行时/调用之前,直接将其插入 Lambda 的执行环境,并使用 CloudGuard 来扩展函数。CloudGuard 还可以与函数调用并行运行,公开 Lambda 执行的不同阶段,并提供附加功能来防止出现漏洞和漏洞利用程序。
Check Point CloudGuard 的定制策略、监控和修复功能本就可以帮助组织轻松管理应用安全,与 Lambda 的集成无疑会进一步简化后台的无服务器安全保护。此次集成允许 CloudGuard 在函数调用之前、期间和之后捕获诊断信息,并直接从 Lambda 环境中传输该信息,同时运行强化的安全代理,以检测函数活动并直接向 CloudGuard 发出警报。
简言之,Check Point CloudGuard 已将安全监控数据聚合从进程内注入的安全层移至进程外扩展程序。这有助于利用更多异步消息处理功能,因此日志传递不会延迟函数执行,并支持跨多个调用安全聚合日志。全面的 CloudGuard 解决方案涵盖了上述所有功能,同时提供了详细的应用安全和防御状态视图,允许安全工程师、开发人员和管理员查看每个问题或事件并采取相应措施。
CloudGuard 可针对每个问题或事件提供明确的信息,包括事件的证据、存在的风险以及短期和长期补救措施。向所有利益相关者提供清晰详细的信息对于尽快缓解安全风险至关重要。
好文章,需要你的鼓励
研究人员基于Meta前首席AI科学家Yann LeCun提出的联合嵌入预测架构,开发了名为JETS的自监督时间序列基础模型。该模型能够处理不规则的可穿戴设备数据,通过学习预测缺失数据的含义而非数据本身,成功检测多种疾病。在高血压检测中AUROC达86.8%,心房扑动检测达70.5%。研究显示即使只有15%的参与者有标注医疗记录,该模型仍能有效利用85%的未标注数据进行训练,为利用不完整健康数据提供了新思路。
西湖大学等机构联合发布TwinFlow技术,通过创新的"双轨道"设计实现AI图像生成的革命性突破。该技术让原本需要40-100步的图像生成过程缩短到仅需1步,速度提升100倍且质量几乎无损。TwinFlow采用自我对抗机制,无需额外辅助模型,成功应用于200亿参数超大模型,在GenEval等标准测试中表现卓越,为实时AI图像生成应用开辟了广阔前景。
AI云基础设施提供商Coreweave今年经历了起伏。3月份IPO未达预期,10月收购Core Scientific计划因股东反对而搁浅。CEO Michael Intrator为公司表现辩护,称正在创建云计算新商业模式。面对股价波动和高负债质疑,他表示这是颠覆性创新的必然过程。公司从加密货币挖矿转型为AI基础设施提供商,与微软、OpenAI等巨头合作。对于AI行业循环投资批评,Intrator认为这是应对供需剧变的合作方式。
中山大学等机构联合开发的RealGen框架成功解决了AI生成图像的"塑料感"问题。该技术通过"探测器奖励"机制,让AI在躲避图像检测器识别的过程中学会制作更逼真照片。实验显示,RealGen在逼真度评测中大幅领先现有模型,在与真实照片对比中胜率接近50%,为AI图像生成技术带来重要突破。