当前,网络空间作为与海陆空天并列的人类活动“第五空间”,已经成为维护国家安全的战略要塞。在此背景下,以“安全世界 5正当时”为主题,由亚信安全主办的“第五空间战略发展高峰论坛”将于11月15日在北京召开。亚信安全将协同网络安全产业生态伙伴,汇聚“时代、产业、生态、技术、融合”5力之和,共同探讨分析万物互联的5G时代“第五空间”面临的数字威胁与挑战,分享最前沿的安全技术研究成果及实践。
“时代+产业”之力 推动安全数字产业发展
当前,5G、物联网、人工智能等技术的高速发展和普及,开启了第四次工业革命的浪潮。5G与人工智能等技术的融合,推动工业互联网、车联网、物联网发展的同时,也让网络空间变得更加复杂,提出了更严峻的网络安全挑战。而不断变化的网络攻击手段也在倒逼网络安全产品、技术与服务的不断创新、加速融合。
首先,万物互联的5G时代,“连接”无处不在,其所到之处必然离不开网络安全产业之力的护航。其次,5G商用提速、新基建落地,需要全行业加快5G安全领域关键核心技术研发,建立健全5G安全风险态势感知和预警处置机制,统筹5G网络设施安全、应用系统安全、数据安全等工作,确保5G在各行业领域的安全应用。因此,不仅网络安全产业将迎来更加巨大的发展空间,网络安全也将成为用户数字化转型以及数字经济发展中的重要生产力。
这给网络安全产业链的每个个体提出了更加严峻的挑战。对于亚信安全来说,其首要任务就是,以安全定义边界,构建多层面、多维度、动态的安全防御体系,真正为用户赋能5G时代的数字化安全转型和运营能力。
“生态+技术+融合”之力 保障数字经济生产力
当前,通过完整的创新研究及规划,许多企业已在数字化转型的最初阶段对风险进行了全面的识别,从而能够更好地应对风险,并利用相关技术开展安全管控。然而,科技创新正加速前行,企业在5G网络上所构建的数字化应用在带来巨大商业收益的同时,与“第五空间”中物理与数字世界的边界融合难以进行安全管理存在现实矛盾,“长短腿、短板效应”,都将埋下巨大的安全隐患。而应对5G时代的挑战及解决问题的关键,就是“生态+技术+融合”之力。
“第五空间”的网络安全威胁,无论在规模还是复杂程度上均呈现指数级增长,加强网络安全体系建设已成为业界共识。反观网络安全产业,可观的潜在市场空间以及细分领域众多的特质,注定在这个产业生态中,没有一个厂商可以一家独大包揽天下。一定需要“政产学研用”各方力量聚集,以生态共生的方式合作共建,成为产业数字化转型的基础,成为数字经济生产力的一部分。
在此背景下,亚信安全将在11月15日举办“第五空间战略发展高峰论坛”,在回顾5年发展历程的同时,更会汇聚“时代、产业、生态、技术、融合”之力,携手共启安全数字世界。
目前,亚信安全“第五空间战略发展高峰论坛”双平台报名专区入口正式开启!亚信安全官网(https://www.asiainfo-sec.com/)和“亚信安全服务”微信公众号同时上线“5正当时”报名专区,方便大家现场参会及观看线上直播,邀您共启安全数字世界!
好文章,需要你的鼓励
DeepResearchGym是一个创新的开源评估框架,专为深度研究系统设计,旨在解决当前依赖商业搜索API带来的透明度和可重复性挑战。该系统由卡内基梅隆大学研究团队开发,结合了基于ClueWeb22和FineWeb大型网络语料库的可重复搜索API与严格的评估协议。实验表明,使用DeepResearchGym的系统性能与使用商业API相当,且在评估指标间保持一致性。人类评估进一步证实了自动评估协议与人类偏好的一致性,验证了该框架评估深度研究系统的有效性。
这项研究介绍了FinTagging,首个面向大型语言模型的全面财务信息提取与结构化基准测试。不同于传统方法,它将XBRL标记分解为数值识别和概念链接两个子任务,能同时处理文本和表格数据。在零样本测试中,DeepSeek-V3和GPT-4o表现最佳,但在细粒度概念对齐方面仍面临挑战,揭示了当前大语言模型在自动化XBRL标记领域的局限性,为金融AI发展提供了新方向。
这项研究介绍了SweEval,一个新型基准测试,用于评估大型语言模型在企业环境中处理脏话的能力。研究团队从Oracle AI等多家机构的专家创建了一个包含八种语言的测试集,模拟不同语调和上下文的真实场景。实验结果显示,LLM在英语中较少使用脏话,但在印地语等低资源语言中更易受影响。研究还发现较大模型通常表现更好,且多语言模型如Llama系列在处理不当提示方面优于其他模型。这项工作对企业采用AI技术时的安全考量提供了重要参考。
这项研究提出了"VeriFree"——一种不需要验证器的方法,可以增强大型语言模型(LLM)的通用推理能力。传统方法如DeepSeek-R1-Zero需要验证答案正确性,限制了其在数学和编程以外领域的应用。VeriFree巧妙地计算正确答案在模型生成的推理过程后出现的概率,作为评估和训练信号。实验表明,这种方法不仅能匹配甚至超越基于验证器的方法,还大幅降低了计算资源需求,同时消除了"奖励黑客"问题。这一突破将有助于开发出在化学、医疗、法律等广泛领域具有更强推理能力的AI系统。