2020 年 11 月 9 日 — 网络安全解决方案提供商 CheckPoint软件技术有限公司(纳斯达克股票代码:CHKP)宣布推出新一代统一网络安全平台 Check Point R81。这一新平台是业内首个能够在整个分布式企业中提供自主威胁防护的平台,使 IT 人员轻松、高效地管理最复杂的动态网络环境。
为应对新冠疫情带来的冲击,企业开始加快实施数字化转型计划并改变 IT 工作重点,但这也增加了网络风险和管理远程员工的复杂性。71% 的安全专业人员表示自疫情爆发以来网络威胁急剧增加。要想改善安全性和降低复杂性,就必须对威胁防御技术、流程和策略加以整合并实施自动化,以便在复杂的分布式组织网络中实施更智能、更高效的保护。
IDC 网络安全研究经理 Chris Rodriguez 表示:“随着数据中心、网络和多云环境中的设备、应用和威胁越来越多,IT 安全管理成为一大难题。为此,企业应该部署一致的安全策略、统一的威胁管理和自动化功能,以防遭到新型安全攻击。Check Point R81 统一并简化了威胁管理,支持安全策略快速安装、零接触网关软件升级、安全配置文件以及基于 AI 的威胁防御。”
Check Point R81 安全管理平台可提供:
AESI-US 首席技术官 Todd Ponto 表示:“Check Point R81 可帮助我们快速安装策略、实施一键升级以及同步升级安全网关。我们已经部署了 Check Point Infinity 威胁防护技术,R81 的新自动策略部署功能可帮助我们节省时间、减少配置错误风险并实现持续更新。”
Check Point 软件技术公司产品管理副总裁 Itai Greenberg 表示:“如今,业务应用和云环境的快速变化要求组织比以往任何时候都敏捷,但与此同时也带来了更大的安全风险和高级威胁。我们的全新 R81 平台为 IT 和安全团队提供了面向整个网络环境的全面可视性、自动化威胁防护和细粒度控制,支持更轻松地规划、检查和快速部署变更,以便在满足业务需求的同时增强安全性和合规性。”
好文章,需要你的鼓励
工业升级的关键,或许在于智能本身。“工业+机器人”将成为通向下一阶段工业体系的核心抓手。——黄仁勋。
浙江大学等联合研究发现,AI强化学习效果取决于"模型-任务对齐"程度。当AI擅长某任务时,单样本训练、错误奖励等非常规方法也有效;但面对陌生任务时,这些方法失效,只有标准训练有用。研究团队通过大量实验证实,这种"舒适圈"现象比数据污染更能解释训练差异,为AI训练策略优化提供了新思路。
瑞士政府正式发布了自主研发的人工智能模型,该模型完全基于公共数据进行训练。这一举措标志着瑞士在AI技术自主化方面迈出重要一步,旨在减少对外国AI技术的依赖,同时确保数据安全和隐私保护。该模型的推出体现了瑞士对发展本土AI能力的战略重视。
巴赫切希尔大学研究团队通过对五种不同规模YOLO模型的量化鲁棒性测试发现,静态INT8量化虽能带来1.5-3.3倍速度提升,但会显著降低模型对噪音等图像损伤的抵抗能力。他们提出的混合校准策略仅在大型模型处理噪音时有限改善,揭示了效率与鲁棒性平衡的复杂挑战。