11月12日,在第二十四届中国国际软件博览会上,“2020年电子信息行业百项自主创新成果”正式发布,奇安信旗下网神态势感知与安全运营平台(简称NGSOC)成功入选。发布会上,中国电子信息行业联合会对奇安信等自主创新成果企业进行了授牌。
据悉,一年一度的“电子信息行业自主创新成果”,是中国电子信息行业 联合会从2017年开展的一项服务于电子信息行业的创新成果认定与推广工作。入选“自主创新成果”的项目,区别于学术型创新研究,强调创新成果的实用性、领先性、产业化能力和市场前景,综合考量项目的创新价值、市场价值、应用价值和推广价值,经行业推荐、企业申报、专家核定而确定。定期发布,对于配合落实好国家相关政策,完善行业创新生态,做好对标引导和发展支撑具有重要意义。
奇安信作为国内网络安全领军企业,旗下网神态势感知与安全运营平台(NGSOC)入选了“2020年电子信息行业百项自主创新成果”。

据了解,奇安信NGSOC是建立大数据技术架构之上,运用先进的大数据组件,成功解决海量数据的采集、存储和计算的难题。NGSOC能够处理千亿级数据,采集速度达10W+EPS,实现秒级查询,大大提升安全分析和响应的速度和效率。
另一方面,NGSOC基于国内首款分布式关联分析引擎Sabre,通过场景化检测规则、机器学习和关联分析进行多维度威胁研判,结合海量的威胁情报,大幅降低了威胁检测的误报率和漏报率,位居业内领先水平。 NGSOC具备国内领先的威胁预警能力,实时下发威胁预警规则,帮助用户第一时间掌握是否遭受到攻击、失陷的设备包括哪些、业务是否收到影响、网络攻击走向如何、如何应急处置等。
基于此,NGSOC建立起了一套完善的威胁响应与处置流程的支撑体系,具备强大的实战能力。战前可以帮助客户完成自查整改,并通过快速的数据接入为后续的监测分析及行为审计提供数据支撑;战中阶段可以帮助客户实现对威胁的监测、发现及快速处置,从而有效开展攻防对抗;战后阶段可以帮助客户完成汇报总结。
此外,奇安信已经在全国多地建立了安全运营人才的培训基地,为客户提供专业的安全运营服务,涵盖一线驻场安全运营服务、二线分析及应急响应服务,帮助客户解决“安全的最后一公里”问题。安全运营服务中心,除了驻场安全运营外,奇安信集团安全运行中心还提供远程运营服务,远程安全运营中会结合资产情况输出威胁分析情况、安全数据分析的报告、溯源分析、事件协同处置的通报等。通过以持续性的监控和分析为核心的远程安全运营服务,解决人员编制紧张、由于特殊原因不便入场、人员安全能力不足的问题。奇安信旨在帮助企业打造“人+数据+工具+流程”一体化的安全运营体系,解决日常安全运营,关键时刻还能打“硬仗”。
经过几年的自主研发,NGSOC凭借强大的安全感知能力、优秀的使用体验、权威的威胁情报、一流的大数据分析技术和安全可视化能力,已经成功应用于多个政企机构。根据第三方权威机构赛迪顾问发布的《2019-2020年中国网络信息安全市场研究年度报告》和《2018-2019年中国网络信息安全市场研究年度报告》显示,奇安信NGSOC连续2年在中国安全管理平台产品市场占有率排名第一。
此次,奇安信NGSOC入选“2020年电子信息行业百项自主创新成果”,亦是奇安信多年注重自主创新与研发的成果展示。根据奇安信今年三季度财报显示,奇安信近三年研发投入累积达32.77亿元,总投入在科创板已上市公司中位居前列,在7月22日科创板上市前,奇安信已拥有超过1200项的专利,今年前三季度奇安信在专利上再创佳绩,新申请专利192件,其中发明专利175件,授权专利57件。
好文章,需要你的鼓励
阿联酋阿布扎比人工智能大学发布全新PAN世界模型,超越传统大语言模型局限。该模型具备通用性、交互性和长期一致性,能深度理解几何和物理规律,通过"物理推理"学习真实世界材料行为。PAN采用生成潜在预测架构,可模拟数千个因果一致步骤,支持分支操作模拟多种可能未来。预计12月初公开发布,有望为机器人、自动驾驶等领域提供低成本合成数据生成。
意大利ISTI研究院推出Patch-ioner零样本图像描述框架,突破传统局限实现任意区域精确描述。系统将图像拆分为小块,通过智能组合生成从单块到整图的统一描述,无需区域标注数据。创新引入轨迹描述任务,用户可用鼠标画线获得对应区域描述。在四大评测任务中全面超越现有方法,为人机交互开辟新模式。
AI代码编辑器开发商Cursor完成23亿美元D轮融资,估值达293亿美元。Accel和Coatue领投,Google、Nvidia等参与。公司年化收入已突破10亿美元。Cursor基于微软开源VS Code打造,集成大语言模型帮助开发者编写代码和修复漏洞。其自研Composer模型采用专家混合算法,运行速度比同等质量模型快四倍。公司拥有数百万开发者用户,将用新资金推进AI研究。
MIT研究团队发现,AI系统无需严格配对的多模态数据也能显著提升性能。他们开发的UML框架通过参数共享让AI从图像、文本、音频等不同类型数据中学习,即使这些数据间没有直接对应关系。实验显示这种方法在图像分类、音频识别等任务上都超越了单模态系统,并能自发发展出跨模态理解能力,为未来AI应用开辟了新路径。