建数据靶场,炼数据尖兵,打造中国“红谷”。3月5日,2021年数字中国创新大赛网络安全赛道(数据安全赛题)暨“红明谷”杯数据安全大赛正式启动报名。大赛将创新开设安全意识赛、技能场景赛、揭榜挑战赛等多种竞赛模式,综合考察社会公众、党政机关、行业单位、科研院校等社会各界的网络安全理论及实践应用水平,促进网络实战,建立红色底线,解决实际问题,立体化提升参赛各方网络空间数字治理能力。
打造网络安全红色保卫基地
中央苏区的核心区、中央红军长征的出发地、红旗不倒的革命根据地、伟人革命的重要实践地,这片红土地就是三明。如今,三明将“风展红旗如画”延伸至网络安全领域,开创网络安全赛事红色品牌——“红明谷”杯,充分利用新一代信息技术,为线下社会赋能,提升数字城市水平和科技含量的同时,充分结合技术创新、社会和产业发展需求,全方位挖掘各行业领域网络安全高精人才,打造网络安全红色保卫基地。
聚焦数据治理与数据安全
随着数字经济的高速发展,数字化浪潮席卷而来。数据作为主要生产要素,其安全也受到各方高度重视。2020年12月23日国家发展改革委、中央网信办、工信部、国家能源局联合发布《关于构建全国一体化大数据中心协同创新体系的指导意见》,强调建设面向突发事件处置的“数据靶场”,定期开展“数据演习”,为重大突发事件期间开展决策研判和调度指挥提供数据支撑。
作为2021数字中国创新大赛的重要赛道和聚焦数据安全领域的网络安全赛事,本届“红明谷”杯将紧密结合数据治理与数据安全的相关业务场景和大数据技术落地应用情况,创新采用平行仿真技术构建高仿真、大规模数据靶场,实战化检验参赛选手对数据安全知识和技能的掌握情况与应用水平,提升从业人员的安全防护水平和应急响应处置能力。
多赛制并行,开展全民网络安全实战演习
数字化信息时代,网络安全与每个人息息相关。为全面普及网络安全常识,提高全民安全意识,筑牢安全意识红色基线,本次“红明谷”杯数据安全大赛创新采用多赛制并行的模式,不仅开设面向三明市党政机关、企事业单位、社会组织群众的安全意识赛,还将举办面向全国基础电信运营企业、互联网服务企业、网络安全服务企业、网络安全协会等自律组织以及党政机关和企事业联网单位中从事网络安全管理、运维、技术研发等相关岗位人员、全国在校大学生等的技能场景赛;更有面向顶尖战队选手的揭榜挑战赛。多条赛道火力全开,全面助力全民网络安全实战演习。
创新赛制及赛程安排
4月2日10:00-11:30,安全意识赛
重点考核选手网络安全知识、网络安全意识、个人信息保护、网络安全法常识、网络安全政策法规等,推动广大机关干部了解网络技术,巩固网络安全法知识,树立网络安全意识,以更好的为数字经济建设贡献力量。
4月2日10:00-18:00,技能场景赛-技能赛
即技能场景赛初赛。参赛队伍需要在固定时间内通过解题获得分数争夺排名。重点考察参赛人员对网络安全领域学科知识的综合运用能力和网络安全基本技能。技能赛中的晋级战队将在三明市进行以场景实战为主的总决赛。
4月17日,技能场景赛-场景赛
即技能场景赛决赛。届时将以数据靶场为基础平台,在“网站突防”“数据空间突破”“关联关系突显”三个高仿真场景中展开攻防对抗。参赛选手来自技能赛的优胜者或组委会特邀队伍。
4月17日-7月23日,揭榜挑战赛,挑战1000万元奖金池
揭榜挑战赛从实践侦查的实际问题中凝练赛题,采用“定向发布+现场验证”的方式组织实施。参赛方需签订严格的保密协议,方可揭榜参赛。主要由技能场景赛总决赛前10名的战队选手和定向沟通邀请的10支安全企业组成。比赛拟定10道赛题,共1000万元奖金池。每道题下设若干科目,根据难易程度分别设定奖金额度。
人是安全的核心,作为大赛组委会,我们希望各行业的安全力量和社会力量都能够积极参与进来,在这个大规模的数据靶场演习中历练实战技能,筑牢红色安全基线,构建人才发现、技术创新、产业发展的良性生态,提高网络空间数字治理能力,夯实数字化网络安全根基,推动数字中国建设迈向新征程。报名链接:https://www.ichunqiu.com/hmgctf,期待你的参与!
大赛组织机构
主办单位:福建省数字福建建设领导小组办公室、福建省公安厅、三明市人民政府
承办单位:北京永信至诚科技股份有限公司
协办单位:中国上合组织国际司法交流合作培训基地反洗钱与金融安全研究中心、复旦大学大数据研究院、中国科技大学网络空间安全学院、华中科技大学网络空间安全学院、三明市网络生态治理中心、上海政法学院、深圳市归藏数问咨询有限公司、北京知道创宇信息技术有限公司、三明市信息产业发展有限公司、三明新基建产业发展有限公司、福建后生仔网络科技有限公司、厦门市美亚柏科信息股份有限公司、杭州安恒信息技术股份有限公司、北京知帆科技有限公司、海南火链科技有限公司、上海艾融软件股份有限公司、福建中信网安信息科技有限公司
好文章,需要你的鼓励
来自香港科技大学和MiniMax的研究团队开发了SynLogic,一个可合成35种逻辑推理任务的框架与数据集,填补了AI逻辑训练资源缺口。研究表明,在SynLogic上进行强化学习训练显著提升了模型逻辑推理能力,32B模型在BBEH测试中超越了DeepSeek-R1-Distill模型6个百分点。更值得注意的是,将SynLogic与数学和编程数据混合训练不仅提高了这些领域的学习效率,还增强了模型的泛化能力,表明逻辑推理是构建通用AI推理能力的重要基础。
这项研究揭示了大型语言模型的惊人能力:只需两个特殊训练的向量,冻结的语言模型就能在一次计算中生成数百个准确词汇,而非传统的逐词生成。研究者发现,这种能力要求特定的输入排列方式,且生成速度比自回归方法快约279倍。这一发现不仅展示了语言模型未被充分探索的并行生成潜力,还为快速文本重建开辟了新方向。
腾讯混元团队提出的"ConciseR"是一种通过两阶段强化学习实现大模型简洁推理的新方法。研究遵循"先走后跑"原则,先确保模型具备准确推理能力,再优化输出简洁性。第一阶段通过改进的群体相对策略优化(GRPO++)提升推理能力,第二阶段通过长度感知的群体相对策略优化(L-GRPO)减少输出长度。实验结果显示,该方法在AIME、MATH-500等多个基准测试中既减少了输出长度(平均20%以上),又保持或提高了准确率,展现出高效率-高准确率的理想平衡。
这项由香港科技大学团队开展的研究首次全面评估了压缩对大语言模型Agent能力的影响。研究发现,虽然4位量化能较好地保留工作流生成和工具使用能力(仅下降1%-3%),但在实际应用中性能下降达10%-15%。团队提出的ACBench基准测试横跨工具使用、工作流生成、长文本理解和实际应用四大能力,评估了不同压缩方法对15种模型的影响。结果显示,AWQ量化效果最佳,蒸馏模型在Agent任务上表现不佳,大型模型对压缩更具韧性。研究还提出ERank等创新分析方法,为实际部署提供了切实指导。