当前,数字化时代悄然而至,虚拟世界与物理世界的边界越来越模糊,随着数字化转型升级的不断加码,与之相应的安全形势也发生了深刻变化,新的安全威胁不断产生,网络安全面临着前所未有的全新挑战,安全脆弱点无处不在,传统的安全产品在面对瞬息万变的安全威胁时已显得捉襟见肘。
360政企安全集团新一代智能安全网关产品——360下一代安全防火墙系统和360 网络入侵防御系统作为守卫边界安全的当家产品,在应对数字时代网络安全新威胁的不断锤炼下逐渐显露锋芒。针对当前花样百出的网络攻击和威胁问题,在360安全大脑的赋能下,360新一代智能安全网关产品为传统安全网关赋予不一样的能力,使其成为更强大、更智能的网关类产品,全方位护航政府、企业乃至国家的网络安全。
360下一代安全防火墙系统(简称NGFW)是一款可以全面应对应用层威胁的高性能防火墙。通过融合360安全大脑专业威胁对抗能力,深入洞察网络流量中的用户、应用和威胁,并借助全新的高性能单路径异构并行处理引擎,为用户提供有效的应用层一体化安全防护,帮助用户安全地开展业务并简化用户的网络安全架构。而360网络入侵防御系统(简称IPS)围绕精准识别、精准打击、有效阻断的设计理念。通过对网络流量的深层次解析,精准识别各类网络攻击破坏、非法入侵的威胁行为,并执行实时阻断防御,从而高效保护客户网络的IT基础设施。
360下一代安全防火墙系统
360 网络入侵防御系统
不积跬步无以至千里。360下一代安全防火墙系统和360 网络入侵防御系统作为基于360安全大数据及威胁情报能力打造的新一代智能安全网关产品,区别于传统网关安全产品,不仅具备更强大的安全威胁防护能力,还是360安全大脑的神经元之一,作为安全基础建设的载体,与360安全大脑协同联动,实现“收集反馈-分析判断-赋能学习”产品全自动学习,提升产品整体应对高级威胁攻击的安全能力,为客户带来一站式全场景安全运营平台,从而进一步支撑政府和企业的网络安全高效运营。
具体而言,360下一代安全防火墙系统和360 网络入侵防御系统所具备的特点与优势主要体现在以下三个方面:
稳定可靠的高性能下一代安全网关
360下一代安全防火墙系统和360网络入侵防御系统采用领先的MIPS多核并行处理器架构,性能优化最佳,稳定可靠,具备高吞吐、低延时、高并发等高性能优势,为用户带来更快速的安全体验。
同时,360下一代安全防火墙系统和360网络入侵防御系统采用全并行软硬件架构,最大程度提升了设备性能、稳定性,基于多核硬件处理架构和拥有自主知识产权的64位操作系统HongtengOS,实现软硬件全并行操作,每个CPU核上处理所有安全功能,将会话负载均分到所有内核,实现最优化的多核并行处理。
除此之外,360下一代安全防火墙系统和360网络入侵防御系统全面支持IPv6,并全面提供IPv6过渡方案,支持IPv6/IPv4双栈、IPv6 in IPv4 tunnel、IPv4 in IPv6 tunnel(DS-Lite)、DNS64和NAT64等IPv6过渡技术。
具有强大的威胁情报能力支撑
众所周知,360政企安全集团基于15年攻防实战经验及230亿安全研发投入,积累了世界级规模的安全大数据、东半球白帽子军团、世界级漏洞挖掘能力、领先的安全对抗知识库、世界级APT狩猎能力、云端公共服务能力,构建了以360安全大脑为核心的新一代安全能力体系。
而360下一代安全防火墙系统和360网络入侵防御系统正是基于360威胁情报资源池的优势,通过威胁情报的赋能,使360网关产品具备强大的检测和防护能力,根据庞大的威胁情报库以及行为特征分析引擎,可实时、准确的识别由僵尸网络、APT攻击、0-day漏洞攻击而产生的未知攻击行为,提升业务系统的防御能力,从而降低用户的安全风险。
联动360 安全大脑大数据分析处置能力
360下一代安全防火墙和360网络入侵防御系统作为基础网络防护的关键边界安全产品,是整个网络安全的第一道防线,同时作为本地安全大脑的神经元,该产品能够与本地安全大脑进行安全联动,实现分析和处置响应,防火墙通过上报安全日志及数据,通过360安全大脑关联超大规模全视数据,进行大数据分析计算,从中洞察安全运营人员无法发现的复杂隐藏攻防规律,从而发现未知威胁、未知攻击的可疑线索,并向防火墙发布响应策略,实现全面、智能的安全联动响应。
博观而约取,厚积而薄发。360 作为网络安全领域的前行者,倾注十五年安全积淀深耕政企市场,围绕以 360安全大脑为核心的新一代网络安全能力体系,推出了一系列极具代表性的安全产品全力护航数字时代的网络安全,360下一代安全防火墙和360网络入侵防御系统正是对 360 安全产品的进一步补充和完善。未来,360政企安全集团将持续深耕网络安全能力的转化与升级,以更全面、更安全的能力及安全产品全力护航政府、企业乃至国家的网络安全,牢牢构筑数字时代的网络安全根基。
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。