近日,全球权威分析机构Frost & Sullivan(弗若斯特沙利文)发布《Asia-Pacific Managed Security Services Growth Opportunities》报告(以下简称《报告》),对亚太地区安全托管服务市场进行了深入研究。《报告》显示,奇安信集团凭借技术优势和服务专业度,以9.6%的市场份额位列2020年大中华地区安全托管服务(Managed Security Services,MSS)第一名。
Frost & Sullivan将MSS划分为安全资产监控/管理、托管威胁检测与响应(MTDR)和其他新兴MSS服务三类,以分析安全托管服务市场的增长情况,包括增长驱动与限制因素,并从地区、行业等维度呈现安全托管服务市场的收入与份额,分析亚太及大中华区安全托管服务市场环境与增长机会。
Frost & Sullivan亚太区网络安全市场分析师林玟婷(Amy Lin)表示,2020年,在新冠肺炎疫情、数字化转型、业务上云等大环境影响下,亚太地区安全托管服务市场仍处于增长阶段,年度增长率持续呈现双位数增长。报告认为,从驱动因素分析,政府部门、企业组织面临不断演变的网络安全威胁,及数字化转型、新技术带来的日益复杂的商业环境,不断变化的威胁形势和混合技术基础设施的出现,都是推动安全托管服务市场增长的重要催化剂。此外,受到安全专业人员短缺、专业知识匮乏和内部安全工具、能力不足的限制,政府部门、企业组织越来越多地选择通过安全运营服务商(MSSP),来面对严峻的挑战。
聚焦我国安全托管服务市场,《报告》数据显示,2020年大中华区MSS市场年增长率高达20.9%,政府部门和金融行业是该市场主要收入来源。奇安信作为主要领导者,在2020年通过扩展服务组合迅速进入安全托管服务市场,并从产品导向向服务导向转变,助力国内市场强劲增长。
作为领先的网络安全供应商,奇安信凭借专业的安全托管服务和管理团队,年增长率高达51.1%,尤其是在政府部门和金融行业这两个主要领域具有强大的影响力。在MSS产品的可用性和完整性层面,奇安信拥有一系列采用率高于平均水平的服务产品,即拥有围绕端点安全、边界安全、云安全和OT安全的全面安全产品组合,可以利用其全面的专业知识来提供端到端的安全托管服务。
值得一提的是,除了7*24小时的安全资产监控服务外,奇安信安全托管服务还包括了深度聚焦威胁发现的MSS-TDR和其他新兴的MSS服务,专注于通过整合安全人员、流程和技术工具,根据行业规范、业务环境以及当前的安全态势为政企组织提供定制化的服务内容。
2020年,奇安信推出了MDR服务,以资产、漏洞、威胁等关键性安全控制点为基础,旨在通过其全面的内生安全解决方案以及关于大数据等方面的能力协作,面向政企用户提供一站式威胁检测、溯源分析及响应处置服务。未来三年,奇安信将持续扩大MSS产品组合,形成具有中国特色的MSS模式,并将其服务能力与现有安全资源相结合,助力智慧城市、重要行业领域构建和管理安全运营中心。
此前,奇安信安全托管服务曾屡次获得业界权威机构肯定,Forrester《Now Tech: Managed Security Services In Asia Pacific, Q4 2020》(Now Tech:2020亚太地区安全托管服务市场指南)、IDC《2020下半年中国IT安全服务市场跟踪报告》等报告均认可了其市场领先地位。
最后,《报告》预测随着网络攻击造成的业务中断和经济损失越来越多,政企组织安全意识逐步提升,MSS综合解决方案也面临着更大的需求;疫情迫使企业加快数字化转型、业务上云,云安全挑战加剧;企业部署了多种安全产品、采用多项解决方案导致内部安全环境更加复杂,有效管理安全风险面临巨大压力,MSS服务商应注意简化安全战略、降低复杂性、强化自动化及响应能力。
好文章,需要你的鼓励
这项由加州大学圣地亚哥分校和微软研究院合作开发的REAL框架,通过程序分析反馈训练大型语言模型生成高质量代码。与传统方法不同,REAL采用强化学习将代码安全性和可维护性作为奖励信号,不依赖人工标注或特定规则。研究在多个数据集上的实验表明,REAL在保证功能正确性的同时显著提高了代码质量,有效解决了"即兴编程"中的安全漏洞和维护性问题,为AI辅助编程提供了新的范式。
加州大学伯克利分校与Meta FAIR研究团队开发了"Self-Challenging"框架,让大语言模型通过自己创建和解决任务来提升能力。该方法引入创新的"Code-as-Task"格式,包含指令、验证函数、示例解决方案和失败案例,确保生成的任务既可行又有挑战性。在工具计算、网页浏览、零售服务和航班预订四种环境测试中,仅使用自生成训练数据,Llama-3.1-8B模型性能提升了两倍多,证明AI可以通过自我挑战实现有效学习,减少对人类标注的依赖。
南洋理工大学与SenseTime Research合作提出了PoseFuse3D-KI,一种创新的人体中心关键帧插值框架。该方法将3D人体模型信息融入扩散过程,解决了现有技术在处理复杂人体动作时产生扭曲结果的问题。研究团队开发了专门的SMPL-X编码器直接从3D空间提取几何信息,并设计了融合网络将3D线索与2D姿态无缝整合。他们还构建了CHKI-Video数据集,包含2,614个视频片段及完整的人体标注。实验结果显示,PoseFuse3D-KI在PSNR上提升9%,LPIPS减少38%,显著超越现有方法。
这项研究提出了LongGuide算法,解决了大型语言模型在长文本生成任务中的局限性。研究团队发现,仅依靠上下文学习无法使模型充分掌握文本的语言和格式特性。LongGuide通过自动生成两种指导原则:度量指导原则和输出约束指导原则,显著提升了模型性能。在七种长文本生成任务中,该方法使开源和闭源模型的ROUGE-L评分平均提高约6%。LongGuide具有通用性强、易于学习、成本效益高等优点,为提升AI长文本生成能力提供了新方向。