网络安全厂商Check Point今天宣布收购以色列代码安全初创公司Spectral Cyber Technologies,收购价格为公开。
Spectral成立于2020年,通过所谓简单、快速和“酷”的安全工具,为开发人员提供了构建和转移软件的能力。Spectral提供针对代码和云的快速代码安全性,对代码、资产和基础设施进行监控、分类和保护,包括暴露于API密钥、令牌、凭证和高风险的安全错误配置。
作为开发人员安全领域的关键创新者,Spectral还拥有一个蓬勃发展的开源社区。Spectral的工具支持广泛的自动化代码安全用例,包括代码扫描、代码篡改预防、硬编码秘密检测、源代码控制、持续集成/持续部署安全、源代码泄漏检测等基础设施。
Spectral表示,他们的解决方案可以在不到五分钟的时间内完成部署,快速代码扫描可在几秒钟内提供全面而准确的结果。
Spectral的工具被全球300多个组织的开发人员使用,其中包括SimilarWeb、Perion Network、Amperity、Moonshot、Micro Focus International、Kryon Systems和eTorro (Europe)等公司。
Spectral的工具将作为CloudGuard产品的一部分集成到Check Point Infinity安全平台中,该平台据称是业界最全面的、代码到云的安全平台。
Check Point公司首席产品官Dorit Dor博士在一份声明中表示:“Check Point一直在关注未来云安全将如何演变,这样当前我们就可以在那些面向未来的领域进行投入。收购Spectral进一步强调了我们对云开发人员的承诺。”
Dor补充说:“这是Check Point在过去三年中的第五次云安全收购,再次强调了我们对支持云开发人员社区的承诺,以及我们为每个企业提供跨任何云的云安全自动化、可用性和信任的使命。”
此前Check Point在去年8月收购了云电子邮件安全初创公司Avanan和2018年收购了云安全初创公司Dome9 Security。
根据Crunchbase的数据显示,Spectral在被收购之前已经累计融资了620万美元,风投方包括MizMaa Ventures和Amiti Ventures。虽然收购价格没有披露,但据Globes报道,Check Point为Spectral付出了约6000万美元。
好文章,需要你的鼓励
UniR(Universal Reasoner)是一种创新的推理增强方法,可为冻结的大语言模型提供即插即用的推理能力。由韩国科学技术院研究团队开发,该方法将推理能力分解为独立的轻量级模块,无需改变主模型结构。UniR的核心优势在于高效训练(仅更新小型推理模块)、出色的模型间迁移能力(小模型可指导大模型)以及模块组合能力(多个专用模块可通过logits相加组合使用)。在数学推理和翻译测试中,UniR显著超越现有微调方法,展示了轻量级模块如何有效增强大语言模型的推理能力。
Nebius团队开发了SWE-rebench,一个自动化管道用于从GitHub收集软件工程任务并进行去污染评估。该系统解决了两大挑战:高质量训练数据稀缺和评估基准容易被污染。通过四阶段处理(初步收集、自动安装配置、执行验证和质量评估),SWE-rebench构建了包含超过21,000个Python交互式任务的数据集,并提供持续更新的评估基准。研究发现部分语言模型在传统基准上的表现可能被污染效应夸大,而DeepSeek模型在开源模型中表现最为稳健。
这项研究提出了JQL(发音为"Jackal"),一种通过多语言方法提升大型语言模型预训练数据质量的创新系统。研究团队从拉马尔研究所等机构通过四阶段方法解决了多语言数据筛选的难题:先由人类评估内容教育价值创建基准数据,然后评估大型语言模型作为"评判者"的能力,接着将这些能力提炼到轻量级评估器中,最后应用于大规模数据筛选。实验表明,JQL在35种语言上显著优于现有方法,甚至能泛化到未见过的语言如阿拉伯语和中文,为多语言AI发展提供了高效可靠的数据筛选方案。
浙江大学和西湖大学研究团队开发的Styl3R实现了艺术风格化3D重建的重大突破,能在不到一秒内从少量未标定照片和任意风格图像创建具有多视角一致性的3D艺术场景。通过创新的双分支网络架构将结构建模与外观着色分离,系统不仅保持了原始场景结构,还准确捕捉了参考风格特征。与现有方法相比,Styl3R在处理速度和视觉质量上均显著领先,为创意内容制作开辟了全新可能。