近日,瑞星公司发布新一代导线式防毒墙RSW-NL,该产品为全新网关级硬件产品,不仅具备病毒检测、内容过滤、抗DOS、多协议杀毒等功能,还能够融合防火墙的优势,并与终端安全产品联动,可以有效控制网络数据,做到安全可控,可谓是一款性能卓越的安全防护产品。
图:瑞星新一代导线式防毒墙功能
瑞星安全专家介绍,瑞星新一代导线式防毒墙RSW-NL作为企业内网与互联网连接处的网络防护产品,对比上一代导线式防毒墙,其病毒检测能力更加优异,不仅可以全面检测已知和未知病毒,还能做到快速精准,误报率低,而这项优势源于瑞星自主研发的AI网络威胁检测引擎技术。
图:瑞星AI网络威胁检测引擎在VirusTotal新增恶意软件识别率上稳居高位
该技术作为瑞星新一代导线式防毒墙RSW-NL的核心,起着至关重要的作用,其中包括睿擎(本地引擎),云脑(云端引擎),鱼雷(网络流引擎)三大部分,而睿擎是整个引擎的核心组件,不仅提供了离线时的恶意软件识别能力,也提供了云端引擎工作时对检测目标的特征数据提取,同时还具备良好的平台兼容性、丰富的文件格式支持能力和强大的恶意软件检测能力。
图:新一代导线式防毒墙RSW-NL技术核心
瑞星新一代导线式防毒墙RSW-NL对于病毒的超强识别检测能力,主要依赖于睿擎的智能特征码技术、敏感点指纹技术、主干指纹技术和人工智能技术,多项技术相结合,可以针对不同类型文件,提取文件主干内容,划定多个敏感点,按特定算法计算其指纹并进行匹配,从而有效识别恶意程序、恶意脚本和恶意宏,同时通过人工智能,针对不同类型文件设计不同的特征工程,机器学习病毒的变化趋势,预判未知病毒。
不仅如此,瑞星新一代导线式防毒墙RSW-NL还具有深度检测能力,能够针对HTTP、FTP、SMTP、POP3、SAMBA、IEC104、IEC61850等多种协议的数据流量进行过滤和安全检测,通过协议智能检测,对未预设的端口,进行智能识别,或转为自动识别正确协议,以此确保企业内部网络系统和数据安全,并实时监测和阻断各类病毒的爆发和蔓延。
瑞星公司表示,AI网络威胁检测引擎已应用到瑞星旗下多个产品中,扫描率与查杀率均表现优异,到目前为止已累计39次通过VB100测评。此次在新一代导线式防毒墙RSW-NL中应用这项核心技术可以满足各类企业用户的网关安全需求。
好文章,需要你的鼓励
这项研究介绍了VisCoder,一个经过专门微调的大语言模型,用于生成可执行的Python可视化代码。研究团队创建了包含20万样本的VisCode-200K数据集,结合了可执行代码示例和多轮修正对话。在PandasPlotBench基准测试中,VisCoder显著优于同等规模的开源模型,甚至在某些方面超越了GPT-4o-mini。研究还引入了自我调试评估模式,证明了反馈驱动学习对提高代码可执行性和视觉准确性的重要性。
这项研究提出了"适应再连续学习"(ACL)框架,一种创新的方法解决预训练模型在连续学习中的稳定性-可塑性困境。通过在学习新任务前先对模型进行适应性调整,ACL使模型既能更好地学习新知识(提高可塑性),又能保留已有知识(维持稳定性)。实验证明,该框架能显著提升各种连续学习方法的性能,为解决人工智能系统中的"灾难性遗忘"问题提供了有效途径。
这篇研究首次关注了CLIP模型文本编码器的对抗鲁棒性问题,提出了LEAF方法(Levenshtein高效对抗性微调)来增强文本编码器的稳健性。实验表明,LEAF显著提高了模型在面对文本扰动时的性能,在AG-News数据集上将对抗准确率从44.5%提升至63.3%。当集成到Stable Diffusion等文本到图像生成模型中时,LEAF显著提高了对抗噪声下的生成质量;在多模态检索任务中,它平均提高了10个百分点的召回率。此外,LEAF还增强了模型的可解释性,使文本嵌入的反演更加准确。
BenchHub是由韩国KAIST和Yonsei大学研究团队开发的统一评估平台,整合了38个基准中的30万个问题,按技能、学科和目标类型进行精细分类。研究显示现有评估基准存在领域分布偏差,而BenchHub通过自动分类系统和用户友好界面,让用户能根据特定需求筛选评估数据。实验证明模型在不同领域的排名差异巨大,强调了定制化评估的重要性。该平台支持多语言扩展和领域特化,为研究人员和开发者提供了灵活评估大语言模型的强大工具。