2022 年 4 月 -- 网络安全解决方案提供商 Check Point® 软件技术有限公司(纳斯达克股票代码:CHKP)宣布,Harmony Endpoint 连续两年凭借其最全面的威胁检测和可视性能力被 MITRE Engenuity ATT&CK® 评估评为端点安全领域的领导者。MITRE Engenuity 的评估结果表明,Check Point Harmony Endpoint 能够立即自动拦截、修复勒索软件及其他网络威胁并从中恢复,从而防止破坏蔓延。与此同时,安全团队还可以使用该解决方案准确检测、调查并应对威胁,并结合 MITER ATT&CK® 框架获得业内最全面的关联能力。
Harmony Endpoint 拥有最高的技术检测水平和零延迟警报检测能力,支持全面检测所有攻击步骤。该解决方案针对 APT Spider Wizard 的检测率达 98%。这些结果表明,Check Point 致力于提供应对网络威胁的最高级别准确性与上下文可视性,同时为用户提供自主检测和响应能力。
在本次评估中,MITRE Engenuity 测试了 30 家端点安全提供商及其解决方案,并根据 MITRE 对现实世界的观察所建立的攻击战术和技术知识库进行评估。今年,MITRE Engenuity 测试了厂商检测 Wizard Spider(旨在索取赎金的犯罪集团)和 Sandworm所采用的攻击技术。选择这两个攻击者出于几个方面的考虑:复杂性、与市场的相关性以及 MITRE Engenuity 的工作人员能否有效地模仿攻击者。
Check Point 软件技术公司威胁防御副总裁 Ofir Israel 表示:“在过去的一年里,攻击的复杂程度和频率急剧增加,创造了新的历史高峰。在这种情况下,企业应采用威胁感知的安全策略。MITRE Engenuity ATT&CK® 评估了网络安全解决方案抵御现实世界网络攻击和黑客组织的能力,能够帮助用户做出正确的选择。端点安全对于保护超分布式办公空间至关重要。最新的 ATT&CK® 评估结果显示,Check Point Harmony Endpoint 连续两年凭借行业领先的威胁检测和全面的攻击可视性能力荣膺领导者称号。Harmony Endpoint 的客户可获得所需的所有端点保护,有效防范勒索软件、恶意软件、网络钓鱼等所有紧迫威胁,同时以最低的总体拥有成本尽享强大的检测和响应功能。”
MITRE Engenuity ATT&CK 评估执行总经理 Ashwin Radhakrishnan 表示:“最新一轮评估表明,参与厂商的产品有了显著的增长。我们发现,威胁感知的防御能力正得到更多关注,这反过来使信息安全社区更加重视 ATT&CK 框架。”
测试的主要亮点包括:
关于 MITRE Engenuity
MITRE 子公司 MITRE Engenuity 是 MITRE 旗下的一家公益技术基金会。MITRE 团队以使命为导向,致力于解决安全问题,打造更安全的世界。我们不仅拥有广泛的公私合作伙伴关系,而且还拥有联邦政府资助的研发中心,我们与政府和行业携手合作,共同应对与国家安全、稳定和福祉有关的各种挑战。
MITRE Engenuity 为私营部门提供了 MITRE 深厚的技术知识和系统思维,以帮助解决仅凭政府之力所无法解决的复杂挑战。MITRE Engenuity 将美国联邦政府、学术界和私营部门等不同领域的研发力量凝聚在一起,共同应对国家和全球挑战,例如保护关键基础设施、创建富有弹性的半导体生态系统、建立公益基因组中心、加速 5G 用例创新以及普及威胁感知的网络防御。
好文章,需要你的鼓励
在迪拜Gitex 2025大会上,阿联酋成为全球AI领导者的雄心备受关注。微软正帮助该地区组织从AI实验阶段转向实际应用,通过三重方法提供AI助手、协同AI代理和AI战略顾问。微软已在阿联酋大举投资数据中心,去年培训了10万名政府员工,计划到2027年培训100万学习者。阿联酋任命了全球首位AI部长,各部门都配备了首席AI官。微软与政府机构和企业合作,在公民服务和金融流程等领域实现AI的实际应用,构建全面的AI生态系统。
查尔斯大学和意大利布鲁诺·凯斯勒基金会的研究团队首次系统性解决了同声传译AI系统延迟评估的准确性问题。他们发现现有评估方法存在严重偏差,常给出相互矛盾的结果,并提出了YAAL新指标和SOFTSEGMENTER对齐工具。YAAL准确性达96%,比传统方法提升20多个百分点。研究还开发了专门的长音频评估工具LongYAAL,为AI翻译技术发展提供了可靠的测量标准。
苹果与俄亥俄州立大学研究人员发布名为FS-DFM的新模型,采用少步离散流匹配技术,仅需8轮快速优化即可生成完整长文本,效果媲美需要上千步骤的扩散模型。该模型通过三步训练法:处理不同优化预算、使用教师模型指导、调整迭代机制来实现突破。测试显示,参数量仅1.7亿至17亿的FS-DFM变体在困惑度和熵值指标上均优于70-80亿参数的大型扩散模型。
印度理工学院团队构建了史上最大规模印度文化AI测试基准DRISHTIKON,包含64288道多语言多模态题目,覆盖15种语言和36个地区。研究评估了13个主流AI模型的文化理解能力,发现即使最先进的AI也存在显著文化盲区,特别是在低资源语言和复杂推理任务上表现不佳,为构建文化感知AI提供了重要指导。