IBM今天宣布,计划收购攻击性网络安全初创公司Randori,具体金额未公开。
Randori成立于2018年,提供的攻击平台具有持续的、自动化的红队体验,可以用于评估现实环境中的安全性,帮助客户不断识别攻击者可见的外部资产,包括本地和云中的资产,并对那些可能构成最重大风险的漏洞进行优先级排序。
进攻性安全和红队经验涉及安全专业人员,他们是攻击系统和闯入防御的专家。作为一家自称为“黑客主导”的公司,Randori的服务大规模地提供了真实的攻击体验,模拟攻击的目的,是为了帮助安全团队将之前未知的风险点归零。
据称,Randori独有的攻击面管理解决方案参考了现实攻击中攻击对手的逻辑,使用Randori专有的评分系统,对风险等级以及资产相对于潜在攻击者的吸引力程度进行优先级排序。
该服务非常易于使用,在进入域之后,开始绘制客户的攻击面,帮助发现影子IT风险和勒索软件的潜在入口点。
Randori的客户中有不少知名企业,包括Meijer、Greenhill、FirstBank、NOV和Lionbridge Technologies。
IBM计划把Randori的攻击面管理软件与IBM Security QRadar的扩展检测和响应功能进行集成,通过把Randori提供的洞察输入QRadar XDR,安全团队将可以利用实时攻击面可见性进行智能警报分类、威胁搜寻和事件响应。
此外,Randori的攻击性安全服务可以与X-Force Red的精英黑客主导的攻击性安全服务形成互补,进一步丰富QRadar XDR的检测和响应能力。
IBM安全业务总经理Mary O'Brien在一份声明中表示:“今天客户管理复杂技术环境带来的难题,也就是针对混合云环境各种应用的网络攻击正在不断加速,包括公有云、私有云和本地环境。在这种环境下,企业组织必须从攻击者的角度武装自己,找到他们最关键的盲点,并将他们的精力集中在能够最大限度上减少业务中断,以及对收入和声誉的损害的领域。”
根据Crunchbase的数据显示,Randori在此之前已经融资了2980万美元,投资方包括Accomplice、.406 Ventures、Harmony Partners和Legion Capital。根据惯例成交条件,该交易预计将在未来几个月内完成。
好文章,需要你的鼓励
香港中文大学与华为诺亚方舟实验室合作开发了PreMoe框架,解决了大型混合专家模型(MoE)在内存受限设备上的部署难题。研究团队发现MoE模型中的专家表现出明显的任务专业化特征,据此提出了概率专家精简(PEP)和任务自适应专家检索(TAER)两大核心技术。实验证明,DeepSeek-R1 671B模型在精简50%专家后仍保持97.2%的MATH500准确率,内存需求降至688GB;而更激进的精简方案(减少87.5%专家)也能保持72.0%的准确率。该方法适用于多种MoE架构,为强大AI系统的广泛部署铺平了道路。
SCIENCEBOARD是一项开创性研究,旨在评估多模态自主智能体在真实科学工作流中的表现。研究团队构建了一个包含169个高质量任务的基准测试,涵盖生物化学、天文学等六个科学领域,并开发了一个真实环境让智能体通过CLI或GUI接口与科学软件交互。实验评估表明,即使是最先进的模型在这些复杂科学任务上的成功率也仅为15%,远低于人类表现,揭示了当前技术的局限性并为未来科学智能体的发展提供了宝贵见解。
帝国理工学院的研究团队开发了AlphaMed,这是首个仅通过极简规则强化学习就能培养医疗推理能力的AI模型,无需依赖传统的思维链示范数据。通过分析数据信息丰富度和难度分布的影响,研究发现高信息量的医疗问答数据是推理能力的关键驱动因素。AlphaMed在六个医疗问答基准上取得了领先成绩,甚至超越了更大的封闭源模型,同时展现出自发的步骤推理能力,为医疗AI发展提供了更加开放、高效的新路径。
Alita是一种新型通用AI代理系统,采用极简设计理念,以"最小预定义,最大自我进化"为原则构建。由普林斯顿大学等多家机构研究团队开发的Alita,只配备一个核心能力和少量通用模块,能自主创建所需工具并重用为模型上下文协议(MCPs)。实验显示,Alita在GAIA基准测试上达到87.27%的通过率,超越包括OpenAI Deep Research在内的复杂系统,证明简约设计可带来卓越性能。