“在手机中悄悄植入木马程序,便能远程窃取对方数据;在手机中偷偷安装窃听软件,就能随时窃听对方的通话内容……”这是许多电影里的经典桥段,
然而,如果影视作品中的这一幕在现实中上演,那将是多么可怕的事情!
浙江大学网络空间学院院长任奎团队、加拿大麦吉尔大学、多伦多大学研究团队共同发表了一项聚焦智能手机窃听攻击的研究成果:智能手机APP可以在用户毫不知情时,利用手机内置的加速度传感器实现对用户语音的窃听,且准确率达到90%。在无需系统特别授权的情况下,智能手机APP通过加速度传感器采集手机扬声器所发出声音的振动信号,就可实现窃听。
细思极恐!手机已然作为现代生活不可或缺的通讯工具,如果这种非法窃听的手段被用于个人消费者,那么个人用户无疑像是在“裸奔”,真是一点隐私都没有,可能还有遭遇互联网诈骗、财产损失的风险;如果这种非法窃听的手段被用于行业用户,尤其是敏感行业,后果恐怕不堪设想。小到个人隐私,大到财产甚至生命安全,通话安全问题不容小窥。
行业定制终端对通话安全能力需求不断提高
当前,随着信息通信技术的迅猛发展和智能终端的广泛普及,移动互联网以其泛在、连接、智能、普惠等突出优势,有力推动了互联网和实体经济深度融合,也成为千行百业数字化转型创新的强大推动力。
例如,政务、金融、应急、电力、税务、工商、财政等行业对移动办公和数字化转型需求旺盛,作为最贴近最终用户的设备,行业定制终端在行业数字化转型过程中扮演着关键角色。
随着近几年全球网络安全、信息安全事件频发,越来越多的行业客户对于信息安全和数据安全要求日益提高,尤其部分特殊行业涉及敏感信息,在对内和对外的沟通与协作过程中对“通话安全”的要求更为严苛,这也对行业定制终端的通话安全能力提出了更高要求。
为客户构筑立体安全防护体系
对此,鼎桥行业定制终端从“端、管、云”打造了立体安全防护体系。而鼎桥为行业定制终端的通话安全所构筑的“黑科技”防线可不止一把“安全锁”。其中在终端侧,鼎桥行业定制终端能够帮助行业客户实现通信安全,可满足等保2.0三级要求,提供多种安全定制功能,包括加密输入法、加密通话、加密存储、加密即时通信等,助力行业客户业务安全、合规、高效。
·加密通话:VoIP加密通话或VoLTE加密通话,可实现端到端的通话信息安全;
·密信:对微信、钉钉、WhatsAPP等各类即时通信工具定制键盘输入加密;
·IM传输加密:信息加密传输,自动解密显示;
·文件存储加密:支持手机中的图片、视频、音频文件和拍照、录像、录音加密保存;还支持邮件加密、办公流加密/密阅等;
·号码隐藏:将号码关键部分进行隐藏,防止客户信息泄露、被恶意盗用挪用;
·通话白名单:可屏蔽三方通话,进入特定工作区域后只能接打白名单中号码,其他号码全部无法接打。
值得关注的是,鼎桥行业定制终端还推出行业定制终端隐私三防特性软件:防窃听、防偷拍、防定位功能特性,支持隐私模式下在操作系统底层彻底关闭手机获取声音、视频、位置信息等功能,避免用户在不知情的情况下被窃听、偷拍、定位。
正如前文所述,“流氓软件”有可能在用户毫无感知的情况下,利用手机自带加速度计采样手机的音频信号,再进行还原,以达到窃听的目的。针对加速度传感器窃听,鼎桥行业定制终端能够进行系统级安全定制,通过深度定制创新算法,实现加速度传感器防窃听特性,确保客户通话隐私安全。
目前,鼎桥系列行业定制终端均可满足行业需求的各类别通话安全功能,将帮助客户提高手机使用安全性,防止用户通话数据泄露。此外,在整体终端安全保障方面,鼎桥行业定制终端还可以构建安全管控平台,统一管理终端,通过支持文件加密,密码安全增强,手机和SIM对应的机卡绑定,远程数据销毁,远程手机锁定/解锁等措施防止信息外露,同时通过禁止工作区USB、Wi-Fi、蓝牙等外部传输通道,让办公人员在工作区仅链接工作网络,通过对定制终端预置工作APP进行管控。鼎桥行业定制终端双系统不仅能够区分生活及工作区的数据和应用,更是兼顾信息化建设成果与信息安全。而手机安全性提升后,也将极大提高使用手机处理工作业务的频次和工作效率,为客户带来更大价值。
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。