2022年7月2日,2022全国工商联主席高端峰会暨全国优强民营企业助推黑龙江高质量发展大会在哈尔滨市举行,北京工商联副主席、奇安信集团董事长齐向东发表以“企业数据要‘三防’:防违法、防盗窃、防勒索”的主题演讲,他指出,企业数据违法将面临巨额罚款,需加快建立自证清白的技术体系,以内生安全守护企业数据安全。
奇安信集团董事长齐向东
“防违法”:企业数据活动违法将面临国家审查、APP下架、巨额罚款
自2017年《网络安全法》出台后,我国陆续颁布了一系列规范数据活动的法律法规,企业数据往往涉及国家秘密、企业秘密和个人秘密。
“董事长知道企业数据活动违法了吗?”齐向东指出,数据活动涉及一系列环节,包括采集、存储、使用、共享、销毁等,每一个环节都面临国家监管。企业数据违法将面临诸多问题——
首先,企业数据违法将面临国家审查,自去年7月开始,我国多家企业因涉嫌数据违法被启动网络安全审查,数据违法将影响企业发展;其次,企业数据违法面临APP下架风险,近几年,我国连续开展App侵害用户权益专项整治,因违规收集个人信息、大数据杀熟、弹窗广告等违规行为被通报、下架的违法违规APP累计近3000款,数据违法影响公司经营;此外,企业数据违规还将面临巨额罚款,欧盟《通用数据保护条例》实施以来,共计开出罚单超1200张,罚款总额超15.81亿欧元,约合人民币110.5亿元,涉及亚马逊、谷歌、WhatsApp等大型企业,数据违法影响企业营收。
2022年6月5日,我国《关于开展数据安全管理认证工作的公告》要求企业加快完善数据安全体系,防止数据违法。齐向东建议,企业需加快建立自证清白的技术体系,利用网络安全技术来保证企业数据能审查、能告警、能自证清白。
“防盗窃”:82%数据被盗涉及人为因素
由于企业数据涉及方方面面,数据一旦被偷,可能危害国家安全、滋生网络诈骗、破坏企业经营。2022年4月,国家安全机关公布,有间谍窃取我国电信运营商、航空公司等单位的部分数据并发送至境外,损害国家利益。
“董事长知道企业的数据被盗窃了吗?”由于企业数据存在于企业多种设备及各类人员之中,据威瑞森Verizon的《2022 数据泄露调查报告》显示,数据泄露事件中82%涉及人为因素。
齐向东分析称,数据被盗共有两大原因:“内鬼”和外部攻击。
他表示,防“内鬼” 的核心是管特权。特权账号是通往企业数据大门的“钥匙”,是在业务流程中对重要数据进行访问或操作的都是特权账号。因此,利用权账号管理系统和堡垒机联动,可以实现对特权账号实现全面管控。
防止外部攻击要利用API安全卫士,为API上锁。API接口是数字系统的神经元,应用场景广泛,一个中型数字化企业中的API接口数量可能多达10万个,通过API接口盗窃数据已成为网络攻击的重点。利用API安全卫士实现对API进行访问控制,阻断针对API漏洞的网络攻击。
“防勒索”:建立内生安全体系满足“三防”需求
勒索攻击已经成为数字经济时代的“流行病”。据美国Cybersecurity Ventures预测,2022年,预计每11秒将发生一次勒索攻击,全年超过300万次。2021年3月,电脑巨头宏碁遭遇REvil勒索软件攻击,黑客开出高达5000万美元的赎金,约合人民币3.25亿元。
“董事长知道企业数据被勒索了吗?”齐向东表示,企业防勒索,当务之急是做好基础防护。奇安信保障数据安全的“五件套”:特权账号管理、堡垒机、数据库审计、API安全卫士和数据安全态势感知。“五件套”可以帮助企业围绕重要数据资产夯实基础安全防护,提高整体防护水平。
此外,齐向东还建议,数据安全是网络安全的一部分,确保数据安全,需要做好体系化的防御工作,只有建设起内生安全体系,强化整体的安全能力,才能最终满足企业数据安全“防违法”“防盗窃”“防勒索”的实际需求。
据悉,此次会议是由中华全国工商业联合会、黑龙江省人民政府主办,全国工商联经济服务部、黑龙江省商务厅、黑龙江省工商联承办,主题为“携手奋进新征程 助力龙江新辉煌”。国家部委相关领导,黑龙江省委、省政府、省政协相关领导,黑龙江省委省政府部门主要负责同志,黑龙江省内民营企业、商会代表以及签约双方代表等应邀出席。会议旨在为黑龙江省的数字经济、生物经济、冰雪经济、创意经济等新兴产业蓄势腾飞,头部企业、重点企业赴龙江布局,打造一流营商环境,打造投资新型热土等方面为黑龙江全面赋能。
好文章,需要你的鼓励
据《华尔街日报》报道,在马斯克针对OpenAI的诉讼失败后,OpenAI正加速推进IPO计划。CEO萨姆·奥特曼希望公司最快于今年9月上市,目前已与高盛、摩根士丹利合作,并可能在数日或数周内秘密提交上市申请。与此同时,马斯克旗下SpaceX的IPO文件也预计近期公开。两家公司的上市竞争,标志着马斯克与奥特曼的博弈从法庭转移至资本市场。
KAIST团队提出策略助推方法,通过强制分配解题方向引导AI探索多样思路,仅用八份样本就超越了消耗八倍资源的传统方法。
调查显示,51%的专业人士认为AI生成的低质量内容(即"workslop")正在降低生产效率,45%的人因此对职场使用AI更加谨慎。这类内容表面精致却缺乏准确性和实质价值。专家建议两步应对:一是重塑AI生产力思维,推行"AI先行、人工复核"的工作模式;二是保持持续投入,深入掌握AI工具的有效用法。企业领导者强调,真正从AI中受益需要坚持与学习,而非浅尝辄止。
要理解这项研究,先得明白现在的AI是怎么"画"图的。 可以把AI生成图片的过程想象成一个特殊的厨房。当AI要学会画图时,它不会像人类画家那样一笔一画地描绘,而是采用一种叫做"自回归"的方式——简单说就是"一个食材接一个食材地添加"。但问题在于,AI厨房处理的"食材"不是真实的图像像素,而是一种被压缩过的"标准化食材包"。 这个压缩过程,叫做"离散分词",由一个叫"分词器"(tokenizer)的设备完成。打个比方,分词器就像一台高级的食材切片机,它把一整张图片切成很多小块,然后给每一小块贴上一个"编号标签",对应到一本"标签字典"(也就是研究者口中的"码本")里的某个条目。比如,标签001可能代表"蓝天的一小块",标签002代表"绿草的一小块"。 这种做法的好处是大幅简化了AI的工作量——它不用记住几百万个像素,只需要记住一串编号就行了。这就是为什么如今像Chameleon、Emu3这些大名鼎鼎的多模态AI模型都用这种技术。 但问题也恰恰出在这里。当切片机以16倍的压缩率工作时(也就是说原本256个像素被压缩成1个标签),很多细节就被无情地丢弃了。蓝天少一些云彩、草地少几根草尖,人眼几乎看不出来。可一旦切到了文字或人脸,灾难就发生了——一个英文字母"e"和"c"的差别可能就在那么几个像素,一张脸上眉眼的位置稍微挪一挪,整个人就变了样。 研究团队发现,认知科学研究早就指出,人类的视线会不自觉地被文字和人脸吸引,对这两类内容的细节扭曲特别敏感。换句话说,AI画其他东西糊一点没关系,但文字和脸糊了,用户立马就能察觉。 之前的研究者也意识到了这个问题,他们的解决思路通常是"加大切片机的容量"——比如把标签字典从1万6千条扩展到26万条,或者让每张图用更多的标签。但这就像为了切好一根胡萝卜而把整个厨房改造成大型工厂,成本高得离谱,而且效果也不见得好。 清华和微软的团队提出了一个完全不同的思路:与其让切片机变得更大,不如教它学会"看重点"。 二、给切片机装上"火眼金睛"