AWS、Splunk等十几家科技公司宣布启动了一个开源项目,该项目旨在帮助企业更有效地应对网络攻击。
该项目被称为Open Cybersecurity Schema Framework(OCSF),是由AWS和Splunk发起开发的。OCSF基于一种名为ICD Schema的现有开源技术,后者是由Broadcom旗下的赛门铁克网络安全部门开发的。
Salesforce.com、IBM和Cloudflare也将支持OCSF项目,以及其他十几家科技公司,包括上市的网络安全提供商CrowdStrike和Palo Alto Networks,以及多家初创公司。
OCSF旨在通过简化数据管理来帮助企业组织更有效地应对网络攻击,这也是企业面临的最复杂的任务之一。而且,该项目可简化处理网络攻击数据的过程。
组织通常使用多种网络安全工具来检测其网络中的恶意活动。在这些工具之间共享数据通常是有益的。例如,如果网络安全团队使用两个单独的应用程序来调查黑客攻击,它可能希望在这两个应用程序之间共享有关恶意网络活动的技术信息。
目前,将数据从一种网络安全工具转移到另一种工具通常是需要大量手动操作的,因为不同的工具经常是以不同的格式存储数据的,因此当数据集在网络安全工具之间迁移的时候,管理员必须手动更改数据集的格式。
OCSF旨在简化这一任务,OCSF的支持者称,该项目旨在为企业组织的网络安全信息提供一个通用的开源标准。如果两个网络安全工具以相同的格式存储数据,那么管理员就可以在这些工具之间迁移数据而无需先手动修改格式,从而可以节约时间。
更改数据集的格式通常需要专门的软件工具,由于这个过程可能涉及大量的手动工作,因此也存在人为错误的风险。
Splunk安全市场副总裁Patrick Coughlin表示:“安全领导者正在努力应对越来越多的应用、服务和基础设施提供商之间的集成难题,他们需要干净的、标准化的、优先处理的数据来大规模检测和响应威胁,这是一个需要整个行业团结起来解决的问题。”
OCSF提供了一种描述黑客攻击行为的标准化方式,指定了网络安全工具应该提供哪些关于黑客攻击的数据点,以及应该如何格式化这些数据点,如果企业组织的要求超出了框架的核心功能集,则可以选择自定义OCSF。
博通赛门铁克企业部门总经理Rob Greer表示:“OCSF社区将为成千上万依靠来自各种来源的遥测技术支持网络安全调查的企业组织简化安全操作。”
OCSF项目的支持者已经在开源许可下,在GitHub上发布了该框架的代码。
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。