无数物联网设备正不断从云端“母舰”处检查丰富数据,而其中使用的强大API接口也迅速成为恶意黑客眼中的攻击目标。于是,API安全再次站在了时代舞台的最中央。
谷歌API安全计划Apigee的出现,令API的整体安全水平迈上新的台阶。而且不仅仅是物联网,流畅丝滑的用户体验设计背后也同样要求机器间数据的无缝对接。只有这样才能以低摩擦方式交换大量数据,将远端分布式响应技术融入到前所未有的精彩体验中来。
但为了让这一切“正常起效”,我们也要考虑到强大接口所引发的恶意攻击可能性。如果不加控制,创纪录的传输能力只会把敏感数据以创纪录的速度传递给恶意黑客。
为此,我们在今年的RSA大会上发表了一篇文章,讨论初创企业正以怎样的方式保障API安全、防止其在悄无声息之下沦为倾泄数据的致命软肋。除我们之外,知名安全媒体DarkReading也打算好好给API安全事件引发的业务损失算笔账。
如今,更多重量级巨头也在进军这一领域,打算将API安全保障塑造成“下一件大事”。谷歌为自家云平台打造的Apigee Advanced API Security,就是想帮助组织客户发现API配置错误并阻止恶意机器人。从之前的记录来看,API配置错误正是多数安全事故的罪魁祸首之一。
好在OWASP API Security Project等工具已经相继出炉,能帮助大家对自己的API或需要交互的API开展健康检查,并以结果作为安全衡量基准。这些工具还深入剖析了常见错误配置及处理方法,相当于给大家提供了良好的保护起点。
而就在企业重视API保护工作的同时,下阶段针对API的黑客攻击也必然迅速增加。而这一波的攻击重点,很可能就是在云和大数据体系中至关重要的工业接口。而一旦这里存在配置错误,将很快导致大量数据被传递至犯罪分子手中,最终引发严重危害。在这场关于安全的军备竞赛中,我们唯一能做的就是避免自己沦为那个受害者。
好文章,需要你的鼓励
伊斯法罕大学研究团队通过分析Google Play商店21款AI教育应用的用户评论,发现作业辅导类应用获得超80%正面评价,而语言学习和管理系统类应用表现较差。用户赞赏AI工具的快速响应和个性化指导,但抱怨收费过高、准确性不稳定等问题。研究建议开发者关注自适应个性化,政策制定者建立相关规范,未来发展方向为混合AI-人类模型。
谷歌发布基于Gemini 3的快速低成本模型Flash,并将其设为Gemini应用和AI搜索的默认模型。新模型在多项基准测试中表现优异,在MMMU-Pro多模态推理测试中得分81.2%超越所有竞品。该模型已向全球用户开放,并通过Vertex AI和API向企业及开发者提供服务。定价为每百万输入token 0.5美元,输出token 3美元,速度比2.5 Pro快三倍且更节省token用量。
这项由伊利诺伊大学香槟分校等四所院校联合完成的研究,提出了名为DaSH的层次化数据选择方法。该方法突破了传统数据选择只关注单个样本的局限,通过建模数据的天然层次结构,实现了更智能高效的数据集选择。在两个公开基准测试中,DaSH相比现有方法提升了高达26.2%的准确率,同时大幅减少了所需的探索步数。