网络安全解决方案提供商 Check Point® 软件技术有限公司(纳斯达克股票代码:CHKP)特别强调了电动汽车 (EV) 充电桩所面临的网络威胁,并警告称此类威胁可能会阻碍电动汽车的普及。
世界各国政府正大力推动绿色技术转型,以应对气候变化并减少对碳氢化合物的依赖。挪威已建成了一个由 17,000 个充电桩组成的电动汽车充电网络,美国交通部最近宣布将投入 50 亿美元新建一个电动汽车充电站网络。截至2021年,中国新能源汽车保有量达784万辆,同比增长59.3%,预计2025年中国新能源汽车保有量达2672万辆,纯电电动车达2324万辆。为满足电动汽车安全充电需求,国家明确表示到“十四五”末,中国充电基础设施体系能够满足超过2000万辆电动汽车的充电需求,预计2025年充电桩数量将达654.3万台。虽然汽车公司正在大幅增加电动汽车的产量,但整个行业在处理与物联网设备相关的网络安全问题上做得还不够。
当用户为车辆充电时,车辆和电动汽车充电站之间也会建立数据连接。充电站与互联网相连,与其他物联网设备一样,极易受到网络犯罪分子的攻击。如果攻击者能够入侵充电站,则可能会造成一系列的严重后果,包括:
值得一提的是,攻击者还在竭力升级攻击的规模和复杂程度。Check Point 研究公司最近报告称,仅勒索软件攻击就在全球范围内增加了 59%;在过去的六个月里,英国运输业平均每周遭到 979 次网络攻击。由此可见,攻击者不久就会注意到利用电动汽车充电站发起攻击的潜力,因此必须加大对新型环保技术的保护。
Check Point 公司中国区技术总监王跃霖表示:“考虑到日益严峻的气候变化形势,以及减少对石油依赖的需求,我们亟需过渡到更环保的运输方式。对网络安全的担忧可能会成为阻碍电动汽车市场未来发展的一个障碍,汽车行业必须正视这一威胁。不安全的充电设备为日益狡黠的攻击者提供了可乘之机,但我们可以借助成熟的物联网安全解决方案,有效防御这些攻击,并进一步推进可持续出行。”
好文章,需要你的鼓励
DeepResearchGym是一个创新的开源评估框架,专为深度研究系统设计,旨在解决当前依赖商业搜索API带来的透明度和可重复性挑战。该系统由卡内基梅隆大学研究团队开发,结合了基于ClueWeb22和FineWeb大型网络语料库的可重复搜索API与严格的评估协议。实验表明,使用DeepResearchGym的系统性能与使用商业API相当,且在评估指标间保持一致性。人类评估进一步证实了自动评估协议与人类偏好的一致性,验证了该框架评估深度研究系统的有效性。
这项研究介绍了FinTagging,首个面向大型语言模型的全面财务信息提取与结构化基准测试。不同于传统方法,它将XBRL标记分解为数值识别和概念链接两个子任务,能同时处理文本和表格数据。在零样本测试中,DeepSeek-V3和GPT-4o表现最佳,但在细粒度概念对齐方面仍面临挑战,揭示了当前大语言模型在自动化XBRL标记领域的局限性,为金融AI发展提供了新方向。
这项研究介绍了SweEval,一个新型基准测试,用于评估大型语言模型在企业环境中处理脏话的能力。研究团队从Oracle AI等多家机构的专家创建了一个包含八种语言的测试集,模拟不同语调和上下文的真实场景。实验结果显示,LLM在英语中较少使用脏话,但在印地语等低资源语言中更易受影响。研究还发现较大模型通常表现更好,且多语言模型如Llama系列在处理不当提示方面优于其他模型。这项工作对企业采用AI技术时的安全考量提供了重要参考。
这项研究提出了"VeriFree"——一种不需要验证器的方法,可以增强大型语言模型(LLM)的通用推理能力。传统方法如DeepSeek-R1-Zero需要验证答案正确性,限制了其在数学和编程以外领域的应用。VeriFree巧妙地计算正确答案在模型生成的推理过程后出现的概率,作为评估和训练信号。实验表明,这种方法不仅能匹配甚至超越基于验证器的方法,还大幅降低了计算资源需求,同时消除了"奖励黑客"问题。这一突破将有助于开发出在化学、医疗、法律等广泛领域具有更强推理能力的AI系统。