思科创建了一个设计框架,该框架将在未来几年中应用于该公司所有安全产品的用户界面。
这个名为“Magnetic”的框架于2022年7月悄然出现在思科的Meraki产品系列中。
思科执行副总裁兼安全与协作总经理Jetu Patel今天在澳大利亚墨尔本举行的Cisco Live会议上表示,Magnetic将在未来几年成为思科所有产品的标准配置。
这可不仅仅是表面功夫:Patel表示,有50%的安全漏洞是因为最终用户难以掌控复杂的产品造成的。Magnetic旨在简化管理,希望让用户更不容易犯错误。
Magnetic也将在设备和服务之间保持一致,因此当IT专业人员在工具之间切换时,他们会看到熟悉的元素重复出现。同样,思科希望这意味着更少机会犯错,同时还能够更快地获得技能。Switchzilla希望这意味着其产品培训变得更加有价值,因为它能够适用于更多的产品。
这家企业也很现实,知道一旦所有的产品都表现一致,交叉销售就会变得更加简单。
Patel表示,在未来三到六个月内,Magnetic将开始出现在更多思科的安全产品中,用“每月更新”来增加新功能。
他表示:“成千上万的屏幕将被重构。”
这将需要付出很多努力,因此需要花很多时间。Magnetic在很多年内都做不到无处不在。
好文章,需要你的鼓励
Liquid AI发布了新一代视觉语言基础模型LFM2-VL,专为智能手机、笔记本电脑和嵌入式系统等设备高效部署而设计。该模型基于独特的LIV系统架构,GPU推理速度比同类模型快2倍,同时保持竞争性能。提供450M和1.6B两个版本,支持512×512原生分辨率图像处理,采用模块化架构结合语言模型和视觉编码器。模型已在Hugging Face平台开源发布。
AIM Intelligence联合多所知名大学揭示了音频AI系统的重大安全漏洞,开发出名为WhisperInject的攻击方法。这种攻击能让看似无害的音频指令操控AI生成危险内容,成功率超过86%,完全绕过现有安全机制。研究暴露了多模态AI系统的系统性安全风险,对全球数十亿智能设备构成潜在威胁。
阿里团队推出首个AI物理推理综合测试平台DeepPHY,通过六个物理环境全面评估视觉语言模型的物理推理能力。研究发现即使最先进的AI模型在物理预测和控制方面仍远落后于人类,揭示了描述性知识与程序性控制间的根本脱节,为AI技术发展指明了重要方向。
新加坡国立大学研究团队系统梳理了视觉强化学习领域的最新进展,涵盖超过200项代表性工作。研究将该领域归纳为四大方向:多模态大语言模型、视觉生成、统一模型框架和视觉-语言-动作模型,分析了从RLHF到可验证奖励范式的政策优化策略演进,并识别出样本效率、泛化能力和安全部署等关键挑战,为这一快速发展的交叉学科提供了完整的技术地图。