2023 年 2 月,网络安全解决方案提供商 Check Point 软件技术有限公司宣布推出 Check Point Horizon XDR/XPR。这款协作式网络安全解决方案能够智能关联数据并阻止所有向量中的攻击,有效保护用户免受不断演变的网络威胁、将威胁的影响降到最低,并支持管理员和分析人员轻松了解情况做出快速响应。
威胁态势不断演变,企业很难有效防御网络攻击。传统安全解决方案侧重于检测,将事件管理、搜寻和调查的重任交给安全运营中心。这可能会导致企业采取被动的网络安全方法,使得网络容易遭受威胁。作为首款 XDR 解决方案,Check Point Horizon XDR/XPR 将防御置于更高优先级,扭转了用户的被动局面。该解决方案可集成 Check Point 和第三方安全解决方案,从而防止网络威胁影响整个网络。借助数据智能关联,该平台可阻止所有向量(包括电子邮件、云、网络和端点)中的攻击。这能够将网络威胁的影响降至最低,并支持管理员和分析师轻松了解具体情况及相关对象。
ESG 首席分析师 Dave Gruber 表示:“扩展检测与响应 (XDR) 技术从根本上源于更高级的多向量威胁形势的持续恶化。然而,防御解决方案仍然孤立运行,往往无法抵御高级威胁。Check Point 的扩展预防和响应平台的发布提供了一种综合性威胁防御方法,遵循了业已被 XDR 解决方案证明的原则。此次发布意义重大,有可能推动整个安全行业的变革。”
Check Point 软件技术公司研究副总裁 Maya Horowitz 表示:“XDR 技术的演进说明了现代威胁的复杂性,需要一种更全面的资产威胁检测和响应方法。扩展检测与响应方案针对安全问题只给出了一半答案,没有将防御功能也整合起来。就像 XDR 升级了原本孤立的检测与响应能力,Check Point Horizon XDR/XPR 升级了过去孤立的预防机制,将预防转变为跨多个威胁向量的协作功能。XPR 可与 XDR 协同工作,有效阻止高级威胁,同时随着威胁态势的变化不断改进安全防护。由 Check Point 研究团队开发的 Horizon 可进一步为客户提供可靠的数据工具和宝贵的专家经验。”
Check Point Horizon XDR/XPR 提供了一种全面的综合性威胁防御协作方法,可实现以下优势:
好文章,需要你的鼓励
这项由加州大学圣地亚哥分校和微软研究院合作开发的REAL框架,通过程序分析反馈训练大型语言模型生成高质量代码。与传统方法不同,REAL采用强化学习将代码安全性和可维护性作为奖励信号,不依赖人工标注或特定规则。研究在多个数据集上的实验表明,REAL在保证功能正确性的同时显著提高了代码质量,有效解决了"即兴编程"中的安全漏洞和维护性问题,为AI辅助编程提供了新的范式。
加州大学伯克利分校与Meta FAIR研究团队开发了"Self-Challenging"框架,让大语言模型通过自己创建和解决任务来提升能力。该方法引入创新的"Code-as-Task"格式,包含指令、验证函数、示例解决方案和失败案例,确保生成的任务既可行又有挑战性。在工具计算、网页浏览、零售服务和航班预订四种环境测试中,仅使用自生成训练数据,Llama-3.1-8B模型性能提升了两倍多,证明AI可以通过自我挑战实现有效学习,减少对人类标注的依赖。
南洋理工大学与SenseTime Research合作提出了PoseFuse3D-KI,一种创新的人体中心关键帧插值框架。该方法将3D人体模型信息融入扩散过程,解决了现有技术在处理复杂人体动作时产生扭曲结果的问题。研究团队开发了专门的SMPL-X编码器直接从3D空间提取几何信息,并设计了融合网络将3D线索与2D姿态无缝整合。他们还构建了CHKI-Video数据集,包含2,614个视频片段及完整的人体标注。实验结果显示,PoseFuse3D-KI在PSNR上提升9%,LPIPS减少38%,显著超越现有方法。
这项研究提出了LongGuide算法,解决了大型语言模型在长文本生成任务中的局限性。研究团队发现,仅依靠上下文学习无法使模型充分掌握文本的语言和格式特性。LongGuide通过自动生成两种指导原则:度量指导原则和输出约束指导原则,显著提升了模型性能。在七种长文本生成任务中,该方法使开源和闭源模型的ROUGE-L评分平均提高约6%。LongGuide具有通用性强、易于学习、成本效益高等优点,为提升AI长文本生成能力提供了新方向。