2023年 3月 9日 – 继去年夏天对欧洲创纪录的攻击之后,分布式拒绝服务 (DDoS) 威胁形势继续变化和加剧。
2023 年 2 月 23 日世界标准时间 10:22,Akamai 缓解了有史以来针对亚太地区 (APAC) 的 Prolexic 客户发起的 最大规模DDoS 攻击,攻击流量达到每秒 900.1 吉比特和每秒 1.582 亿个数据包的峰值。
与当前趋势一致,攻击强度大且持续时间短,大多数攻击流量在攻击高峰期爆发。仅几分钟后,流量模式就恢复正常(图 1)。
图 1:攻击强度大且持续时间短,并且已完全预先缓解
攻击分布在我们的清洗网络中,但主要来自亚太地区(图 2)。没有一个清洗中心的流量占总流量的 12% 以上,排名靠前的地点是香港、东京、圣保罗、新加坡和大阪。48% 的流量在区域内。我们不断扩大的所有 26 个清理中心都遇到了一定数量的攻击流量。
图 2:攻击分布在我们的清洗网络中,但主要来自亚太地区
如果没有正确的防御措施,即使是强大的现代网络也可能会在这种规模的攻击下崩溃,从而使任何依赖于该连接的在线业务完全无法访问。这种不可访问性会危及消费者的信任,导致经济损失,并产生其他严重后果。
为了阻止攻击并保护我们的客户,Akamai Prolexic采用了其行业领先的平台、人员和流程组合来预先缓解攻击:
由于我们为该客户采取了积极的防御姿态,因此没有造成附带损害。
随着运营风险的增加,拥有行之有效的 DDoS 缓解策略对于在线业务的蓬勃发展势在必行。要领先于最新的威胁,请采用以下建议。
有关您可以采取哪些步骤来保护您的组织的更多信息,请查看以下 CISA 资源:
好文章,需要你的鼓励
这项研究由浙江大学、复旦大学等机构联合完成,提出了ReVisual-R1模型,通过创新的三阶段训练方法显著提升了多模态大语言模型的推理能力。研究发现优化的纯文本冷启动训练、解决强化学习中的梯度停滞问题、以及分阶段训练策略是关键因素。ReVisual-R1在各类推理基准测试中超越了现有开源模型,甚至在某些任务上超过了商业模型,为多模态推理研究开辟了新途径。
这项研究提出了一种名为"批评式微调"的创新方法,证明仅使用一个问题的批评数据就能显著提升大语言模型的推理能力。研究团队对Qwen和Llama系列模型进行实验,发现这种方法在数学和逻辑推理任务上都取得了显著提升,平均提高15-16个百分点,而且只需要强化学习方法1/20的计算资源。这种简单高效的方法为释放预训练模型的潜在推理能力提供了新途径。
新加坡国立大学研究团队开发了名为IEAP的图像编辑框架,它通过将复杂编辑指令分解为简单原子操作序列解决了当前AI图像编辑的核心难题。研究发现当前模型在处理不改变图像布局的简单编辑时表现出色,但在需要改变图像结构时效果差。IEAP框架定义了五种基本操作,并利用思维链推理技术智能分解用户指令,实验证明其性能显著超越现有方法,尤其在处理复杂多步骤编辑时。
Character AI的研究者开发出TalkingMachines系统,通过自回归扩散模型实现实时音频驱动视频生成。研究将预训练视频模型转变为能进行FaceTime风格对话的虚拟形象系统。核心创新包括:将18B参数的图像到视频DiT模型改造为音频驱动系统、通过蒸馏实现无错误累积的无限长视频生成、优化工程设计降低延迟。系统可让多种风格的虚拟角色与人进行自然对话,嘴型与语音同步,为实时数字人交互技术开辟了新可能。