随着大模型技术的突破性进展,人工智已经能成为当前最火爆的话题。可大家并不了解的是,黑客以及黑产也是对人工智能技术最为热衷的使用者,无论是肉鸡管理,还是对攻击目标的弱点分析,AI都成为黑客最为得心应手的强大工具。而在ChatGPT为代表的大模型技术出世之后,黑客甚至可以利用AI来更加高效的生成恶意代码,甚至由此而产生出规避安全监管的全新攻击方式。
在这个智能化的时代,我们又要如何去应对人工智能的威胁?在近期于厦门召开的CPX“智聚共赢、智护网安”中国区用户及合作伙伴大会上,Check Point向我们展示了如何用“魔法”打败“魔法”。
在暌违线下活动三年后,本次大会中,有超过300名用户、合作伙伴以及十余家媒体来宾共聚春意盎然的厦门,共同探讨网络安全行业未来发展趋势与我国市场动态需求。Check Point® 软件技术有限公司大中华区与中国区的管理团队与安全专家为来宾带来了公司最新的安全理念与解决方案,为来宾阐述了AI大行其道、新型威胁来势汹汹的当下,如何通过“预防为先”的理念打造最高安全级别的网络架构。
3C架构 构建“预防为主”安全策略
作为网络安全领域的长期领导者,Check Point每年都会在年初公布其对行业发展的最新洞察与安全理念。在2023年,随着AI技术的不断崛起与地缘政治的日趋复杂,Check Point认为被动防御与“人力对抗AI”的安全策略将使企业面临巨大风险。
在会上,Check Point中国区总经理陈石磊对安全趋势的改变进行了深入的分析。陈石磊强调:“AI技术进入网络安全领域,会使不法分子的犯罪成本大幅降低,同时未知威胁的发生频率则会不断提高。因此,‘预防为主’的安全策略、‘AI对抗AI’的安全手段是整个网络安全行业需要思考的方向。
第一个“C”Comprehensive (全面):无论用户 IT 环境是在本地还是云端,以及各种终端设备,甚至是代码级别,Check Point 都可以帮助企业进行全面的保护。
第二个“C” Consolidate (整合):Check Point 会将软硬件在同一个平台进行管理, Check Point Horizon 平台可以帮助用户按业务需求整合管理整个安全体系。
第三个“C”Collaboration (协同):协同分为两个层面,一是 Check Point 内部产品相互之间互相交错,需要协同,帮助企业应对本地、云端、PC /移动等不同层面的安全问题;另一个是生态系统的建设,Check Point 会与合作伙伴一起,为客户努力打造一个安全的环境。
总结而言,一个基于用户业务发展需求打造立体预防体系,才能满足当下日趋复杂的网络威胁环境。
为了让广大用户和合作伙伴更加直观的对Check Point产品及解决方案进行了解。在这次的CPX上,Check Point特意搭建五大展示平台,通过产品实例进行真实功能展示。
Check Point最新推出的 Infinity 全球服务,是一个全面的端到端安全解决方案,可为各种规模的用户提供从云端到网络再到端点全方位的系统保护。这项新服务能够将 Check Point 的端到端安全服务扩展到 30 个领域,以便企业构建和增强其网络安全实践和控制,并实现网络弹性。
在Check Point所有解决方案的背后,都有其全球领先的威胁情报库 – ThreatCloud的支持。作为已经落地中国的全球顶尖情报库,其AI引擎不断的对其进行自我学习、自我判断、自我纠错的训练。通过威胁情报+AI引擎的完美组合,加之其落地中国的物理属性,我国用户可以在合规的基础上,真正利用AI技术对抗AI带来的潜在威胁。
而刚刚更新的Check Point Quantum 网络安全平台在2023年Miercom 新一代防火墙 (NGFW) 安全基准测试报告中,取得了恶意软件拦截率和网络钓鱼防御率高达 99.7% 和 99.9%、误报率仅为0.13%的好成绩。Check Point Quantum 新一代防火墙也因此赢得了 Miercom 安全性认证奖,这是 Miercom 在竞争实践测试中设立的最高奖项。
除此之外,在CPX展台上,Check Point还对自身的IoT和SD-WAN解决方案进行了展示。
未来Check Point还将在中国举办更多针对不同行业、不同应用场景的中小型活动。将更多更好的,有针对性的解决方案,更加直观的向用户进行介绍,在让用户了解到黑客利用人工智能技术可产生危害的同时,也更进一步了解,可以采用什么更加智能的方式对威胁进行防护。
好文章,需要你的鼓励
机器人和自动化工具已成为云环境中最大的安全威胁,网络犯罪分子率先应用自动化决策来窃取凭证和执行恶意活动。自动化攻击显著缩短了攻击者驻留时间,从传统的数天减少到5分钟内即可完成数据泄露。随着大语言模型的发展,"黑客机器人"将变得更加先进。企业面临AI快速采用压力,但多数组织错误地关注模型本身而非基础设施安全。解决方案是将AI工作负载视为普通云工作负载,应用运行时安全最佳实践。
MBZUAI研究团队发布了史上最大的开源数学训练数据集MegaMath,包含3716亿个Token,是现有开源数学数据集的数十倍。该数据集通过创新的数据处理技术,从网页、代码库和AI合成等多个来源收集高质量数学内容。实验显示,使用MegaMath训练的AI模型在数学推理任务上性能显著提升,为AI数学能力发展提供了强大支撑。
面对心理健康专业人士短缺问题,谷歌、麦肯锡和加拿大重大挑战组织联合发布《心理健康与AI现场指南》,提出利用AI辅助任务分担模式。该指南构建了包含项目适应、人员选择、培训、分配、干预和完成六个阶段的任务分担模型,AI可在候选人筛选、培训定制、客户匹配、预约调度和治疗建议等环节发挥作用。该方法通过将部分治疗任务分配给经过培训的非专业人员,并运用AI进行管理支持,有望缓解治疗服务供需失衡问题。
这项由多个知名机构联合开展的研究揭示了AI系统的"隐形思维"——潜在推理。不同于传统的链式思维推理,潜在推理在AI内部连续空间中进行,不受语言表达限制,信息处理能力提升约2700倍。研究将其分为垂直递归和水平递归两类,前者通过重复处理增加思考深度,后者通过状态演化扩展记忆容量。