在数字化的推动下,世界各地的企业为实现更加灵活的IT架构,不约而同的将目标设定为云端。得益于云基础设施,许多文件和应用的部署流程显著加快,过去需要耗时几天甚至几周的工作如今几分钟即可完成。
在这一大趋势下,专业网络安全提供商 Check Point® 软件技术有限公司(纳斯达克股票代码:CHKP)提醒企业网络安全人员应关注云环境的一些优缺点,采取措施优化安全防护和加强防御,以有效应对云环境所面临的高级威胁。
根据Check Point对过去两年基于云的网络威胁态势的研究,2022 年每家公司所遭攻击次数与 2021 年相比显著增长了 48%,2023 年仍呈增长趋势。这背后的原因就是随着数字化转型进程的提速和所管理数据量的日益增加,各公司争相将其业务运营迁移到了云端。
虽然安全团队竭力应对,但资源(特别是人力资源)的扩展速度根本无法跟上这些技术的快速部署节奏。目前,大多数以云为中心的安全解决方案都缺乏必要的上下文,无法确定和化解实际威胁,增加了这些基础设施的风险等级。
因此,Check Point 软件技术公司分享了几个有助于企业实现强大云安全防护的必要措施:
Check Point 软件技术公司中国区技术总监王跃霖表示:“此类安全解决方案必须不断演进,引入基于云的新技术,同时尽可能地实现自动化,以简化其使用复杂性、并真正实现云的动态性。企业必须投资网络安全,以帮助其管理人员根据各自的需求和云基础设施的演进而改变和调整其方法”。
好文章,需要你的鼓励
微软近年来频繁出现技术故障和服务中断,从Windows更新删除用户文件到Azure云服务因配置错误而崩溃,质量控制问题愈发突出。2014年公司大幅裁减测试团队后,采用敏捷开发模式替代传统测试方法,但结果并不理想。虽然Windows生态系统庞大复杂,某些问题在所难免,但Azure作为微软核心云服务,反复因配置变更导致客户服务中断,已不仅仅是质量控制问题,更是对公司技术能力的质疑。
Meta研究团队发现仅仅改变AI示例间的分隔符号就能导致模型性能产生高达45%的巨大差异,甚至可以操纵AI排行榜排名。这个看似微不足道的格式选择问题普遍存在于所有主流AI模型中,包括最先进的GPT-4o,揭示了当前AI评测体系的根本性缺陷。研究提出通过明确说明分隔符类型等方法可以部分缓解这一问题。
当团队准备部署大语言模型时,面临开源与闭源的选择。专家讨论显示,美国在开源AI领域相对落后,而中国有更多开源模型。开源系统建立在信任基础上,需要开放数据、模型架构和参数。然而,即使是被称为"开源"的DeepSeek也并非完全开源。企业客户往往倾向于闭源系统,但开源权重模型仍能提供基础设施选择自由。AI主权成为国家安全考量,各国希望控制本地化AI发展命运。
香港中文大学研究团队开发出CALM训练框架和STORM模型,通过轻量化干预方式让40亿参数小模型在优化建模任务上达到6710亿参数大模型的性能。该方法保护模型原生推理能力,仅修改2.6%内容就实现显著提升,为AI优化建模应用大幅降低了技术门槛和成本。