网络安全领域在不断地快速发展,人工智能在该领域也正在成为越来越重要的工具。微软安全营销副总裁 Alym Rayani今天发表了一篇耐人寻味的新博文,他在博文中特别提到人工智能在应对日益严峻的网络安全挑战中的作用。
这篇博文重点提到不断变化的威胁环境及多安全解决方案中的孤立数据,博文称这会导致防御者常常只具备有限的可视性。而同时,微软检测到的密码攻击数量在过去12个月中增加了两倍多,由于网络攻击的年度成本也在持续上升。Rayani认为这些都凸显出需要更强大的安全措施。
大量的网络攻击和形形色色的网络犯罪分子可能令人不知所措,但Rayani 从一个有趣的角度出发,他强调指出,人工智能与端到端安全相结合的潜力可以建立一个具有快速适应性防御的弹性态势。他还强调,专业网络安全专家和合作伙伴在帮助客户为人工智能时代做好准备方面起到关键作用。
他在博文里讨论了安全、人工智能等等后,也在博文里宣布了微软安全助手早期体验计划(Microsoft Security Copilot Early Access Program)。安全助手旨在配合广泛的微软和第三方工具的使用,利用人工智能的力量以机器速度和规模提供保护。
微软在推出安全助手早期测试的同时还宣布成立安全助手设计顾问委员会。据悉,这一举措是微软加强与旗下合作伙伴(包括微软智能安全协会成员)合作并一起营造合作环境的一部分。
微软还在增加在管理扩展检测和响应社区方面的投资,进而满足对这些服务的预期需求。Rayani指出,微软正在积极招募更多的MXDR合作伙伴,这表明了微软对合作伙伴社区的承诺。
微软发布的新版本包括Sentinel、Defender Experts for XDR和Purview Insider Risk Management的更新。这些更新旨在简化预算、计费和成本管理,为应对事件提供逐步指导及允许合作伙伴通过引入非微软来源的检测进行自定义指标的创建。
好文章,需要你的鼓励
牛津大学提出PHYSIFORMER,一种扩散变换器模型,通过三维网格顶点轨迹直接在世界坐标空间预测刚性与弹性物体的物理运动,一次性生成全序列轨迹,超越自回归基线。
随着医疗数据数字化与互操作性的进步,跨机构纵向患者数据的研究应用成为可能。本研究通过对20位领域专家的访谈,识别出8种数据收集方法,涵盖智能手机应用、结构化数据导出、区域/全国研究查询及聚合数据源等。研究发现,各方法均有其优缺点,无单一最优方案。参与者中介交换方式可绕过复杂治理安排,但存在数据缺口;全国性网络尚不支持研究查询。公共政策的持续推进将对该领域发展起关键作用。
研究发现主流奖励模型对同等质量答案给出差异悬殊的分数,并提出"奖励聚类"算法通过蒙特卡洛随机失活将连续分数离散化,在不重训模型的前提下有效减少AI训练中的奖励作弊现象。