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
研究人员正探索AI能否预测昏迷患者的医疗意愿,帮助医生做出生死决策。华盛顿大学研究员Ahmad正推进首个AI代理人试点项目,通过分析患者医疗数据预测其偏好。虽然准确率可达三分之二,但专家担心AI无法捕捉患者价值观的复杂性和动态变化。医生强调AI只能作为辅助工具,不应替代人类代理人,因为生死决策依赖具体情境且充满伦理挑战。
微软研究院发布突破性多语言AI技术UPDESH,通过"自下而上"数据生成策略,让AI真正理解不同文化背景下的语言表达。该技术基于各语言维基百科内容生成950万个训练数据点,覆盖13种印度语言,显著提升低资源语言AI性能,为构建文化敏感型AI系统提供新路径。
麻省理工学院研究发现过度依赖AI会导致认知债务,削弱基本思维能力。研究表明交替进行无辅助思考和AI支持工作的模式能保持认知敏锐度。这种认知高强度间歇训练模仿体能训练中的HIIT模式,通过短时间高强度思考与恢复期交替进行,可以强化大脑神经回路,防止认知衰退,提升独立思考能力。
NVIDIA团队提出RLBFF方法,将AI训练中的复杂评价转化为明确的二元判断标准,解决了传统人类反馈模糊和可验证奖励局限的问题。该方法在多个权威测试中取得突破性成果,其中JudgeBench获得第一名,训练的模型性能媲美知名商业模型但成本仅为其5%,为AI训练领域带来重要方法论创新。