思科曾在今年 4 月发布 XDR 服务,引入了对网络和端点的深度遥测和可视性。XDR增加了勒索软件保护功能,其核心是能够将勒索软件爆发开始到基本业务信息快照之间的时间缩短到几乎为零。而此次的升级符合思科的广泛愿景,也就是建立一个统一的、人工智能驱动的、跨领域的安全平台。
思科表示,勒索软件和网络勒索的指数级增长凸显了加强安全协议的紧迫性。为了应对这些威胁,思科在努力建立一个弹性和开放的网络安全平台,目的是最大限度地减少影响及确保业务的连续运营。
思科Talos事件响应团队在最近的一份报告中强调提到勒索软件的增长,报告详细介绍了该团队如何在第二季度应对一年多来最频繁的勒索软件攻击事件。思科XDR的增强功能(如自动检测、快照和恢复关键业务数据)主要是在勒索软件攻击的最初阶段作出反应,通常是在网络发生横向移动之前。
思科有关功能的提升据称并非限于内部改进,还扩大了第三方 XDR 的整合范围,包括领先的基础设施和企业数据备份与恢复供应商。其中一个例子是思科与数据管理供应商 Cohesity公司的DataProtect和DataHawk解决方案的新整合。
Cohesity公司首席执行官兼总裁Sanjay Poonen在一篇博客文章中表示,“网络安全是董事会层面关注的问题,每一位首席信息官和首席信息安全官都面临压力,需要努力减少威胁行为带来的风险。为此,思科和Cohesity携手合作,帮助全球企业加强网络恢复能力。”
为了促进上述的整合,Cohesity 的工程师团队与思科技术团队紧密合作,在数据保护政策上进行灵活调整,从而增强安全性。整合与思科XDR的检测、关联和集成响应功能相辅相成,使得客户能够从数据保护和自动恢复的加速响应中获益。
好文章,需要你的鼓励
UniR(Universal Reasoner)是一种创新的推理增强方法,可为冻结的大语言模型提供即插即用的推理能力。由韩国科学技术院研究团队开发,该方法将推理能力分解为独立的轻量级模块,无需改变主模型结构。UniR的核心优势在于高效训练(仅更新小型推理模块)、出色的模型间迁移能力(小模型可指导大模型)以及模块组合能力(多个专用模块可通过logits相加组合使用)。在数学推理和翻译测试中,UniR显著超越现有微调方法,展示了轻量级模块如何有效增强大语言模型的推理能力。
Nebius团队开发了SWE-rebench,一个自动化管道用于从GitHub收集软件工程任务并进行去污染评估。该系统解决了两大挑战:高质量训练数据稀缺和评估基准容易被污染。通过四阶段处理(初步收集、自动安装配置、执行验证和质量评估),SWE-rebench构建了包含超过21,000个Python交互式任务的数据集,并提供持续更新的评估基准。研究发现部分语言模型在传统基准上的表现可能被污染效应夸大,而DeepSeek模型在开源模型中表现最为稳健。
这项研究提出了JQL(发音为"Jackal"),一种通过多语言方法提升大型语言模型预训练数据质量的创新系统。研究团队从拉马尔研究所等机构通过四阶段方法解决了多语言数据筛选的难题:先由人类评估内容教育价值创建基准数据,然后评估大型语言模型作为"评判者"的能力,接着将这些能力提炼到轻量级评估器中,最后应用于大规模数据筛选。实验表明,JQL在35种语言上显著优于现有方法,甚至能泛化到未见过的语言如阿拉伯语和中文,为多语言AI发展提供了高效可靠的数据筛选方案。
浙江大学和西湖大学研究团队开发的Styl3R实现了艺术风格化3D重建的重大突破,能在不到一秒内从少量未标定照片和任意风格图像创建具有多视角一致性的3D艺术场景。通过创新的双分支网络架构将结构建模与外观着色分离,系统不仅保持了原始场景结构,还准确捕捉了参考风格特征。与现有方法相比,Styl3R在处理速度和视觉质量上均显著领先,为创意内容制作开辟了全新可能。