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
随着AI模型参数达到数十亿甚至万亿级别,工程团队面临内存约束和计算负担等共同挑战。新兴技术正在帮助解决这些问题:输入和数据压缩技术可将模型压缩50-60%;稀疏性方法通过关注重要区域节省资源;调整上下文窗口减少系统资源消耗;动态模型和强推理系统通过自学习优化性能;扩散模型通过噪声分析生成新结果;边缘计算将数据处理转移到网络端点设备。这些创新方案为构建更高效的AI架构提供了可行路径。
清华大学团队开发了CAMS智能框架,这是首个将城市知识大模型与智能体技术结合的人类移动模拟系统。该系统仅需用户基本信息就能在真实城市中生成逼真的日常轨迹,通过三个核心模块实现了个体行为模式提取、城市空间知识生成和轨迹优化。实验表明CAMS在多项指标上显著优于现有方法,为城市规划、交通管理等领域提供了强大工具。
Meta以143亿美元投资Scale AI,获得49%股份,这是该公司在AI竞赛中最重要的战略举措。该交易解决了Meta在AI发展中面临的核心挑战:获取高质量训练数据。Scale AI创始人王亚历山大将加入Meta领导新的超级智能研究实验室。此次投资使Meta获得了Scale AI在全球的数据标注服务,包括图像、文本和视频处理能力,同时限制了竞争对手的数据获取渠道。
MIT研究团队发现了一个颠覆性的AI训练方法:那些通常被丢弃的模糊、失真的"垃圾"图片,竟然能够训练出比传统方法更优秀的AI模型。他们开发的Ambient Diffusion Omni框架通过智能识别何时使用何种质量的数据,不仅在ImageNet等权威测试中创造新纪录,还为解决AI发展的数据瓶颈问题开辟了全新道路。