“中国网络安全市场将以18.8%的年复合增长率领先全球主要国家和地区,其中,2022年网络安全软件市场的规模为 39.2 亿美元,同比增长 12.5%。”近日,全球领先的IT市场研究和咨询公司IDC发布了《中国网络安全软件市场份额, 2022:增速放缓,主动变革,厂商探寻技术与市场新机会》(简称《报告》),在网络安全软件市场整体增长不及预期的情况下,以17.3%的市场增长率领先头部主要供应商(包括综合性安全厂商和大型云服务提供商),并显著高于行业平均水平,并以8.9%的市场份额连续两年拿下网络安全软件市场头名。
IDC认为,受疫情、供应链、 地缘政治等多方面的负面影响,尽管包括网络安全软件在内的中国网络安全市场增长不及预期,企业利润明显下滑,但相对而言,中国网络安全软件市场在数据安全、云安全的带动下表现相对较好,并将在未来保持快速发展的态势,并逐步提升在整体市场中的占比。
IDC定义下的网络安全软件市场主要包括终端安全软件、身份和访问管理软件、安全分析软件(拆分为安全分析和情报、响应和编排软件两个二级子市场)、软件安全网关(Network Security Software)、数据安全软件、其他,共由 7 个功能市场/子市场构成。其中在终端安全软件市场、安全分析和情报市场以及数据安全软件市场,据IDC数据显示,2022年奇安信分别以19.7%、8.4%和6.3%的市场份额,获得三大子市场第一。
《报告》认为,在终端安全领域,奇安信通过”体系化防御,数字化运营”的终端安全理念,在终端类型全覆盖、安全能力全覆盖、联动场景全覆盖、部署管理全覆盖的基础上,构建全覆盖、全统一、全协同的终端安全防护体系:同时依托统一的运营平台,帮助客户提升终端安全能力,保障终端安全效果。针对服务器、云主机、容器等工作负载,奇安信能贴合客户在物理服务器、云及云原生环境下对工作负载的防护需求,覆盖业务构建、业务交付、业务运行的全生命周期安全需求。
在安全分析方面,奇安信提供的产品体系能够覆盖网络安全态势感知相关应用领域,全面满足国内态势感知市场的主流需求。其中,奇安信网络空间安全态势感知与协调指挥平台,是平战结合、攻防兼备、智能开放的网络空间安全治理综合业务平台和指挥作战平台:奇安信态势感知与安全运营平台(NGSOC),面向企业安全运营应用领域,是基于大数据架构的新一代安全运营管理系统:奇安信威胁监测与分析系统(天眼)以攻防渗透和数据分析为核心竞争力,为安全服务和分析人员提供一套在监测预警、威胁检测、溯源分析、响应处置上得心应手的网络威胁监测与分析平台。另外,奇安信威胁情报中心能够基于自有的网络安全云端大数据以及先进的威胁情报运营体系,提供高价值的可机读战术情报、作战情报和战略情报等威胁情报能力,为态势感知产品进行赋能。2022 年奇安信整合了攻防态势感知、运营态势感知以及监管态势感知,推出了实战化态势感知解决方案,并于冬奥期间首次亮相,取得了冬奥零事故的傲人战绩。
在数据安全领域,奇安信以加强数据安全前瞻性技术创新为核心,探索构建多层次的数据安全产品及技术服务体系,持续性推出系列工具和方案,在帮助政企客户应对数字时代的数据安全难题的同时,更好地进行数据安全体系建设,提升整体数据安全水平。奇安信数据安全产品体系覆盖数据全生命周期防护与管理,可以满足政企客户”一站式”数据安全建设需要。
IDC表示,企业业务所处的网络环境正随着数字化转型的推进持续变化,数字资产的重要性、复杂性和开放性都不断提升,为企业的网络安全带来艰巨挑战。为了应对全球范围层出不穷的复杂网络威胁,网络安全市场也不断涌现出零信任、云原生安全、隐私计算等新兴安全理念和技术,并正在随着应用实践快速发展和完善。中国网络安全软件厂商在2022年严峻的疫情压力和经济环境挑战下,主动寻求变革,确保网络安全软件产品营收保持向好发展。
好文章,需要你的鼓励
来自香港科技大学和MiniMax的研究团队开发了SynLogic,一个可合成35种逻辑推理任务的框架与数据集,填补了AI逻辑训练资源缺口。研究表明,在SynLogic上进行强化学习训练显著提升了模型逻辑推理能力,32B模型在BBEH测试中超越了DeepSeek-R1-Distill模型6个百分点。更值得注意的是,将SynLogic与数学和编程数据混合训练不仅提高了这些领域的学习效率,还增强了模型的泛化能力,表明逻辑推理是构建通用AI推理能力的重要基础。
这项研究揭示了大型语言模型的惊人能力:只需两个特殊训练的向量,冻结的语言模型就能在一次计算中生成数百个准确词汇,而非传统的逐词生成。研究者发现,这种能力要求特定的输入排列方式,且生成速度比自回归方法快约279倍。这一发现不仅展示了语言模型未被充分探索的并行生成潜力,还为快速文本重建开辟了新方向。
腾讯混元团队提出的"ConciseR"是一种通过两阶段强化学习实现大模型简洁推理的新方法。研究遵循"先走后跑"原则,先确保模型具备准确推理能力,再优化输出简洁性。第一阶段通过改进的群体相对策略优化(GRPO++)提升推理能力,第二阶段通过长度感知的群体相对策略优化(L-GRPO)减少输出长度。实验结果显示,该方法在AIME、MATH-500等多个基准测试中既减少了输出长度(平均20%以上),又保持或提高了准确率,展现出高效率-高准确率的理想平衡。
这项由香港科技大学团队开展的研究首次全面评估了压缩对大语言模型Agent能力的影响。研究发现,虽然4位量化能较好地保留工作流生成和工具使用能力(仅下降1%-3%),但在实际应用中性能下降达10%-15%。团队提出的ACBench基准测试横跨工具使用、工作流生成、长文本理解和实际应用四大能力,评估了不同压缩方法对15种模型的影响。结果显示,AWQ量化效果最佳,蒸馏模型在Agent任务上表现不佳,大型模型对压缩更具韧性。研究还提出ERank等创新分析方法,为实际部署提供了切实指导。