思科表示,该产品可将业务背景与安全情报联系在一起,应用性能数据与思科现有安全产品的安全情报可以结合在一起。思科表示,该产品还可以提供业务风险可观察性,能够帮助 IT 专业人员根据潜在的业务影响定位、评估和优先处理风险以及解决应用程序安全问题。
思科安全应用的最新版本的定位是一款帮助客户安全管理云原生应用以及混合应用的工具。根据思科最近的一项研究,92%的全球IT领导者承认,在软件开发过程中,由于急于快速创新和响应客户不断变化的需求而牺牲了强大的应用安全。
思科公司表示,这意味着企业面临IT漏洞和威胁的风险,原因是各自为政的团队难以获得可视性和正确的业务背景,无法优先处理漏洞。这将导致更大的攻击面和应用安全层缺陷。
IDC 研究总监 Mark Leary 表示,“成功的数字基础设施必须作为一个整体来运作,而不是一个独立的产品、供应商和人员的集合。这就要求所有组件(从核心到边缘、从网络到应用、从内部系统到公共云和通信服务等等)都能协同工作,以提供最佳的数字体验。”
思科全栈可观察性和AppDynamics高级副总裁兼总经理Ronak Desai在一篇讨论可观察性和安全性的博文中进行了讨论,提出组织需要清晰地了解每个新漏洞及其洞察力,以便根据其业务影响而确定修复的优先级别。
他在博文引用了思科的一项调查,该调查报告称,93%的IT专业人士认为,能够将安全与应用程序、用户和业务等关键领域的风险联系起来非常重要,这样做才能根据潜在的业务影响确定修复漏洞的优先次序。
他表示,“一个组织是否能够根据潜在业务影响快速评估风险、调整团队和分流威胁的能力完全取决于对漏洞存在的位置、这些风险的严重性、风险被利用的可能性以及每个问题对业务的风险的了解。”
思科全栈可观察性平台于2023年6月在美国思科现场会议(Cisco Live US)上发布。该平台提供思科所描述的“上下文、相关性和预测性洞察力”。思科声称,该平台可以让客户更快地解决性能问题,优化数字体验,同时最大限度地降低业务风险。
好文章,需要你的鼓励
这项研究提出了R1-Searcher++框架,通过两阶段训练策略使大语言模型能像人类一样灵活利用内部知识和外部信息。该方法创新性地采用强化学习激励模型优先使用内部知识,并引入记忆机制将检索到的信息转化为内部知识,实现动态知识获取。实验表明,R1-Searcher++不仅在多步问答任务上表现优异,还大幅减少了检索次数,显著提高了推理效率。
这项研究提出了AutoRefine,一种革新性的强化学习框架,为大语言模型引入了"边思考边搜索和完善"的全新范式。与传统方法不同,AutoRefine在连续搜索调用之间添加知识完善步骤,让模型能够有效过滤和组织信息。通过结合答案正确性和检索质量双重奖励,该方法在七项问答基准测试中平均提升6.9%的准确率,特别在复杂多跳推理场景中表现突出,解决了现有检索增强推理的核心局限性。
这项研究揭示了一种新型网络安全威胁:利用普通网络广告攻击AI网页代理。中科院研究团队开发的AdInject攻击无需特殊权限,仅通过精心设计的广告内容就能误导AI代理点击恶意链接,成功率高达90%以上。研究使用严格的黑盒模型,更符合现实场景,暴露了当前AI代理面临的实际安全漏洞。实验还表明,即使添加专门的防御提示,这类攻击仍能成功率超过50%,凸显了设计更强大防御机制的紧迫性。
东北大学与快手科技联合研发的UNITE系统为多模态信息检索带来突破性进展。这项发表于2025年5月的研究首次系统分析了模态特定数据如何影响检索性能,并提出创新的模态感知掩码对比学习技术,有效解决不同模态间的竞争关系。UNITE能同时处理文本、图像、视频及其组合,在40多项测试中超越现有方法,即使与参数规模更大的模型相比也表现出色。研究发现视频-文本对在通用检索中表现优异,而文本-文本和文本-图像对对指令遵循任务至关重要,为未来多模态系统研究提供了宝贵指南。