近日,由上海市经济和信息化委员会、上海市普陀区人民政府联合主办,上海市信息安全行业协会、上海数字创新大会组委会承办的“2024年上海市网络安全产业创新大会”于上海跨国采购会展中心盛大举行。瑞数信息受邀参与,并一举斩获上海市经信委2023网络和数据安全支撑单位、数据安全优秀案例、上海市网络和信息安全服务机构推荐单位等三大荣誉!
为加快推进工业信息化领域网络和数据安全保障体系建设,上海市经济信息化委遴选了一批技术实力雄厚、服务能力优秀、社会责任感强、能够有效支撑上海市工业信息化领域网络和数据安全工作的支撑单位。
经资格审查、专家评审等环节,上海市经济和信息化委员会正式公布“2023年网络和数据安全支撑单位”名单,瑞数信息成功入选“风险评估”方向支撑单位。
在安全评估服务方面,瑞数信息安全测试专家采用漏洞扫描、渗透测试等技术手段,依托完善的测试指南与流程,发掘信息系统中存在的各类脆弱性问题,并给出修复方案。拥有前沿安全测试技术和安全测试工具,整合瑞数信息成熟的漏洞隐藏防扫描解决方案,为企业构建开发至运维过程的安全闭环。
在网络安全应急演练服务方面,瑞数信息安全团队拥有丰富的应急演练经验,每年参与国内各类攻防演习上百起,覆盖运营商、金融、央企、民生、医疗等行业,包括演练准备工作、演练环境搭建、演练剧本编写、演练彩排工作、正式演练大会、应急演练总结等各个阶段,帮助各组织单位实现全面有效的应急演练。
随着数字化转型的加速推进,越来越多的企业和组织需要面对数据安全问题,尤其是制造业拥有大量高价值数据,已成为勒索病毒主要攻击目标。
为了守住数据安全“最后一道防线”,对关键数据进行实时的数据安全检测和应急响应,瑞数信息在高精制造企业应用数据安全检测与应急响应系统(River DDR),通过事前、事中和事后三道防线,有效解决传统终端安全软件被绕过,备份系统恢复过程冗长等严峻安全问题,让勒索软件等新兴数据安全威胁无法再四处为虐,为企业的数据安全保驾护航。
瑞数信息在高精制造业的“数据安全和反勒索”应用实践,对于那些拥有大量敏感数据的企业和组织而言同样值得推广。基于瑞数信息在有效保护企业经济利益的同时,也推动行业发展和保障国家安全,瑞数“数据安全和反勒索”实践被上海市经济和信息化委员会评为“2023年数据安全优秀案例”。
为继续推动网络与信息安全服务外包单位的能力提升,促进行业自律和制度规范建设,上海市信息安全行业协会开展了2023年度上海市网络与信息安全服务单位能力的评估工作。经专家严格评审、层层筛选,瑞数信息入选“2023年上海市网络和信息安全服务机构推荐单位”,展现了业内对瑞数信息安全服务能力的充分认可。
瑞数信息作为中国动态安全技术的创新者和Bots自动化攻击防护领域的专业厂商,聚焦新一代应用安全与数据安全建设,提供全面覆盖Web、APP、API的全渠道应用安全、业务安全、数据安全及云安全等领域的产品及服务,持续为用户创造安全的价值,高效应对各种未知威胁和挑战。目前业务覆盖三大运营商、金融、政府、制造、能源、交通、医疗、教育、电商互联网等众多行业上千家头部客户。
未来,瑞数信息将一如既往地全力支持上海市网络安全保障工作,发挥在应用和数据安全领域技战能力,提高上海市的网络安全事件应急能力和防御能力,守护广大企业网络安全,为数字经济发展保驾护航!
好文章,需要你的鼓励
DeepResearchGym是一个创新的开源评估框架,专为深度研究系统设计,旨在解决当前依赖商业搜索API带来的透明度和可重复性挑战。该系统由卡内基梅隆大学研究团队开发,结合了基于ClueWeb22和FineWeb大型网络语料库的可重复搜索API与严格的评估协议。实验表明,使用DeepResearchGym的系统性能与使用商业API相当,且在评估指标间保持一致性。人类评估进一步证实了自动评估协议与人类偏好的一致性,验证了该框架评估深度研究系统的有效性。
这项研究介绍了FinTagging,首个面向大型语言模型的全面财务信息提取与结构化基准测试。不同于传统方法,它将XBRL标记分解为数值识别和概念链接两个子任务,能同时处理文本和表格数据。在零样本测试中,DeepSeek-V3和GPT-4o表现最佳,但在细粒度概念对齐方面仍面临挑战,揭示了当前大语言模型在自动化XBRL标记领域的局限性,为金融AI发展提供了新方向。
这项研究介绍了SweEval,一个新型基准测试,用于评估大型语言模型在企业环境中处理脏话的能力。研究团队从Oracle AI等多家机构的专家创建了一个包含八种语言的测试集,模拟不同语调和上下文的真实场景。实验结果显示,LLM在英语中较少使用脏话,但在印地语等低资源语言中更易受影响。研究还发现较大模型通常表现更好,且多语言模型如Llama系列在处理不当提示方面优于其他模型。这项工作对企业采用AI技术时的安全考量提供了重要参考。
这项研究提出了"VeriFree"——一种不需要验证器的方法,可以增强大型语言模型(LLM)的通用推理能力。传统方法如DeepSeek-R1-Zero需要验证答案正确性,限制了其在数学和编程以外领域的应用。VeriFree巧妙地计算正确答案在模型生成的推理过程后出现的概率,作为评估和训练信号。实验表明,这种方法不仅能匹配甚至超越基于验证器的方法,还大幅降低了计算资源需求,同时消除了"奖励黑客"问题。这一突破将有助于开发出在化学、医疗、法律等广泛领域具有更强推理能力的AI系统。