近日,专注于推动网络与安全融合的全球网络安全领导者 Fortinet®(NASDAQ:FTNT),宣布推出全新 FortiOS 操作系统 7.6 版本,并为旗下网络安全平台 Fortinet Security Fabric 全新集成生成式 AI、数据保护、托管服务和统一代理等更多关键功能。
狙击安全风险:FortiOS 7.6 全新发布
当前,网络安全威胁呈复杂化和多样化趋势,企业面临安全风险不断扩大的挑战。作为业内无缝融合网络与安全的领先操作系统,FortiOS 始终以客户需求、用户体验为中心,不断迭代更新融入大数据、GenAI等最新理念和技术,以与时俱进的网络安全能力全面守护数字化转型中的各行业企业。
全新发布的 FortiOS 7.6 涵盖以下关键功能,赋能用户高效缓解安全风险、精简网络架构,并实现端到端的卓越用户体验:
统一操作系统:全面赋能全系产品方案
Fortinet 始终致力于将旗下广泛的产品组合无缝集成至统一操作系统 FortiOS,同时大力投资自研加速芯片 ASIC,打造卓越软硬件实力全面赋能 Fortinet Security Fabric安全架构体系产品和方案:
Security Fabric 平台方法:重点聚焦三大领域
借助 Fortinet Security Fabric的卓越优势,Fortinet 为广大用户提供平台式的网络安全解决方案。该解决方案重点聚焦三大增长领域:安全组网、Unified SASE(统一SASE) 和 AI 驱动的安全运营,并基于统一操作系统——FortiOS、统一代理——FortiClient、管理平台——FortiManager以及数据湖——FortiAnalyzer实现网络与安全的全面融合,助力用户整合并保护整个数字攻击面。
Fortinet Security Fabric 的问世及持续创新,是 Fortinet 二十多年来对统一安全平台愿景及有机的产品开发和创新不懈努力的成果。该平台涵盖 50 多种企业级产品和服务,包括网络防火墙、有线和无线局域网络的构建和安全、SD-WAN、SASE、终端安全(EPP,EDR)、安全运营(SIEM、SOAR、攻击面管理等)。这种全面广泛的产品集成,结合开放式 API 以及由 500 多家第三方供应商构建的深度技术联盟合作伙伴生态系统,确保用户基于当前部署构建完整覆盖攻击面的安全平台,并利用 Fortinet Security Fabric 安全平台,满足独特安全需求,实现投资回报最大化。
对此,Fortinet 创始人、董事长兼首席执行官谢青表示:“Fortinet 自创立之初即坚守网络与安全深度融合理念,致力于携手广大用户构建功能全面的高效网络安全防护体系。为持续践行这一宗旨,过去二十年间,我们始终围绕统一操作系统潜心于安全和组网解决方案的有机开发,并大力投资研发专用处理器 FortiASIC。如今,作为全球功能最强大的实时网络安全操作系统,FortiOS 助力广大用户跨内容、应用程序、用户、设备、数据和物理位置,有效简化网络运维管理,并协同 FortiASIC 持续以更低成本和功耗,为用户交付无与伦比的卓越性能。”
二十多年来,Fortinet 踔厉奋发,笃行不怠,始终致力于有机产品和服务的开发与创新,促就 30 多种网络和安全功能的协同联动。我们坚信,此次全新增强操作系统 FortiOS 7.6 的发布,将成就网安行业新标杆。
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。