近日,全球领先的权威资讯机构IDC正式发布《IDC Market Presentation:生成式AI推动下的中国网络安全硬件市场现状及技术发展趋势,2024》报告。报告中IDC 评估了众多厂商的安全硬件产品能力,并给出了产品对应的推荐厂商供最终用户参考。瑞数信息凭借在网络安全领域的持续深耕和强劲的技术实力,入选Web应用防火墙、API安全两大领域代表厂商。
在AI(包括生成式AI)应用不断增多的大背景下,IDC本次报告显示,生成式AI在网络安全的用例主要集中在安全运营、应用安全、数据安全、风险/暴露面管理以及安全合规五大方向;在提升威胁检测效率、统一安全策略、智能策略编排、提高人效等方面具有重要意义。
IDC预测,到2027年,全球网络安全硬件市场规模将达到1,764亿;其中,中国网络安全硬件市场规模将在2027年达到364亿元,市场稳步发展。具体来说,下一代AI防火墙作为市场中的刚需产品仍将是网络安全硬件产品中市场规模最大的产品品类。除此之外,API安全、Web应用防火墙、工控防火墙等产品领域也将在市场需求的推动下持续提高产品竞争力,逐步发展成为安全硬件产品领域中重要的子市场。
IDC认为,总体来看,AI对于提高网络安全技术能力上的影响是革命性的,越来越多的最终用户已经开始部署使用AI安全相关的产品。
Web应用防火墙 代表厂商
瑞数信息下一代WAF- WAAP安全平台
IDC定义
Web应用防火墙(WAF)和API保护(WAAP)监测应用程序通信,保护Web应用程序和API免受包括OWASP十大威胁(如SQL注入和跨站脚本)、漏洞、自动化和应用层拒绝服务在内的各种攻击。WAF可以作为硬件设备、企业软件、虚拟设备或公有云服务部署。WAF可以仅以监测模式部署,也可以作为反向代理保护一个或多个应用程序。
产品价值
瑞数信息WAAP安全平台
充分发挥动态安全技术和Bots自动化攻击防护能力的专业优势,以“动态安全引擎+智能威胁检测引擎+规则引擎”三大引擎协同工作,在提供传统Web安全防御能力的同时,助力客户应对新兴和快速变化的Bots攻击、0day攻击、应用 DDoS攻击和API安全防护。突破了传统WAF难以应对复杂、隐蔽的自动化攻击的瓶颈,直指现阶段攻防对战的痛点。
此前,瑞数信息WAAP安全平台已入选IDC《中国WAAP厂商技术能力评估,2024》报告,被评为中国WAAP技术代表厂商。同时,IDC《中国云Web应用防火墙市场份额,2023:WAAP成为共同演进方向》报告中显示,2023年,瑞数信息下一代WAF产品以独特的“动态安全”为核心技术,以Bot防护为核心功能,广泛应用在运营商、金融、政府、教育等行业客户中,以13.2%的市场份额排名2023年中国私有云WAF市场份额Top2。
API安全 代表厂商
瑞数API安全管控平台
IDC定义
IDC定义下的API安全是一类帮助用户缓解和保护API相关安全风险的解决方案。目前,传统在Web应用安全网关等产品中的API防护功能已经不足以防护日益复杂的API攻击,API安全应站在全生命周期管理的角度,从API安全开发和部署(API测试等)开始,配合加密、身份认证、权限管控、API安全测试、检测、监测、威胁防护、威胁处理等能力来进行管理和控制。目前API安全多以API安全网关、API安全管理平台等产品形式进行交付。
产品价值
瑞数API安全管控平台API BotDefender
能够实现从API接入的客户端到API服务器端的全程式API安全威胁防护。不仅可以快速自动地发现API,并且针对发现的API给出明确的认定,还可以显示出清晰的API列表,对API接口的访问情况一目了然。同时,通过精准构建API画像,可以快速预览各个业务的API情况,包括使用情况、异常情况、访问来源等,并且可根据行为分析的结果或指定条件,调用动态响应机制对异常API请求进行拦阻、限速或脱敏等,从而提升通过逆向探测或机器学习分析等攻击手段的难度。
此前瑞数API安全管控平台(API BotDefender)在IDC《中国API安全市场洞察,2022》报告中被列为中国具有代表性的API安全产品之一。
作为国内首批“WAAP能力”和“云原生API安全能力”认证的安全厂商,瑞数信息在下一代WAF/WAAP和API安全领域持续深耕。目前,瑞数信息WAAP和API安全产品已覆盖政府、电信、金融、医疗、教育、电力能源、互联网等众多行业和领域,拥有大量头部标杆和关键基础设施企业用户。未来,瑞数信息也将不断强化和深化自身的技术实力与独特优势,持续为企业提供更灵活高效的全维度动态安全防护保障。
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。