思科周一表示,该公司正在敲定对一家名为Robust Intelligence Inc.的人工智能安全初创公司的收购,收购价格尚未披露。
Robust Intelligence创建了一个平台,在从开发到生产的整个生命周期中保护人工智能模型及其所依赖的数据。几年前,这家公司首次引起了思科的注意,当时这家网络巨头通过思科投资部门对其进行了投资。
思科高级副总裁兼安全业务总经理Tom Gillis在一篇博文中写道,这家初创公司在人工智能模型安全和治理方面的专长与思科自身的安全产品相辅相成。
他承诺道:“思科与Robust Intelligence的结合意味着,我们可以将先进的人工智能安全处理融入思科安全和网络产品,在现有的数据流中无缝提供。”Gillis补充表示,思科相信,这种整合会为人工智能流量带来极强的可见性,因此客户将能够以更安全的方式构建并部署人工智能应用。
此外,思科认为Robust Intelligence的工具还有助于为人工智能应用和模型提供威胁防护。该公司表示,它将有助于降低提示注入攻击等风险,提示注入攻击指的是恶意用户试图诱使人工智能模型做出不良行为的事件。Gillis表示,它还可以帮助防范数据中毒、越狱和无意的模型结果。它还可以帮助用户简化配置和用户体验、预测攻击并执行自适应策略。
该公司表示,它计划将Robust Intelligence的自动模型评估和风险降低功能纳入思科安全云(Cisco Security Cloud),这样客户就能在同一个地方确保其网络、人工智能应用、模型和用户的安全。
Gillis表示,客户越来越重视信息技术现代化和网络安全,以保护他们的人工智能投资。他援引了思科公司的“2024 年人工智能就绪指数”(2024 AI Readiness Index)来证明这一说法。该研究发现,95%的企业认为人工智能将“对IT基础设施和安全产生重大影响”。
因此,Gillis表示企业将需要更强大的安全措施。Gillis写道:“随着企业越来越依赖人工智能应用来实现创新和效率,保护这些应用及其底层模型变得至关重要。”“传统的安全工具往往无法应对人工智能带来的独特挑战,因此迫切需要专门的解决方案。”
对 Robust Intelligence 的收购加速了思科向安全业务的转型,这也是该公司实现收入来源多元化和创造更多经常性销售努力的一部分。思科曾经是世界上最有价值的公司,但近年来一直在苦苦挣扎,其核心网络硬件业务的收入一直在下滑,而该业务主要是为数据中心销售以太网交换机和路由器等产品。思科的客户正逐步将工作负载迁移到公共云,因此他们对自己硬件的投资也在减少。
为此,思科更加关注网络安全,特别是斥资280亿美元收购了网络安全和可观察性公司Splunk。与此同时,人工智能的蓬勃发展也给思科带来了更大的紧迫感,因为企业仍在努力解决如何保护他们的人工智能投资的问题。
为了抓住这一机遇,思科今年早些时候宣布成立一个10亿美元的基金,投资人工智能初创企业,并已在 Cohere、Mistral和Scale AI等人工智能模型制造商身上下了重注。
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。