Dell 正通过其安全运营中心 (SOCs) 努力加强客户数据保护服务,以应对针对数据中心备份和恢复系统的网络犯罪行为。
公司通过与 CrowdStrike 的合作协议扩展了其托管检测和响应 (MDR) 服务。Dell 现在使用 CrowdStrike 的 Falcon 下一代 SIEM (安全事件和事件管理) 作为其 MDR 的一部分,通过统一平台"简化"威胁检测和响应,"提升可见性"并帮助防止安全漏洞。
这种组合承诺为企业提供"普通现成工具无法实现"的基础设施可见性。
Dell 表示,网络犯罪分子越来越多地首先针对数据保护环境,因为这些环境对于恢复和还原受损数据至关重要。目前,许多 IT 安全团队依靠基础设施向 SIEM 工具提供系统日志信息。但据 Dell 称,这可能会产生大量未经优先级排序的警报,安全团队需要花费大量时间手动审查和处理,这为管理基础设施安全增加了另一层复杂性。
作为替代方案,Dell 和 CrowdStrike 专门为 Dell PowerProtect Data Domain 和 PowerProtect Data Manager 开发了超过 60 个独特的威胁指标 (IOCs)。这些 IOCs 在 Falcon 下一代 SIEM 的 AI 驱动检测中显示,按严重程度排序,并为 Dell 安全分析师提供取证数据以"加快"响应速度。
IOCs 示例包括禁用多因素认证、从公共 IP 地址登录、大规模数据删除和多次登录失败尝试。
Dell Technologies 基础设施、边缘和安全服务组合副总裁 Mihir Maniar 表示:"将 MDR 扩展到覆盖数据保护基础设施和软件增强了环境的可见性和主动威胁检测,提供了出色的威胁防护。Dell 和 CrowdStrike 开发了先进的威胁检测功能,为我们的安全专家提供可操作的高质量数据。通过这次扩展,我们扩大了 MDR 服务范围,实现了 IT 环境的端到端覆盖。"
CrowdStrike 首席业务官 Daniel Bernard 补充道:"Falcon 下一代 SIEM 为 Dell MDR 提供了强大的基础平台,可无缝接入丰富的数据备份和保护遥测数据,并快速检测和响应威胁。我们期待共同提供客户所需的技术和服务,以转变安全运营、保护关键数据并阻止漏洞。"
这并非 Dell 首次整合第三方技术来加强保护。Dell 的本地和云端 PowerProtect Cyber Recovery vault 产品使用 Index Engines 的 CyberSense 软件来提供勒索软件活动的完整内容索引和搜索功能。IBM 的 Storage Defender 产品和 Infinidat 的 InfiniSafe Cyber Detection 也使用 CyberSense 软件。
去年,Rubrik 和 Cohesity 都宣布与 CrowdStrike 达成服务集成协议,以改善其向客户提供的威胁保护服务。
Dell MDR 服务目前在 75 个国家/地区提供。
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。