Check Point 新任 CEO Nadav Zafrir 本周在曼谷举行的 CPX 2025 大会上发表开幕演讲,提出了以"混合网格架构"和人工智能驱动的安全性为核心的网络安全未来愿景。
作为网络安全行业的资深人士,Zafrir 在开幕主题演讲中强调了在充满流行术语和炒作的世界中"真正安全"的重要性。他指出,虽然 AI 既带来机遇也带来挑战,但 Check Point 的核心使命始终不变 —— 即保护关键基础设施和敏感数据免受日益复杂的攻击。
"我们生活在一个高度互联的世界,随着 AI 的出现正在快速发展,"Zafrir 说,"这个新维度要求我们改变安全方法。仅仅依靠基于云的解决方案已经不够了。我们需要一个灵活、可适应的框架,使组织能够在需要时随时随地获得安全保护。"
他表示,这个框架就是混合网格架构。它突破了纯云端安全访问服务边缘 (SASE) 方法的局限,允许组织整合本地和云端安全产品。这种灵活性可以带来更好的用户体验、增强的安全性和更好的云成本控制。
Zafrir 指出,混合网格将允许组织根据具体需求调整其安全态势,这是关于创建一个涵盖所有端点和连接的安全架构,确保无论位置或设备如何都能提供一致的保护。
Check Point 首席产品官 Nataly Kremer 表示,混合网格架构让组织能够超越以云为中心的 SASE 产品的限制。
"与强制所有流量通过云不同,混合网格允许企业为每个用例指定检查点,"她说,"这意味着组织可以在需要时利用云的力量,同时保留在本地保护流量的灵活性,确保最佳性能、成本效益和最重要的安全性。"
Zafrir 指出,虽然 Check Point 在 SASE 市场起步较晚,但公司能够从其他公司的错误中吸取教训并开发出正确的架构。"当你考虑混合网格时,有时你想从分支机构连接到互联网,你会想通过 SASE 基础设施来获得云中的安全性,"他说。
"但其他时候,你需要灵活性,因为你想直接从数据中心连接到云环境,而不想通过 SASE 架构。而且很多时候,你的用户需要连接到互联网,但不总是通过 SASE。"
在这次面向亚太地区客户和合作伙伴的活动中,Check Point 高管还深入探讨了公司的产品路线图,包括其 Quantum、CloudGuard 和 Harmony 产品线的创新,以及本地和云环境中 AI 驱动安全性的进展。
这包括推出 AIOps,这是一项新的云服务,旨在预测和防止网络问题在发生之前,以及对 Check Point 的 Web 应用防火墙的增强,通过先进的 AI 引擎实现误报减少 90%。
Check Point 还设想了自主防火墙的崛起,即 AI 根据上下文感知做出实时安全决策。"我们不想要数千条预定义规则,而是想要能够根据上下文实时做出决策的 AI,"Kremer 说。
针对日益增长的 AI 驱动威胁的担忧,Zafrir 承认了 AI 在恶意行为者手中的危险潜力,提到了 AI 驱动的恶意软件和复杂攻击的自动化。
他还指出了围绕深度伪造、扩大的攻击面以及对 AI 模型的威胁。"[攻击者] 可以攻击你的模型,窃取它们并污染给模型提供的数据,这使得很难理解输出的来源,"Zafrir 说,并补充道 Check Point 正在开发对抗这些威胁的能力,包括保护 AI 模型和防范 AI 驱动攻击的工具。
好文章,需要你的鼓励
OpenAI首席执行官Sam Altman表示,鉴于投资者的AI炒作和大量资本支出,我们目前正处于AI泡沫中。他承认投资者对AI过度兴奋,但仍认为AI是长期以来最重要的技术。ChatGPT目前拥有7亿周活跃用户,是全球第五大网站。由于服务器容量不足,OpenAI无法发布已开发的更好模型,计划在不久的将来投资万亿美元建设数据中心。
阿里巴巴团队提出FantasyTalking2,通过创新的多专家协作框架TLPO解决音频驱动人像动画中动作自然度、唇同步和视觉质量的优化冲突问题。该方法构建智能评委Talking-Critic和41万样本数据集,训练三个专业模块分别优化不同维度,再通过时间步-层级自适应融合实现协调。实验显示全面超越现有技术,用户评价提升超12%。
英伟达推出新的小型语言模型Nemotron-Nano-9B-v2,拥有90亿参数,在同类基准测试中表现最佳。该模型采用Mamba-Transformer混合架构,支持多语言处理和代码生成,可在单个A10 GPU上运行。独特的可切换推理功能允许用户通过控制令牌开启或关闭AI推理过程,并可管理推理预算以平衡准确性和延迟。模型基于合成数据集训练,采用企业友好的开源许可协议,支持商业化使用。
UC Berkeley团队提出XQUANT技术,通过存储输入激活X而非传统KV缓存来突破AI推理的内存瓶颈。该方法能将内存使用量减少至1/7.7,升级版XQUANT-CL更可实现12.5倍节省,同时几乎不影响模型性能。研究针对现代AI模型特点进行优化,为在有限硬件资源下运行更强大AI模型提供了新思路。