人工智能和人类网络安全防御平台公司 Deepwatch Inc. 今天宣布,已经收购了安全情报解决方案初创公司 Dassana Inc.,具体收购金额未披露。
Dassana 成立于 2020 年,专注于将复杂的安全数据转化为可行的洞察。该公司提供的解决方案可以聚合和标准化来自各种安全工具的数据,使企业能够实时了解其安全状况,加快修复速度并提高安全控制的有效性。
该公司的核心产品之一 CISO Copilot,可以协助首席信息安全官自动收集合规证据、基于业务影响分配资源,并获取实时的董事会级指标。该工具解决了安全管理中手动和耗时的问题,使领导者能够高效地做出基于数据的明智决策。
Dassana 的平台设计可与现有安全基础设施集成,打破数据孤岛,提供组织安全环境的统一视图。该平台利用高级分析和机器学习来对安全数据进行上下文分析,帮助团队确定威胁优先级并简化运营。这种整体方法不仅改善了威胁检测和响应时间,还增强了整体网络安全防御能力。
Deepwatch 计划将 Dassana 的 AI 驱动的风险和威胁暴露管理技术整合到其平台中,使其能够获取重要的威胁洞察,进一步提高客户安全团队的生产力,并帮助保护其关键信息资产的安全。
Deepwatch 首席执行官 John DiLullo 表示:"这次收购为我们的客户带来了一个难得的机会,让他们能够获得新兴的 AI 功能,同时结合无与伦比的人类专业知识,这在过去只有少数特权群体才能获得。"他补充说,将 Dassana 的技术整合到 Deepwatch 平台中,还将使 CISO 和安全领导者能够实时了解其安全状况。
在被收购之前,根据 Tracxn 的数据,Dassana 在一轮融资中筹集了 500 万美元。投资者包括 Dell Technologies Capital、Jon Oringer 和 Anand Banu Periasamy。
Deepwatch 同样获得了风险投资支持,在三轮融资中共筹集了 2.56 亿美元,其中包括 2023 年 2 月的 1.8 亿美元融资。Deepwatch 的投资者包括 Springcoast Capital Partners、Splunk Ventures、Vista Credit Partners、ABS Capital Partners Inc. 和 Goldman Sachs Group Inc.。
好文章,需要你的鼓励
多伦多大学研究团队提出Squeeze3D压缩框架,巧妙利用3D生成模型的隐含压缩能力,通过训练映射网络桥接编码器与生成器的潜在空间,实现了极致的3D数据压缩。该技术对纹理网格、点云和辐射场分别达到2187倍、55倍和619倍的压缩比,同时保持高视觉质量,且无需针对特定对象训练网络,为3D内容传输和存储提供了革命性解决方案。
浙江大学与腾讯联合研究团队提出MoA异构适配器混合方法,通过整合不同类型的参数高效微调技术,解决了传统同质化专家混合方法中的表征坍塌和负载不均衡问题。该方法在数学和常识推理任务上显著优于现有方法,同时大幅降低训练参数和计算成本,为大模型高效微调提供了新的技术路径。
耶鲁、哥大等四校联合研发的RKEFino1模型,通过在Fino1基础上注入XBRL、CDM、MOF三大监管框架知识,显著提升了AI在数字监管报告任务中的表现。该模型在知识问答准确率提升超过一倍,数学推理能力从56.87%提升至70.69%,并在新颖的数值实体识别任务中展现良好潜力,为金融AI合规应用开辟新路径。
加州大学圣巴巴拉分校研究团队开发出能够自我进化的AI智能体,通过《卡坦岛拓荒者》桌游测试,这些AI能在游戏过程中自主修改策略和代码。实验显示,具备自我进化能力的AI显著超越静态版本,其中Claude 3.7模型性能提升达95%。研究验证了AI从被动工具向主动伙伴转变的可能性,为复杂决策场景中的AI应用开辟新路径。