尽管密码无处不在,但它们并不是万无一失的,也不能单独保护您的在线身份。根据 Verizon 的数据,过去十年中报告的近三分之一的数据泄露事件都是由凭据被盗造成的,其中包括一些史上最大规模的数据泄露事件。
相反,业界普遍认为通行密钥是替代密码最突出的解决方案。超过 150 亿个在线账户可以使用通行密钥,包括 Amazon、Apple、Google 和 Microsoft 在内的科技巨头都在共同推广通行密钥的采用。
但由于通行密钥缺乏可移植性且操作普遍笨重,用户仍然对其望而却步。
网络安全创业公司 Hawcx 旨在通过其新的无密码认证技术解决通行密钥带来的一些困扰。该技术保留了通行密钥的优点,同时去除了其局限性。
正如 Ars Technica 的 Dan Goodin 所指出的,用户在账户上设置通行密钥时会觉得繁琐,在多个设备间使用通行密钥登录时也会遇到挑战。虽然通行密钥无疑比密码提供更好的安全性,但对于大规模使用通行密钥的企业来说,账户锁定和恢复可能会带来高昂的成本。
Hawcx 由在 Adobe、Google 和 New Relic 工作了近二十年的 Riya Shanmugam,以及首席技术官 Selva Kumaraswamy 和首席科学家 Ravi Ramaraju 于 2023 年共同创立。该公司表示,他们提供了一个平台无关的解决方案,开发者只需添加五行代码就能启用其无密码技术。
Hawcx 表示,其解决方案不依赖于从设备传输或存储私钥 (如通行密钥那样)。Shanmugam 告诉 TechCrunch,Hawcx 会在用户每次登录时通过加密方式生成私钥。
由于生成的私钥不会存储在用户设备上,Hawcx 表示其技术可以在不支持典型通行密钥设置的老旧设备上运行。
"从根本上说,我们并不是在重新发明轮子,"Shanmugam 告诉 TechCrunch。
举个例子,如果用户从一个设备切换到另一个设备,Hawcx 的解决方案会询问他们是否要在账户上注册新设备,并验证用户的身份以允许登录。
然而,在这种情况下,该解决方案不会创建另一个存储在新设备或云服务中的私钥——这与典型的通行密钥设置不同,后者要么在新硬件上生成并存储新的私钥,要么使用旧设备进行验证,或通过云服务同步。
"没有人在挑战基础本身,"Shanmugam 在谈到数字身份管理领域的竞争时说。"我们挑战的是基础本身。我们不是在通行密钥协议的基础上进行构建。我们认为这个协议对用户、企业和开发者来说都有着巨大的限制,我们可以让它变得更好。"
Hawcx 已申请专利,但其技术尚未被公司部署或经过第三方验证,这可能会影响对其服务的信任。
尽管如此,Hawcx 已在由 Engineering Capital 领投、Boldcap 参投的种子轮融资中筹集了 300 万美元,用于加速产品开发和市场推广。
Shanmugam 告诉 TechCrunch,该创业公司正在与大型银行和游戏公司洽谈,计划在未来几周内开始试点,这些试点将持续三到六个月,面向有限用户群。该公司还计划让斯坦福大学的"几位密码学专家"对这项技术进行验证。
"随着我们推出通行密钥,采用率很低。对我来说很明显,尽管通行密钥很好,解决了安全问题,但可用性问题仍然存在,"ADP 消费者身份总监 Tushar Phondge 告诉 TechCrunch。
Phondge 看好 Hawcx 的技术,并准备在 ADP 部署试点,测试它是否能解决通行密钥带来的问题,包括设备依赖性和核心系统锁定。
最终,Shanmugam 表示,Hawcx 旨在随着时间推移成为企业的统一认证平台,并与不同参与者合作,整合文档验证、实时视频验证甚至背景调查等服务。
好文章,需要你的鼓励
数据分析平台公司Databricks完成10亿美元K轮融资,公司估值超过1000亿美元,累计融资总额超过200亿美元。公司第二季度收入运营率达到40亿美元,同比增长50%,AI产品收入运营率超过10亿美元。超过650家客户年消费超过100万美元,净收入留存率超过140%。资金将用于扩展Agent Bricks和Lakebase业务及全球扩张。
Meta与特拉维夫大学联合研发的VideoJAM技术,通过让AI同时学习外观和运动信息,显著解决了当前视频生成模型中动作不连贯、违反物理定律的核心问题。该技术仅需添加两个线性层就能大幅提升运动质量,在多项测试中超越包括Sora在内的商业模型,为AI视频生成的实用化应用奠定了重要基础。
医疗信息管理平台Predoc宣布获得3000万美元新融资,用于扩大运营规模并在肿瘤科、研究网络和虚拟医疗提供商中推广应用。该公司成立于2022年,利用人工智能技术提供端到端平台服务,自动化病历检索并整合为可操作的临床洞察。平台可实现病历检索速度提升75%,临床审查时间减少70%,旨在增强而非替代临床判断。
上海AI实验室发布OmniAlign-V研究,首次系统性解决多模态大语言模型人性化对话问题。该研究创建了包含20万高质量样本的训练数据集和MM-AlignBench评测基准,通过创新的数据生成和质量管控方法,让AI在保持技术能力的同时显著提升人性化交互水平,为AI价值观对齐提供了可行技术路径。