企业数据保护解决方案 Commvault 正在与全球四大会计师事务所之一的 Deloitte 携手,向寻求提升对网络威胁韧性的客户提供服务。
Commvault 一直在其核心数据保护功能基础上增加网络韧性特性。最近,该公司改进了 Cleanroom Recovery(清洁环境恢复)能力,并与 CrowdStrike 建立了合作伙伴关系,以检测并应对网络攻击。当 CrowdStrike 向 Commvault Cloud(云平台)发出警报时,这可以触发针对受影响数据的 ThreatScan(威胁扫描)检查,并利用备份将已受损数据恢复到已知的良好状态。Deloitte 则提供一整套 Cyber Defense and Resilience(网络防御与韧性)服务,其中包括进行网络事件调查并协助遏制及恢复事故的取证专家。
Commvault 首席合作官 Alan Atkinson 表示: “通过结合 Commvault 的网络韧性技术与 Deloitte 在网络检测和响应方面的深厚技术知识,我们正为我们的联合客户构建一道针对当今最复杂网络威胁的强大防线。”
双方旨在整合 Commvault 的网络韧性服务与 Deloitte 的网络防御和响应能力,帮助企业在网络事件发生前、中、后保持业务连续性。这样的服务本来可能在近期英国零售商 Marks & Spencer、Co-Op 和 Harrods 遭遇网络攻击时,帮助缓解影响。恰好,Deloitte 还是 Marks & Spencer 的审计机构。
具体而言,在攻击发生前,Commvault 与 Deloitte 将协助各组织了解并界定其最低生存能力 —— 即在遭受攻击或停电后,维持业务运行所必需的关键应用、资产、流程和人员。一旦界定好这一最低生存能力,Commvault 的 Cleanroom Recovery 能够协助企业评估其最低生存状态,并提前测试恢复方案。
随后,在攻击发生期间,Deloitte 的网络风险服务与 Commvault 的 AI(人工智能)驱动的异常检测能力相结合,可帮助双方客户在威胁升级前识别并缓解潜在风险。
在攻击之后的恢复阶段,Deloitte 的事件响应能力与 Commvault Cloud 平台相配合,该平台包括如 Cloud Rewind、Clumio Backtrack 以及 Cleanroom Recovery 等韧性产品,帮助客户“迅速恢复、最大限度减少停机时间,并实现持续运营。”
Deloitte & Touche LLP 的负责人 David Nowak 表示: “我们正共同提供一项既能帮助客户加强防御,又能协助其从停摆和网络攻击中恢复的战略性、全方位解决方案。”
Commvault 的竞争对手 Cohesity、Rubrik 和 Veeam 虽然也与 Deloitte、EY、KPMG 和 PwC 等主要 IT 服务公司在战术层面上建立了合作关系,但并未与它们达成战略联盟。
好文章,需要你的鼓励
UniR(Universal Reasoner)是一种创新的推理增强方法,可为冻结的大语言模型提供即插即用的推理能力。由韩国科学技术院研究团队开发,该方法将推理能力分解为独立的轻量级模块,无需改变主模型结构。UniR的核心优势在于高效训练(仅更新小型推理模块)、出色的模型间迁移能力(小模型可指导大模型)以及模块组合能力(多个专用模块可通过logits相加组合使用)。在数学推理和翻译测试中,UniR显著超越现有微调方法,展示了轻量级模块如何有效增强大语言模型的推理能力。
Nebius团队开发了SWE-rebench,一个自动化管道用于从GitHub收集软件工程任务并进行去污染评估。该系统解决了两大挑战:高质量训练数据稀缺和评估基准容易被污染。通过四阶段处理(初步收集、自动安装配置、执行验证和质量评估),SWE-rebench构建了包含超过21,000个Python交互式任务的数据集,并提供持续更新的评估基准。研究发现部分语言模型在传统基准上的表现可能被污染效应夸大,而DeepSeek模型在开源模型中表现最为稳健。
这项研究提出了JQL(发音为"Jackal"),一种通过多语言方法提升大型语言模型预训练数据质量的创新系统。研究团队从拉马尔研究所等机构通过四阶段方法解决了多语言数据筛选的难题:先由人类评估内容教育价值创建基准数据,然后评估大型语言模型作为"评判者"的能力,接着将这些能力提炼到轻量级评估器中,最后应用于大规模数据筛选。实验表明,JQL在35种语言上显著优于现有方法,甚至能泛化到未见过的语言如阿拉伯语和中文,为多语言AI发展提供了高效可靠的数据筛选方案。
浙江大学和西湖大学研究团队开发的Styl3R实现了艺术风格化3D重建的重大突破,能在不到一秒内从少量未标定照片和任意风格图像创建具有多视角一致性的3D艺术场景。通过创新的双分支网络架构将结构建模与外观着色分离,系统不仅保持了原始场景结构,还准确捕捉了参考风格特征。与现有方法相比,Styl3R在处理速度和视觉质量上均显著领先,为创意内容制作开辟了全新可能。