Commvault 已在其平台上扩展了后量子密码学的支持,因为当前加密算法终将不可避免被破解——或者说,时间是否到来并不重要。
这家总部位于新泽西的数据保护和管理公司去年已经将美国 NIST 标准机构认可的后量子算法整合到其 Commvault Cloud 平台中,同时实施了密码敏捷性框架。
如今,该公司新增了 Hamming Quasi-Cyclic 算法,该算法今年早些时候被 NIST 定为 ML-KEM ( FIPS 203 ) 的替代方案,后者是用于密钥封装的一般加密主要算法。
该组织将 HQC 称为“当量子计算机有一天能够破解 ML-KEM 时的备用防线。这两种算法均旨在保护存储信息以及通过公共网络传输的数据。”
不过,NIST 解释称,他们希望拥有一种基于不同数学原理的替代方案,以防 ML-KEM 显现出漏洞。因此,当 ML-KEM 算法是基于一种称为结构化晶格的数学思想构建时,HQC 算法则是基于另一种称为纠错码的概念开发的。
立即停止数据采集
Commvault 将通过其平台推出 HQC,这意味着运行 CPR 2024 ( 11.36 ) 或更高版本的 Commvault Cloud 客户将能立即获得该算法的支持。
这一举措看似提前,因为大多数量子专家认为,要破解现有加密算法的量子计算机需要拥有 10,000 个 qubits,而目前没有任何系统具备这一能力。据报道,IBM 本周公布了计划,借助容错技术的进步,到 2029 年构建一台 10,000-qubit 系统,但这实际上相当于 200 个逻辑 qubits。
然而,真正令人担忧的威胁在于“先采集数据,再破解”——攻击者窃取数据,包括长期的知识产权和国家机密,待拥有合适的系统后再进行解密。更可怕的是,全世界可能并不清楚究竟是谁开发了这样的系统,以及具体何时会实现。
Commvault 首席安全官 Bill O’Connell 在一份声明中表示:“通过整合像 HQC 这样的新算法并推进我们的密码敏捷性框架,我们正为客户提供工具,使他们在这复杂局势中能够自信应对。我们的目标简单明确:在量子计算威胁出现之时,我们将帮助客户保护其数据安全。”
好文章,需要你的鼓励
苏州大学研究团队提出"语境降噪训练"新方法,通过"综合梯度分数"识别长文本中的关键信息,在训练时强化重要内容、抑制干扰噪音。该技术让80亿参数的开源模型在长文本任务上达到GPT-4o水平,训练效率比传统方法高出40多倍。研究解决了AI处理长文档时容易被无关信息干扰的核心问题,为文档分析、法律研究等应用提供重要突破。
在Cloudera的“价值观”中,企业智能化的根基可以被概括为两个字:“源”与“治”——让数据有源,智能可治。
清华大学团队首次揭示了困扰AI训练领域超过两年的"幽灵故障"根本原因:Flash Attention在BF16精度下训练时会因数字舍入偏差与低秩矩阵结构的交互作用导致训练崩溃。研究团队通过深入分析发现问题源于注意力权重为1时的系统性舍入误差累积,并提出了动态最大值调整的解决方案,成功稳定了训练过程。这项研究不仅解决了实际工程问题,更为分析类似数值稳定性挑战提供了重要方法论。