网络安全公司Snyk今天宣布以未披露的价格收购瑞士人工智能安全研究公司Invariant Labs AG。
Invariant Labs于2024年从苏黎世联邦理工学院分拆成立,专门构建工具和框架来帮助开发者构建安全、稳健和可靠的AI智能体。该公司也是开发针对新兴AI威胁(如工具中毒和模型上下文协议漏洞)防护措施的早期先驱,致力于上下文化AI安全。
Invariant Labs提供一套旨在帮助开发者观察、审计和保护AI智能体及应用程序的工具。该公司的主要产品Explorer是一个运行时可观测性仪表板,让团队能够实时检查大型语言模型和智能体系统的行为,捕获工具使用情况、决策过程和上下文信息。
另一个名为Gateway的工具与Explorer相辅相成,它是一个轻量级代理,可以路由应用程序编程接口流量并执行安全策略,无需更改代码,从而实现快速部署和监控。
该公司还提供Guardrails,这是一个策略引擎,允许开发者定义和执行围绕AI行为的上下文规则,如限制数据流、限制工具访问或标记异常决策。另一个关键产品MCP-Scan专门针对MCP漏洞,通过检测工具中毒和"MCP欺诈"等威胁来保护AI智能体在工具调用或提示链接过程中免受损害。
"我们花费多年时间研究和构建确保AI原生未来安全所需的框架,"Invariant联合创始人兼首席执行官Marc Fisher表示。"我们将智能体系统理解为一种新型软件,需要新颖和创新的方法来提供强有力的安全保障。"
此次收购将推进Snyk保护下一代AI原生和智能体应用程序的使命,包括大型语言模型集成和驱动现代软件开发的自主智能体。虽然这不仅仅是人才收购,Snyk还将受益于Invariant Labs的研究团队,该公司表示这些研究人员在智能体攻击向量、MCP工具和实时检测技术方面拥有行业首创的情报记录,Snyk称这些技术正在塑造整个行业的安全标准。
"通过Invariant Labs,我们正在加速识别、压力测试和中和下一代AI威胁的能力,防止它们进入生产环境,"Snyk首席创新官Manoj Nair表示。"这项投资深化了我们在AI安全创新方面的领导地位,植根于原创研究、技术严谨性和开发者信任。"
去年,Nair与theCUBE联合主持人兼theCUBE Research首席分析师Dave Vellante就云计算如何影响安全进行了交流。
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。