Index Engines公司获得了一项新专利,该专利涉及基于真实世界攻击模式对AI/ML模型进行持续训练的流程。
该公司提供的CyberSense产品利用AI和机器学习分析技术,通过检查非结构化数据内容随时间的变化来检测可疑行为和勒索软件相关的损坏。使用CyberSense的存储供应商包括Hitachi Vantara、Dell、IBM和Infinidat。Index Engines CyberSense研究实验室开发了软件,能够在受控的洁净室环境中自动摄取和行为分析勒索软件变体,从而基于真实世界的攻击模式训练其AI和ML模型。这旨在提高准确性并减少误报。
Index Engines首席产品官Geoff Barrall表示:"网络韧性需要的不仅仅是反应性工具,它需要经过严格训练、测试并在真实世界条件下验证的AI。我们专利的自动化设施会下载、引爆和监控真实勒索软件,以持续训练和完善我们的模型,这是任何模拟都无法复制的。"
Index Engines首席营销官Jim McGann补充说:"要真正防御勒索软件,你必须像对手一样思考。这意味着研究这些威胁的行为方式,而不仅仅是猜测它们可能做什么。在Index Engines,我们已经为这一过程申请了专利。"
该公司声称,其增强训练能够实现"更快的损坏检测以跟上威胁环境的发展,更智能的恢复决策,以及更强的数据完整性"。
美国专利12248574涉及"AI识别遭受勒索软件攻击的计算机资源"。该专利声明:"一种方法向勒索软件检测系统提供一组从相应计算机数据样本集合中派生的计算机数据统计配置文件,并获得对计算机数据样本集合中勒索软件攻击可能性的预测。"您可以通过在美国专利公共搜索2.2.0网站上搜索12248574来查看其文本和图表。
据了解,Index Engines的CyberSense模型训练新方法已通过企业战略集团(ESG)的验证,在检测勒索软件引起的损坏方面达到99.99%的有效性。其测试涉及125,000个收集的数据样本,其中约94,100个感染了勒索软件。Index Engines CyberSense产品检测出94,097个,仅有三个漏报。ESG报告可从Index Engines网页下载。
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。