云网络公司Cato Networks宣布已收购以色列人工智能安全公司Aim Security,收购金额未披露。
Aim Security成立于2022年,专注于保护员工、应用程序和组织与AI的交互方式,通过提供对AI使用的可见性、控制和治理来实现安全防护。该公司的平台直接集成到企业环境中,让企业能够放心使用AI,同时解决安全和合规风险。
Aim Security为员工使用ChatGPT、微软Copilot、Cursor等公共AI应用和智能体提供安全保护,通过监控和保护终端用户的AI交互来实现。该平台能够发现影子AI使用情况,降低风险,确保组织能够安全地扩大AI采用范围,让公司在不牺牲数据保护或法律要求的合规性的前提下释放AI用例。
该公司还为私有AI应用程序和智能体提供保护,其AI防火墙能够防御内部AI系统免受运行时攻击,并执行企业安全和治理策略。Aim Security表示,它确保用户、智能体和AI模型之间的所有交互都受到管理和保护,防止数据泄露和策略违规,无论是在本地还是在云端。
除了计算保护之外,Aim还拥有一个积极识别AI新兴威胁的研究团队。Aim的研究人员在6月首次发现了EchoLeak(CVE-2025-32711),这是微软365 Copilot中首个报告的零点击AI漏洞。
凭借在AI安全方面的专业能力,Aim Security将帮助Cato Networks扩展其SASE云平台的新AI安全功能。Cato Networks将利用Aim的能力来应对AI交互的复杂性和非结构化特性,以及不断演变的AI攻击面,以检测和阻止威胁、攻击、风险或异常访问以及数据泄露。
Cato Networks联合创始人兼首席执行官Shlomo Kramer表示:"AI转型将超越数字化转型,成为未来十年塑造企业的主要力量。通过收购Aim Security,我们正在为SASE平台注入先进的AI安全能力,以保护客户进入新的、令人兴奋的AI时代的旅程。"
在被收购之前,Aim Security已经通过两轮融资筹集了2800万美元,包括2024年6月的A轮融资1800万美元。该公司的投资者包括Canaan Partners Management、YL Ventures和Cyber Club London。
除了收购Aim Security之外,Cato Networks今天还宣布扩展其6月份的G轮融资,追加5000万美元投资。这笔额外资金使该轮融资总额达到4.09亿美元。
Q&A
Q1:Aim Security主要提供什么样的AI安全服务?
A:Aim Security专注于保护员工、应用程序和组织与AI的交互方式,为ChatGPT、微软Copilot等公共AI应用提供安全监控,同时为私有AI应用提供防火墙保护,防御运行时攻击并执行企业安全策略。
Q2:Cato Networks为什么要收购Aim Security?
A:Cato Networks希望通过收购Aim Security来扩展其SASE云平台的AI安全功能,应对AI交互的复杂性和不断演变的AI攻击面,为客户进入AI时代提供更好的安全保护。
Q3:Aim Security在AI安全研究方面有什么突破?
A:Aim Security的研究团队在6月首次发现了EchoLeak(CVE-2025-32711),这是微软365 Copilot中首个报告的零点击AI漏洞,展现了其在AI威胁识别方面的专业能力。
好文章,需要你的鼓励
在迪拜Gitex 2025大会上,阿联酋成为全球AI领导者的雄心备受关注。微软正帮助该地区组织从AI实验阶段转向实际应用,通过三重方法提供AI助手、协同AI代理和AI战略顾问。微软已在阿联酋大举投资数据中心,去年培训了10万名政府员工,计划到2027年培训100万学习者。阿联酋任命了全球首位AI部长,各部门都配备了首席AI官。微软与政府机构和企业合作,在公民服务和金融流程等领域实现AI的实际应用,构建全面的AI生态系统。
查尔斯大学和意大利布鲁诺·凯斯勒基金会的研究团队首次系统性解决了同声传译AI系统延迟评估的准确性问题。他们发现现有评估方法存在严重偏差,常给出相互矛盾的结果,并提出了YAAL新指标和SOFTSEGMENTER对齐工具。YAAL准确性达96%,比传统方法提升20多个百分点。研究还开发了专门的长音频评估工具LongYAAL,为AI翻译技术发展提供了可靠的测量标准。
苹果与俄亥俄州立大学研究人员发布名为FS-DFM的新模型,采用少步离散流匹配技术,仅需8轮快速优化即可生成完整长文本,效果媲美需要上千步骤的扩散模型。该模型通过三步训练法:处理不同优化预算、使用教师模型指导、调整迭代机制来实现突破。测试显示,参数量仅1.7亿至17亿的FS-DFM变体在困惑度和熵值指标上均优于70-80亿参数的大型扩散模型。
印度理工学院团队构建了史上最大规模印度文化AI测试基准DRISHTIKON,包含64288道多语言多模态题目,覆盖15种语言和36个地区。研究评估了13个主流AI模型的文化理解能力,发现即使最先进的AI也存在显著文化盲区,特别是在低资源语言和复杂推理任务上表现不佳,为构建文化感知AI提供了重要指导。