Databricks在周二进入安全领域,推出了名为Lakewatch的智能体安全平台,旨在帮助企业抵御AI驱动的攻击。该产品目前处于私有预览阶段。
Lakewatch是一个安全信息和事件管理平台,部署AI智能体来自动化检测、分类和威胁狩猎。该公司表示,这一新产品可以帮助安全团队以"机器速度"响应威胁,同时解决数据不完整、传统工作流程和孤立架构等问题。
Databricks联合创始人兼首席执行官Ali Ghodsi在发布会上表示:"安全团队不能再依赖手动工作流程来超越AI驱动的攻击。防御者必须具备比当今智能体攻击者更好的可视性和速度。"
AI的普及正在改变网络攻击的性质,企业面临着有针对性的快速移动威胁。AI采用过程中治理和防护措施的缺口正在扩大攻击面。Akati Sekurity的一份报告发现,AI智能体参与了40%的内部网络安全威胁,使IT团队无法充分管理与恶意或无管理智能体相关的风险。
Databricks推出Lakewatch反映了行业更广泛的趋势,即将数据平台与网络安全解决方案对齐,以支持预防性而非反应性的安全解决方案。
该提供商表示,新平台可以针对企业安全响应中的当前缺口,这些缺口通常受到碎片化数据环境、手动工作流程和高摄取成本的限制,迫使组织丢弃多达75%的数据。
Databricks在向安全领域转型方面并非孤例,尽管该公司是该领域少数实施全面而非逐步变革的公司之一。
Snowflake等供应商已扩展到治理、分析和AI驱动洞察等与安全相关的功能。该公司在其AI数据云平台中提供这些功能,该平台存储企业数据并同样针对孤立问题。然而,该公司尚未提供像Lakewatch这样的完全智能体端到端安全平台。
包括微软和IBM在内的其他公司正在将安全和合规性更深入地嵌入到其数据生态系统中,进一步突显了数据基础设施和网络安全之间的融合。
对于首席信息官而言,这种融合既带来了机遇也带来了风险。在数据平台内整合安全功能可以改善互操作性、减少数据孤岛并降低与摄取和存储相关的成本。
Adobe安全工程主管Karthik Venkatesan在发布会上表示:"Databricks提供了从数据驱动向AI驱动安全运营方法转变所需的基础。Lakewatch是将安全智能更接近数据所在位置的重要步骤。"
Q&A
Q1:Lakewatch是什么平台?有什么功能?
A:Lakewatch是Databricks推出的智能体安全平台,是一个安全信息和事件管理平台。它部署AI智能体来自动化检测、分类和威胁狩猎,可以帮助安全团队以"机器速度"响应威胁,解决数据不完整、传统工作流程和孤立架构等问题。
Q2:为什么企业需要AI驱动的安全平台?
A:AI的普及正在改变网络攻击的性质,企业面临着有针对性的快速移动威胁。AI智能体参与了40%的内部网络安全威胁,传统的手动工作流程已无法超越AI驱动的攻击,防御者需要具备更好的可视性和响应速度。
Q3:Lakewatch与其他安全解决方案有什么区别?
A:Lakewatch是完全智能体端到端安全平台,而其他供应商如Snowflake主要提供治理、分析和AI驱动洞察等与安全相关的功能,但尚未提供完整的智能体安全平台。Databricks实施的是全面而非逐步的安全转型。
好文章,需要你的鼓励
Kollmorgen发布NDC布局助手软件工具,专为工厂和仓库中的自动导引车(AGV)及自主移动机器人(AMR)的路线规划与优化而设计。该工具通过分段分析路线,帮助工程师在系统部署前识别瓶颈与低效环节,提供行驶时间、车速及优化潜力等关键数据,并以可视化方式标注问题区域,从而缩短布局设计与验证周期。Kollmorgen表示,该工具未来还将融入AI驱动的优化能力。
这篇由加州大学圣地亚哥分校等六所机构联合发布的综述(arXiv:2605.02913,2026年4月),首次系统梳理了大型语言模型强化学习训练中长期被忽视的轨迹设计问题,提出了GFCR四模块框架(生成、过滤、控制、回放),覆盖数学、代码、多模态和智能代理等多个应用场景,并附有实用的故障诊断手册,为AI训练工程师提供系统性的方法论指导。
现代仓储已从幕后走向前台,配送速度成为品牌竞争核心。面对次日达甚至两小时送达的市场压力,领先履约中心借鉴敏捷开发理念,以周为单位迭代代码、机器人与工作流程。IoT信标、边缘计算与视觉识别模块构建双层架构,实现厘米级货盘追踪与低延迟决策。人机协作模式让员工从重体力劳动转向异常处理与数据分析,拣选准确率突破99%。同时,自动化系统实时采集碳排放数据,在提速的同时实现可量化的减排目标。
中国科学技术大学与FrameX.AI联合提出Stream-R1框架,针对AI视频生成蒸馏训练中"一视同仁"的核心缺陷,引入奖励模型对训练样本进行双重加权:在样本层面根据质量分数筛选可靠的学习信号,在像素与帧层面通过梯度显著性热力图集中优化最需改进的区域,使4步快速学生模型在VBench多项指标上超越慢速多步教师模型,推理速度提升30倍且不增加任何额外计算开销。