近日,紫光股份旗下新华三集团推出的H3C SecPath M9000-X系列多业务安全网关产品,凭借业界领先的性能及安全功能,高标准通过泰尔实验室、思博伦联合测试。
测试采用以太网测试和测量行业的领导者思博伦通信的专业设备C200及一体化硬件测试解决方案,模拟了1:1的真实用户测试环境。通过整机吞吐量+延时、新建和并发TCP、防火墙VPN,深度检测、WAF功能开启后的性能测试,以及威胁情报、沙箱联动、虚拟防火墙、DNS透明代理、双栈NAT功能测试等全方位严苛检测,H3C SecPath M9000-X系列各项性能指标表现优异。其中,整机四层吞吐量高达4.5Tbps、新建会话量达3000万/秒、会话并发量达16亿,超出业内主流设备3倍以上,充分验证了新华三集团AI防火墙性能可为客户提供运营商级别安全防护,以应对日益复杂多变的威胁。
优异性能,护航数字转型
数字化时代,网络业务量井喷式增长,企业数字化转型和业务云化、容器化不断深入,企业的业务构成正在快速被重构,安全防御系统亟需与时俱进。防火墙作为安全系统的核心,在守护网络边界安全上起着关键作用。
本次顺利通过各项高标准测试的H3C SecPath M9000-X系列,是新华三集团结合云计算、IPv6、大数据及高性能计算的发展趋势,针对云计算数据中心、运营商CGN、大型企业及园区网出口等市场推出的新一代高性能多业务安全网关。
测试中,通过多台思博伦C200测试仪构建起复杂拓扑和用户动态行为仿真,真实反应了运营商现网中多维度多应用动态变化趋势,连同不断更新的测试云为安全测试注入最新特征和最新应用场景,能够有效验证高端防火墙在现网防护过程中的表现能力。
最终测试结果表明,作为考核设备带宽承载的关键指标,H3C SecPath M9000-X系列整机四层吞吐量可达4.5Tbps,从容应对流量的爆炸式增长;1秒内能够新建高达3000万 的TCP会话量,有效抵御短时大规模流量冲击;同时能够容纳16亿的TCP会话能力,满足多业务、高性能、高可靠性、高可扩展性等多样化的安全功能需求。
目前,H3C SecPath M9000-X系列防火墙产品已经在众多行业复杂网络环境中得到充分实践应用。通过实际现网高性能,高可靠的验证,持续为百行百业的网络安全防护赋能。
AI加持,赋能边界安全
新华三集团在业内提出“主动安全”的理念,将AI硬件和AI分析引擎融入到防火墙产品中,推出AI防火墙,并伴随“主动安全2.0“的演进而持续升级。目前,新华三在安全领域每年都会积累数百项专利,快速提升AI安全产品的效能和领先程度。
本次测试各项性能的优异表现,充分体现了新华三集团在AI防火墙领域持续多年的深耕和积累。在近期全球权威咨询机构Gartner发布的“Hype Cycle for Network Security, 2021(《2021年网络安全技术成熟度曲线报告》)”中,新华三入围网络防火墙领域“典型供应商”(SampleVendors),亦是对新华三深厚技术实力高度认可的又一体现。
安全是企业发展的前提和基础,需要不断完善与演进。新华三集团将基于“云智原生”战略和的“数字大脑2021”,实现安全架构弹性化、安全资源可扩展、安全业务可编排、安全服务随处可达,构建全域全方位的网络安全主动防御体系,为百行百业数字化转型打造稳固安全的“数字底座”,为我国数字经济的有序发展保驾护航。
好文章,需要你的鼓励
这项研究提出了R1-Searcher++框架,通过两阶段训练策略使大语言模型能像人类一样灵活利用内部知识和外部信息。该方法创新性地采用强化学习激励模型优先使用内部知识,并引入记忆机制将检索到的信息转化为内部知识,实现动态知识获取。实验表明,R1-Searcher++不仅在多步问答任务上表现优异,还大幅减少了检索次数,显著提高了推理效率。
这项研究提出了AutoRefine,一种革新性的强化学习框架,为大语言模型引入了"边思考边搜索和完善"的全新范式。与传统方法不同,AutoRefine在连续搜索调用之间添加知识完善步骤,让模型能够有效过滤和组织信息。通过结合答案正确性和检索质量双重奖励,该方法在七项问答基准测试中平均提升6.9%的准确率,特别在复杂多跳推理场景中表现突出,解决了现有检索增强推理的核心局限性。
这项研究揭示了一种新型网络安全威胁:利用普通网络广告攻击AI网页代理。中科院研究团队开发的AdInject攻击无需特殊权限,仅通过精心设计的广告内容就能误导AI代理点击恶意链接,成功率高达90%以上。研究使用严格的黑盒模型,更符合现实场景,暴露了当前AI代理面临的实际安全漏洞。实验还表明,即使添加专门的防御提示,这类攻击仍能成功率超过50%,凸显了设计更强大防御机制的紧迫性。
东北大学与快手科技联合研发的UNITE系统为多模态信息检索带来突破性进展。这项发表于2025年5月的研究首次系统分析了模态特定数据如何影响检索性能,并提出创新的模态感知掩码对比学习技术,有效解决不同模态间的竞争关系。UNITE能同时处理文本、图像、视频及其组合,在40多项测试中超越现有方法,即使与参数规模更大的模型相比也表现出色。研究发现视频-文本对在通用检索中表现优异,而文本-文本和文本-图像对对指令遵循任务至关重要,为未来多模态系统研究提供了宝贵指南。