经专家推荐,丈八网安凭借优秀的自主创新能力与成果、强劲的科研实力、独具远见的发展理念,成为《2021网信自主创新调研报告》的企业推选活动中“安全服务领域”“自主创新尖峰企业”。
近日, 由关键信息基础设施技术创新联盟自主编写的《2021网信自主创新调研报告》在近200家企业的共同努力下完成编写,并于2022年4月19日(今日)在第五届关键信息基础设施自主安全创新论坛暨纪念习近平总书记“4.19”讲话发表六周年活动上隆重发布。
《网信自主创新调研报告》专家委员会、中国工程院院士倪光南通过连线的方式,在会议上致辞,他讲到:“在习总书记的指示下,近年来我国信创工作蓬勃兴起,取得了重大成果,现在正从政府办公领域扩展到了各行各业,有力地推动了我国科技自立自强和建设网络强国的进程,《2021网信自主创新调研报告》阐述了我国在网信技术方面的自主研发能力不断提升、生态愈发繁荣、核心技术不断取得突破、关键产品从基本可用到好用、易用大跨步的发展,当前信创工作呈现出在重点行业领域解决方案自主水平不断提升的良好局面,产业生态也在重构的过程中,不断融合发展,逐渐形成了良性循环的探索。我们要踔厉奋发、笃行不怠,坚定科技自立自强的国家战略思想,在网信领域必须做好战略部署、顶层设计、随时应对潜在的风险危机。”
据悉,为了客观、真实地展示网信自主创新成果、推动和促进网信自主创新工作,数百家网信企业共同参与编写了《网信自主创新调研报告》,获得了业界专家和同仁的广泛关注和认可。《2021网信自主创新调研报告》延续了往年风格,按芯片、固件、整机、操作系统、数据库、中间件、办公软件、云计算平台、商用密码、数据安全、工控安全、安全服务等23个章节,详细介绍这一年来我国信创基础硬件、基础软件、应用软件以及信息安全四个方面的发展情况、应用落地情况和下一步发展方向。为信创产业从业者和国产化工作者,提供了有意义的借鉴和参考。
丈八网安的自主创新以及自主可控意识始终走在业界前沿。在公司创立之初,我们深刻理解“核心技术不能受制于人”的警示,将“让网络安全仿真及应用的核心技术掌握在国人手中”定义为我们的愿景与使命。围绕愿景与使命,我司在产品研发过程中,实现了引擎层、中台层、应用层三层架构的完全自主可控以及全部自主知识产权。 并在第一时间对自身产品“网络安全攻防竞赛系统”、“网络安全攻防演练系统”、“网络安全实训系统”、“综合网络靶场系统”等完成中科可控、龙芯中科、华为鲲鹏的深度兼容性适配,加深了产品的国产化适配程度,将国产化生态进一步扩大。基于服务,丈八网安蛇矛实验室专注于网络攻防技术研究、网络安全研究、网络安全攻防解决方案输出等领域的技术和服务相关工作。实验室成员曾多次参与国家级、省级安全服务,提供应急响应、漏洞挖掘、渗透测试、安全加固、攻击追溯、漏洞复现、实网攻防、靶场场景复现等安全技术服务。依托创新性产品加全面的服务模式,丈八网安未来定会不负期望,为国家关键信息基础设施保障的核心技术发展贡献自主创新力量。
好文章,需要你的鼓励
DeepResearchGym是一个创新的开源评估框架,专为深度研究系统设计,旨在解决当前依赖商业搜索API带来的透明度和可重复性挑战。该系统由卡内基梅隆大学研究团队开发,结合了基于ClueWeb22和FineWeb大型网络语料库的可重复搜索API与严格的评估协议。实验表明,使用DeepResearchGym的系统性能与使用商业API相当,且在评估指标间保持一致性。人类评估进一步证实了自动评估协议与人类偏好的一致性,验证了该框架评估深度研究系统的有效性。
这项研究介绍了FinTagging,首个面向大型语言模型的全面财务信息提取与结构化基准测试。不同于传统方法,它将XBRL标记分解为数值识别和概念链接两个子任务,能同时处理文本和表格数据。在零样本测试中,DeepSeek-V3和GPT-4o表现最佳,但在细粒度概念对齐方面仍面临挑战,揭示了当前大语言模型在自动化XBRL标记领域的局限性,为金融AI发展提供了新方向。
这项研究介绍了SweEval,一个新型基准测试,用于评估大型语言模型在企业环境中处理脏话的能力。研究团队从Oracle AI等多家机构的专家创建了一个包含八种语言的测试集,模拟不同语调和上下文的真实场景。实验结果显示,LLM在英语中较少使用脏话,但在印地语等低资源语言中更易受影响。研究还发现较大模型通常表现更好,且多语言模型如Llama系列在处理不当提示方面优于其他模型。这项工作对企业采用AI技术时的安全考量提供了重要参考。
这项研究提出了"VeriFree"——一种不需要验证器的方法,可以增强大型语言模型(LLM)的通用推理能力。传统方法如DeepSeek-R1-Zero需要验证答案正确性,限制了其在数学和编程以外领域的应用。VeriFree巧妙地计算正确答案在模型生成的推理过程后出现的概率,作为评估和训练信号。实验表明,这种方法不仅能匹配甚至超越基于验证器的方法,还大幅降低了计算资源需求,同时消除了"奖励黑客"问题。这一突破将有助于开发出在化学、医疗、法律等广泛领域具有更强推理能力的AI系统。