2023 年3月,网络安全解决方案提供商 Check Point® 软件技术有限公司(纳斯达克股票代码:CHKP)今日宣布推出 Infinity 全球服务,这一全面的安全解决方案可为各种规模的企业提供从云端到网络再到端点全方位的系统保护。这项新服务能够将 Check Point 的端到端安全服务扩展到 30 个领域,以便用户构建和增强其网络安全实践和控制能力,并实现网络弹性。
Check Point 软件技术公司首席信息官兼技术服务副总裁 Sharon Schusheim 表示:“各种规模的机构都难以密切监控日趋严峻的威胁形势和有效防止网络攻击。我们的客户和合作伙伴希望我们能够支持其构建网络弹性策略。Check Point Infinity 全球服务以易于部署的形式提供了全面的综合性协同安全解决方案,有助于用户实施主动防御,第一时间拦截攻击。”
世界经济论坛最近的一项调查显示,86% 的业务领导者认为未来两年内将会发生“影响深远的灾难性网络事件”,但 34% 的受访者表示其团队缺少网络安全人才。平均而言,各机构每周遭遇超过 1,100 次网络攻击。SOC 运营管理的复杂性只会加剧这一挑战,致使公司抵御网络威胁的难度加大。Check Point 的 Infinity 全球服务旨在通过提供端到端安全服务来填补这一缺口,从而帮助企业防御高级威胁,应对广泛的攻击,并增强其网络安全实践和控制。
Infinity 全球服务的全面端到端安全解决方案主要涉及以下四个方面,提供多达 30 项主动服务:
评估:加强用户从安全从业人员到首席信息安全官在内的安全团队的专业知识储备,其中包括网络和物联网风险评估、混合云安全蓝图及零信任最佳实践。
优化:通过 SOC 即服务、网络弹性即服务、安全开发和优化及托管云 CSPM,支持将威胁防范纳入网络防御。
精通:通过云安全训练营、CISO 培训、网络知识计划及员工发展,优化企业的安全保护并扩展其团队的能力。
响应:通过入侵评估、渗透测试、托管检测和响应及桌面演练等一系列旨在增强事件响应规划的服务,优化响应准备情况。
Infinity 全球服务涵盖从威胁研究、MDR 和风险评估到主动监控、专业服务和培训的方方面面,可自动将 IT 系统整合到单个易于管理的解决方案,同时接收实时威胁情报更新。
Softcat 有限公司托管网络服务部 Paul Solomon 表示:“客户正在寻求整合并简化其网络安全解决方案,全新 Check Point Infinity 全球服务的推出可谓恰逢其时。作为 Check Point 的长期合作伙伴,我们期待帮助欧洲企业利用 Infinity 全球服务来部署以预防为主的最佳网络安全防护。”
除了在全球网络安全解决方案领域处于领先地位以外,Check Point 还在提供咨询、专业服务和托管服务方面有着超过 30 年的丰富经验,携手遍布全球的合作伙伴为全球数千家客户提供可靠服务。背靠 300 多名网络专家,Check Point 解决方案覆盖从网络、云端到端点在内的广泛客户资产,并可无缝集成第三方产品,以实现业内最佳安全保护。
Infinity 全球服务将于今年夏季通过 Check Point 的全球合作伙伴生态系统提供。
好文章,需要你的鼓励
来自香港科技大学和MiniMax的研究团队开发了SynLogic,一个可合成35种逻辑推理任务的框架与数据集,填补了AI逻辑训练资源缺口。研究表明,在SynLogic上进行强化学习训练显著提升了模型逻辑推理能力,32B模型在BBEH测试中超越了DeepSeek-R1-Distill模型6个百分点。更值得注意的是,将SynLogic与数学和编程数据混合训练不仅提高了这些领域的学习效率,还增强了模型的泛化能力,表明逻辑推理是构建通用AI推理能力的重要基础。
这项研究揭示了大型语言模型的惊人能力:只需两个特殊训练的向量,冻结的语言模型就能在一次计算中生成数百个准确词汇,而非传统的逐词生成。研究者发现,这种能力要求特定的输入排列方式,且生成速度比自回归方法快约279倍。这一发现不仅展示了语言模型未被充分探索的并行生成潜力,还为快速文本重建开辟了新方向。
腾讯混元团队提出的"ConciseR"是一种通过两阶段强化学习实现大模型简洁推理的新方法。研究遵循"先走后跑"原则,先确保模型具备准确推理能力,再优化输出简洁性。第一阶段通过改进的群体相对策略优化(GRPO++)提升推理能力,第二阶段通过长度感知的群体相对策略优化(L-GRPO)减少输出长度。实验结果显示,该方法在AIME、MATH-500等多个基准测试中既减少了输出长度(平均20%以上),又保持或提高了准确率,展现出高效率-高准确率的理想平衡。
这项由香港科技大学团队开展的研究首次全面评估了压缩对大语言模型Agent能力的影响。研究发现,虽然4位量化能较好地保留工作流生成和工具使用能力(仅下降1%-3%),但在实际应用中性能下降达10%-15%。团队提出的ACBench基准测试横跨工具使用、工作流生成、长文本理解和实际应用四大能力,评估了不同压缩方法对15种模型的影响。结果显示,AWQ量化效果最佳,蒸馏模型在Agent任务上表现不佳,大型模型对压缩更具韧性。研究还提出ERank等创新分析方法,为实际部署提供了切实指导。