此次收购的财务条款并未对外披露。总部位于美国波士顿的Oort公司此前融资了1500万美元,其中一部分是由思科风险投资部门去年提供的,著名投资公司贝恩资本风险投资公司也是这家初创公司的支持方之一。
Oort公司销售的软件平台可以充当身份和访问管理(IAM)系统的防病毒软件,企业使用此类系统来规范哪些员工可以访问哪些内部应用以及如何访问。由于IAM软件在组织网络安全运营中发挥着关键作用,因此它也成为黑客攻击的一个主要目标。
Oort平台的工作原理是从公司的IAM系统收集遥测数据,并扫描其中是否存在恶意活动迹象。据Oort公司称,该平台可以检测数十种常见的网络安全问题。
一些IAM系统利用用户计算机上安装的cookie来验证登录请求。如果一台机器存储了合法的cookie,则来自该机器的登录请求将被批准。其他情况下,使用称为访问令牌的文件来验证登录尝试,这些文件的用途与密码类似,但具有不同的技术特征。
如果黑客窃取了用户的cookie或访问令牌,他们就有可能获得对用户当前登录的应用的访问权限。Oort公司表示,他们的平台能够自动检测此类违规尝试,还可以发现其他黑客策略,包括网络犯罪分子试图猜测用户密码的暴力攻击。
思科公司网络安全业务首席产品官Raj Chopra在博客文章中详细介绍道:“如果攻击者窃取了员工的凭据,使他们能够访问20个不同的系统,Oort可以识别出实际受到损害并需要进一步修复的4个系统。”
在检测到网络安全风险后,Oort让管理员只需单击几下即可修复该风险。平台还提供了一种工具,可用于快速注销有恶意活动迹象的帐户,此外还在必要的时候提供临时暂停帐户的功能。
Oort平台的功能还涵盖了IAM安全性的其他方面。Oort公司表示,他们的平台不仅可以帮助公司检测网络攻击,还可以从源头上防止网络攻击的发生。
Oort的平台可以扫描组织的IAM系统,查找可能为黑客攻击打开大门的潜在配置问题,例如,该平台可以找到访问敏感应用的未使用的帐户。访问敏感系统的用户越多,黑客尝试通过窃取登录凭据来破坏系统的机会就越多。
Oort的平台还可以检测经常使用但可能配置不正确的帐户。据称,该平台可以发现某个帐户可能被授予访问超出严格规定的必要数量的应用,如果不加以解决,这种过多的访问权限可能会增加数据泄露的范围。
思科预计将在截至10月29日的第一财季完成此次收购。此后,思科将把Oort纳入网络安全业务中,将利用该技术增强思科的IAM安全性和XDR(扩展检测和响应)产品组合。
好文章,需要你的鼓励
这篇研究论文介绍了"Speechless",一种创新方法,可以在不使用实际语音数据的情况下训练语音指令模型,特别适用于越南语等低资源语言。研究团队通过将文本指令转换为语义表示,绕过了对高质量文本转语音(TTS)系统的依赖。该方法分三个阶段:首先训练量化器将语音转为语义标记;然后训练Speechless模型将文本转为这些标记;最后用生成的合成数据微调大型语言模型。实验表明,该方法在越南语ASR任务中表现出色,为低资源语言的语音助手开发提供了经济高效的解决方案。
《Transformer Copilot》论文提出了一种革命性的大语言模型微调框架,通过系统记录和利用模型训练过程中的"错误日志"来提升推理性能。研究团队受人类学习者记录和反思错误的启发,设计了一个"副驾驶"模型来辅助原始"驾驶员"模型,通过学习错误模式并在推理时校正输出。这一方法在12个基准测试上使模型性能提升高达34.5%,同时保持计算开销最小,展现了强大的可扩展性和可迁移性,为大语言模型的优化提供了全新思路。
德克萨斯大学Austin分校的研究团队提出了RIPT-VLA,一种创新的视觉-语言-动作模型后训练范式。该方法通过让AI模型与环境互动并仅接收简单的成功/失败反馈来学习,无需复杂的奖励函数或价值模型。实验证明,RIPT-VLA能显著提升现有模型性能,在轻量级QueST模型上平均提升21.2%,将大型OpenVLA-OFT模型推至97.5%的前所未有成功率。最令人惊叹的是,仅用一个示范样本,它就能将几乎不可用的模型在15次迭代内从4%提升至97%的成功率,展现出卓越的数据效率和适应能力。
北京大学与华为诺亚方舟实验室研究团队共同开发了TIME基准,这是首个专为评估大语言模型在真实世界场景中的时间推理能力而设计的多层级基准。该研究提出了三个层级的时间推理框架,包含11个细粒度任务,并构建了涵盖38,522个问答对的数据集,针对知识密集型信息、快速变化的事件动态和社交互动中的复杂时间依赖性三大现实挑战。实验结果表明,即使是先进模型在构建时间线和理解复杂时间关系方面仍面临显著挑战,而测试时扩展技术可明显提升时间逻辑推理能力。