今日,深信服举办2024秋季新品发布会。发布会上,深信服正式推出了最新的创新成果:实现动静态数据分类分级和数据风险自动研判分析的安全GPT4.0、具备卓越可靠性和AI勒索防护能力的分布式存储EDS新版本520。通过这些新品和能力,帮助用户在享受数字化带来的便利的同时,也能确保数字化转型的数据安全和存储可靠。
首发安全GPT数据安全平台,引领行业新标准
随着数字化转型的深入发展,数据已成为企业最重要的资产之一。然而,如何有效保障数据安全一直是业界面临的难题。传统的数据分类分级方案通常需要大量的人工参与,准确率低且效率低下,难以满足现代企业的复杂数据安全需求。此外,数据安全风险行为往往与正常业务行为相似,缺乏明显的攻击特征,使得检测、研判难度极大。为应对这些挑战,深信服此次发布了安全GPT-数据安全平台,通过技术创新升级,推动数据安全方案在行业的高质量落地。

(1)动静态数据分类分级,解决长期困扰行业的难题
深信服安全GPT 数据安全大模型能够自动化完成数据库静态数据以及API等流动数据分类分级工作,大幅提升分类分级的效率,让整个数据的可视真正具备了使用价值。与传统的小模型相比,静态分类分级的准确率从60%提升到了90%,打标效率提升了40倍,人工只需设置分类标准,打标过程全部由模型自动完成。
除了高效地进行数据发现与分类,深信服安全GPT数据安全大模型还支持分钟级完成任意数据类型使用情况调查,帮助企业快速定位数据以及掌握数据使用情况,确保敏感信息的安全。
(2)数据风险自动研判分析,精准应对多种典型攻击场景
经过大量数据安全风险分析案例微调,数据安全大模型能够自动监测异常行为,并进行上下文关联分析,从而有效区分正常的业务行为和真正的数据安全风险,同时数据安全大模型输出详细的研判分析过程,极大降低研判分析难度。
在数据泄露、数据滥用、违规数据出境和超范围处理数据等多种典型的攻击场景,安全GPT数据安全大模型检出率高达90%,准确率达70%,为数据安全提供坚实保障。
首次公开演练极端故障场景恢复,架构创新提升可靠性
发布会上,深信服还展示了其最新版本的分布式存储EDS,通过自主研发的架构大幅提升了系统的性能与可靠性,使得EDS不仅能胜任备份归档等大规模数据管理任务,还能支持非结构化生产数据以及AI应用等多种复杂场景下的业务承载。

(1)极端多重故障场景下,依然“稳”定发挥,秒级恢复
在实际演示中,面对最常见的硬件故障——硬盘故障,深信服的EDS存储能够实现无缝的数据切换,确保业务连续性不受影响。而在更为极端的多重故障情况下,深信服的EDS存储同样展现了高稳定性。
在模拟的测试中,即使同时发生三个节点的故障,包括断电、缓存盘和数据盘被拔出等极端情况,EDS存储也能在3到5秒内迅速恢复业务。这一恢复速度远快于其他厂商在单一故障情况下所需的30至45秒,有效验证了深信服分布式存储EDS在极端故障场景下的高可靠性。
(2)智能AI防勒索,全方位守护数据存储安全
针对近年来日益严峻的勒索威胁,深信服分布式存储EDS集成了智能AI防勒索功能,采用旁路检测方式,大多数时候仅进行基本的IO流检测,只有在发现异常行为时才会启动深度AI分析,这样既保证了安全性,又避免了不必要的性能开销。
相比之下,其他存储厂商在开启类似的防勒索软件后,性能消耗可能高达25%-30%,而深信服的分布式存储性能消耗仅为3%-5%。同时,EDS提供快照和告警,确保数据安全,为用户提供一个既高效又可靠的数据存储方案。
随着秋季新品的重磅发布,深信服再次站在了全面拥抱AI的数字化转型前沿。深信服深知,在数字化的浪潮中,用户不仅渴望享受技术带来的便利,更迫切需要确保数据的安全。通过融合AI的创新,深信服将不断为用户提供更智能、更安全的数字化解决方案,助力每一位用户在数字化转型的道路上更加从容不迫。
好文章,需要你的鼓励
Replit与RevenueCat达成合作,将订阅变现工具直接集成至Replit平台。用户只需通过自然语言提示(如"添加订阅"),即可完成应用内购和订阅配置,无需离开平台。RevenueCat管理超8万款应用的订阅业务,每月处理约10亿美元交易。此次合作旨在让"氛围编程"用户在构建应用的同时即可实现商业变现,月收入未达2500美元前免费使用,超出后收取1%费用。
LiVER是由北京大学、北京邮电大学等机构联合提出的视频生成框架,核心创新是将物理渲染技术与AI视频生成结合,通过Blender引擎计算漫反射、粗糙GGX和光泽GGX三种光照图像构成"场景代理",引导视频扩散模型生成光影物理准确的视频。框架包含渲染器智能体、轻量化编码器适配器和三阶段训练策略,支持对光照、场景布局和摄像机轨迹的独立精确控制。配套构建的LiVERSet数据集含约11000段标注视频,实验显示该方法在视频质量和控制精度上均优于现有方法。
所有人都说AI需要护栏,但真正在构建它的人寥寥无几。SkipLabs创始人Julien Verlaguet深耕这一问题已逾一年,他发现市面上多数"护栏"不过是提示词包装。为此,他打造了专为后端服务设计的AI编程智能体Skipper,基于健全的TypeScript类型系统与响应式运行时,实现增量式代码生成与测试,内部基准测试通过率超90%。他认为,编程语言的"人类可读性时代"正走向终结,面向智能体的精确工具链才是未来。
这项由蒙特利尔学习算法研究所(Mila)与麦吉尔大学联合发布的研究(arXiv:2604.07776,2026年4月)提出了AGENT-AS-ANNOTATORS框架,通过模仿人类数据标注的三种角色分工,系统化生成高质量网页智能体训练轨迹。以Gemini 3 Pro为教师模型,仅用2322条精选轨迹对90亿参数的Qwen3.5-9B模型进行监督微调,在WebArena基准上达到41.5%成功率,超越GPT-4o和Claude 3.5 Sonnet,并在从未见过的企业平台WorkArena L1上提升18.2个百分点,验证了"数据质量远比数量重要"这一核心结论。