Palo Alto Networks宣布将斥资250亿美元(188亿英镑)收购身份安全专家CyberArk,这标志着其"正式进入"身份安全领域,并将保护智能体人工智能安全置于核心位置,进一步扩展其多平台战略。
Palo Alto表示,将CyberArk的身份和特权访问管理(PAM)专业技术整合到其AI支持的网络安全平台中,将全面扩展身份保护范围,不仅保护人类和机器,还能保护自主人工智能智能体。
"我们的市场进入策略一直是在关键拐点时刻进入相关领域,我们认为身份安全的时机就是现在,"Palo Alto董事长兼首席执行官Nikesh Arora表示。
"这一策略指导我们从下一代防火墙公司发展成为多平台网络安全领导者,"他说。"如今,AI的崛起和机器身份的爆发式增长清楚表明,未来的安全必须建立在每个身份都需要适当级别的特权控制这一愿景上,而不是'IAM谬论'。"
"CyberArk是身份安全领域的绝对领导者,拥有持久的基础技术,对于保护AI时代至关重要,"Arora说道。
CyberArk创始人兼执行董事长Udi Mokady称这是公司发展历程中的"深刻时刻"。
"从一开始,我们就致力于保护世界上最关键的资产,专注于创新、信任和安全,"他说。"与Palo Alto Networks携手合作是强有力的新篇章,建立在共同价值观和深度承诺的基础上,共同解决最严峻的身份挑战。我们将汇集在人类和机器身份、特权访问和AI驱动创新方面的无与伦比的专业知识,为保护未来做好准备。"
这笔收购基于一个前提:考虑到身份范围的不断扩大——包括AI智能体和工作负载——将成为安全团队在不久的将来面临的日益关键的挑战。
两家公司相信,结合他们的产品将增强和加速新型综合网络安全平台的发展——一个消除安全漏洞和简化操作的单一解决方案。他们还希望颠覆传统的身份和访问管理(IAM)市场,并如前所述,解决围绕智能体AI日益增长的安全担忧。
"这一机器身份举措意义重大,因为它既与Palo Alto正在拥抱和推动的智能体AI趋势相关联,而且机器身份的数量比人类身份多了一个数量级,"Gartner副总裁分析师Charlie Winckless告诉Computer Weekly。
"这笔收购还支持Palo Alto扩展其安全平台的努力,并与他们的信息保持一致,特别是如果他们将机器身份与需要委托身份的智能体AI系统联系起来,而不是仅仅继承人类发起者的权限和身份,"他说。
Palo Alto Networks长期以来一直是一家收购活跃的公司——自2018年Arora接掌以来更是如此——但通常,其收购习惯更多地专注于增强现有业务线或填补平台空白的初创公司,Winckless说道。
CyberArk收购案之所以突出,是因为它代表了向不同市场的大规模进军,并开辟了可观的横向增长空间,以加速Palo Alto的收益增长。
"CyberArk是完全不同的动物,有着不同的价格标签和不同的期望,"Winckless说。
Q&A
Q1:Palo Alto收购CyberArk的主要目的是什么?
A:Palo Alto斥资250亿美元收购CyberArk,主要是为了正式进入身份安全领域,将保护智能体人工智能安全置于核心位置。通过整合CyberArk的身份和特权访问管理专业技术,扩展其多平台战略,全面保护人类、机器和自主AI智能体的身份安全。
Q2:这笔收购对AI安全有什么意义?
A:随着AI智能体和机器身份的爆发式增长,身份安全成为关键挑战。机器身份的数量比人类身份多了一个数量级,特别是智能体AI系统需要委托身份而不是仅仅继承人类发起者的权限。这笔收购将帮助解决围绕智能体AI日益增长的安全担忧。
Q3:CyberArk收购案与Palo Alto以往收购有何不同?
A:Palo Alto以往通常收购增强现有业务线或填补平台空白的初创公司,而CyberArk收购案代表了向不同市场的大规模进军。CyberArk是完全不同的动物,有着不同的价格标签和期望,开辟了可观的横向增长空间,以加速Palo Alto的收益增长。
好文章,需要你的鼓励
研究人员意外发现,标准MOSFET晶体管可同时模拟神经元和突触行为,形成"神经突触随机存取存储器"(NSRAM)。该技术仅需一至两个晶体管即可实现传统需数十乃至数百个元件才能完成的神经信号处理,且与现有硅基制造工艺完全兼容,良率达100%。未来有望应用于边缘AI及高能效神经形态芯片,长远或可挑战GPU地位。
论文对比了AI通过图形界面和命令行两种方式完成桌面任务的差异,发现两者各有瓶颈:GUI受限于视觉交互可靠性,命令行受限于技能库覆盖率。
本文提出一种评估人工智能风险的新方法,借鉴生态学与演化论视角,从理论生态模型中推导出三项风险指标,涵盖种群模型与生态系统模型。研究旨在为AI治理策略提供量化工具,并对分析局限性及政策改进方向进行了深入探讨,为构建更科学的AI风险评估体系提供参考框架。
复旦大学团队提出ICWM框架,让机器人在任务前通过随机探测动作自主感知当前视角和物理配置,无需重新训练即可适应新摄像头角度,真实机器人测试成功率最高提升175%。