安全专业协会ISACA宣布为其遍布全球近20万名认证安全专业人员推出新的认证项目——AI安全管理高级认证(AAISM),专门针对这一快速兴起的技术领域。
ISACA最近的一项研究显示,61%的安全专业人员对生成式AI被威胁行为者利用感到非常或极度担忧,但同时也发现面对信息误导、隐私和数据保护(包括知识产权盗窃)、社会工程学以及工作岗位替代等日益增长的风险,业界缺乏相应行动。
面对这一挑战,ISACA表示AAISM将提供迄今为止全球首个也是唯一的AI安全管理认证。
该组织表示,这项认证将帮助网络安全专业人员掌握在组织内监督AI安全合规实施、制定政策并确保其安全运行的能力,同时深入了解AI带来的不断演变的风险。认证涵盖"全面的学习路径",包括三个领域:AI治理和项目管理、风险管理以及技术和控制。
Advance.ai合规负责人、ISACA新兴趋势和IT风险咨询工作组成员Goh Ser Yoong表示:"AAISM认证验证了信息安全管理者提升专业技能的承诺,证明他们了解AI如何重塑企业安全。AAISM与现有获奖安全认证的协同效应以及对AI的专注,是一个关键差异化因素,将使安全领导者能够在这个动态的安全环境中脱颖而出并推进职业发展。"
AAISM认证面向已持有ISACA认证信息安全管理师(CISM)资质或ISC2相关认证信息系统安全专业人员(CISSP)认证的人员开放。
该认证基于两个组织建立的最佳实践,ISACA表示这使其非常适合在网络安全或咨询角色方面有proven经验的人员,或那些已在AI实施和运营方面具有一定专业知识的人员。
除AAISM外,ISACA现在还为网络安全专业人员提供多种其他AI相关课程和资源。这些包括AI基础单元,提供功能、应用、风险和伦理基础知识介绍,以及深入探讨威胁情报和伦理应用等领域的课程。
ISACA还最近推出了AI审计高级认证(AAIA),面向持有认证信息系统审计师(CISA)资质或其他高级审计证书的审计专业人员开放。在英国和爱尔兰,这包括特许公认会计师公会(ACCA)的特许公认会计师或资深特许公认会计师资质持有者。
ISACA首席执行官Erik Prusch表示:"我们很自豪能够在为IT审计和安全专业人员开发世界级AI专业培训和认证方面处于领先地位。从丰富的课程和资源到针对经验丰富的审计师和安全管理者的首个高级审计专业AI认证,我们致力于寻找突破性方法,使数字信任领导者能够负责任和有效地利用人工智能的变革潜力,同时推进他们的职业发展。"
Q&A
Q1:AAISM认证是什么?它有什么特点?
A:AAISM是ISACA推出的AI安全管理高级认证,是全球首个也是唯一的AI安全管理认证项目。它涵盖AI治理和项目管理、风险管理以及技术和控制三个领域,帮助网络安全专业人员掌握AI安全合规实施和风险管理能力。
Q2:谁可以申请AAISM认证?
A:AAISM认证面向已持有ISACA认证信息安全管理师(CISM)资质或ISC2认证信息系统安全专业人员(CISSP)认证的人员开放,特别适合在网络安全或咨询角色方面有经验的人员。
Q3:为什么需要AI安全管理认证?
A:ISACA研究显示61%的安全专业人员担忧生成式AI被威胁行为者利用,面临信息误导、隐私泄露、知识产权盗窃等风险,但业界缺乏相应行动。AAISM认证正是为了填补这一空白,帮助专业人员应对AI带来的安全挑战。
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。