9月6日,“长三角网络安全协同发展”论坛在2022国家网络安全宣传周(以下简称“网安周”)期间顺利举办。作为本次论坛的承办方之一,紫光股份旗下新华三集团就国家安全产业的发展与挑战分享了独到观点与切实建议。同时,在“长三角网络安全”圆桌论坛上,新华三技术专家与领域内的企业、专家与学者,共同探讨长三角区域协同发展背景下的安全人才培养与产教融合问题。
本次论坛上,新华三集团副总裁、新华三信息安全技术有限公司总裁孙松儿发表主题演讲,从行业政策法规、安全体系建设及主动安全实践等多个维度,全面展现了新华三在引领主动安全产业升级与人才培养方面的积极探索与创新实践成果。
六大要点,硬核技术“把脉”网络安全建设痛点
依托于云、网、安领域多年持续深耕,立足行业发展机遇,孙松儿分享了新华三集团网络安全体系建设的创新思路。他认为,首先从安全的顶层设计来说,应当始终坚持以主动安全为理念来构建安全体系,持续的核心技术创新,结合安全运营服务,实现体系化安全能力的落地。在核心技术攻坚层面,提升场景化AI模型与情报治理能力,优化基于用户应用的安全设计逻辑及软件代码开发效率,构建多方协同的可视化安全中台。最后,在人才培养方面,孙松儿呼吁产学研用融合,多措并举,持续建设人才培养体系。
新华三集团始终致力于将前沿安全技术理念与客户业务有机融合,加速推动以零信任为代表的边界安全技术落地。以全面业务感知、精细化动态身份控制及云边协同为数字化转型提供牢不可破的底层安全能力,并通过态势感知技术构建起安全业务中台,基于海量的安全大数据,快速打造以车联网、实训平台等为代表的场景化安全应用。在服务方面,创新性地以XaaS全云服务模式交付安全能力,实现了业务安全运营的按需订阅、云上托管与“交钥匙”服务,推动安全步入“轻”时代。

孙松儿发表主题演讲
聚焦区域协同 产教融合打造长三角网络安全产业高地
网络安全产业持续发展,离不开产教融合与区域引领。在随后开展的长三角网络安全圆桌论坛上,新华三信息安全技术有限公司首席技术官王其勇立足长三角网络安全协同发展以及人才培养模式,与来自长三角地区代表性高校专家、业内领军企业代表展开深入交流。他表示,加快推进产学研用深度融合是实施创新驱动发展战略的关键环节,在长三角地区加速推动网络安全产业高速发展的同时,人才培养更为关键。一直以来,新华三积极探索数字化人才培养模式,打造集产学研一体的校企互补人才培养创新平台,以行业发展与市场需求为导向,促进高校网络安全人才培养创新。
同时,作为国内安全理念的引导者与安全创新的实践者,新华三集团全面投身网络安全市场布局,深耕网络安全领域发展近二十年。早在2017年,新华三信息安全技术有限公司便落户合肥高新区,实现了安全理念和技术的快速部署和应用落地。依托长三角地区优越的发展资源和营商环境,新华三先后主导、参与制定了百余项国标、行标,百余份安全技术白皮书、报告,并承担数十项国家、省部级前沿重大科技攻关项目,充分发挥自身安全能力和经验,全面助推长三角地区乃至中国网络安全产业持续创新和快速发展。

王其勇出席“长三角网络安全”圆桌论坛
如今,数字经济发展已行至“深水区”,技术进步将进一步推动网络与信息安全向全局化、智能化方向加速前行。应对网络安全新形势与新挑战,新华三网络安全将植根合肥、面向全国,通过“云智原生”的技术创新与“主动安全”理念持续迭代应用,让安全成为数字化转型的坚实底座,为“数字中国”构筑安全屏障。
好文章,需要你的鼓励
谷歌发布新的AI学术搜索工具Scholar Labs,旨在回答详细研究问题。该工具使用AI识别查询中的主要话题和关系,目前仅对部分登录用户开放。与传统学术搜索不同,Scholar Labs不依赖引用次数或期刊影响因子等传统指标来筛选研究质量,而是通过分析文档全文、发表位置、作者信息及引用频次来排序。科学界对这种忽略传统质量评估方式的新方法持谨慎态度,认为研究者仍需保持对文献质量的最终判断权。
武汉大学研究团队提出DITING网络小说翻译评估框架,首次系统评估大型语言模型在网络小说翻译方面的表现。该研究构建了六维评估体系和AgentEval多智能体评估方法,发现中国训练的模型在文化理解方面具有优势,DeepSeek-V3表现最佳。研究揭示了AI翻译在文化适应和创意表达方面的挑战,为未来发展指明方向。
Meta发布第三代SAM(分割一切模型)系列AI模型,专注于视觉智能而非语言处理。该模型擅长物体检测,能够精确识别图像和视频中的特定对象。SAM 3在海量图像视频数据集上训练,可通过点击或文本描述准确标识目标物体。Meta将其应用于Instagram编辑工具和Facebook市场功能改进。在野生动物保护方面,SAM 3与保护组织合作分析超万台摄像头捕获的动物视频,成功识别百余种物种,为生态研究提供重要技术支持。
参数实验室等机构联合发布的Dr.LLM技术,通过为大型语言模型配备智能路由器,让AI能根据问题复杂度动态选择计算路径。该系统仅用4000个训练样本和极少参数,就实现了准确率提升3.4%同时节省计算资源的突破,在多个任务上表现出色且具有强泛化能力,为AI效率优化开辟新方向。