近期,在华为伙伴暨开发者大会2022,华为云联合安恒信息、知道创宇两家合作伙伴,共同举办了“筑巢结伴,打造云安全解决方案,为客户云化转型保驾护航”论坛。会上,华为云向产业界首次发布了华为云安全云脑全新方案,以及合作伙伴与华为云共同打造的最新场景化应用成果;同时,华为云还发布了“三体一协同”安全生态“云升级”体系计划,通过技术赋能伙伴云原生安全能力,携手伙伴共创安全产业模式新格局。
随着数字经济渗透率提升,未来将有更多企业上云。云计算不仅改变了企业传统的业务模式,也带来了传统安全运营模式的全新改变。云化时代,数据的高速流通,使得安全运营的敏捷性成为必需,而云化技术让敏捷的安全运营成为可能。华为云安全服务产品部部长左文树表示,云上安全重在运营,而运营的未来在云上!
企业用户在应对网络威胁时,经常面临业务风险“看不见,分不清,处置不及时”的情况。对于寻求数字化转型的企业而言,应该选择什么样的云安全防护能力?
1.具备更加清晰、统一的云内资产管理能力
企业安全建设中涉及的安全厂商、产品、服务非常多,系统异构、接口方式,以及厂家对漏洞、威胁的定义规则都不相同,安全资产缺少统筹管理,容易出现漏洞。
2.具备强大的算力资源和AI能力,有效提升攻击、入侵事件的相应效率
传统运营方案的检测能力受限,从产品到平台,从硬件到软件,从人到流程,只要有一个流程环节出现变故,就会影响整体的检测和响应效率。
3.具备自动化响应和处置能力
传统运营系统自动化处置程度比较低,基于人进行处置使得响应效率很难得到有效提升。
针对用户关心的安全场景,华为云基于华为30+实战安全运营经验积累,打造了一套全局安全运营解决方案——安全云脑,把华为公有云的安全运营平台服务化,提供给各类客户使用,帮助客户建立一套等同华为公有云的高效运营能力的运营体系。
安全云脑由六大模块组成:态势感知、智能分析、威胁检测、应急响应等组成。通过安全云脑,华为云可以快速完成安全资产测绘,形成完整的资产、账号、风险、漏洞等安全信息,实现各类安全态势可视化。安全云脑可以关联云服务、云配置、日志、外部情报等大量安全数据,快速完成数据分析和富化;并通过AI技术,对安全事件进行定级和冒泡,有效提升攻击、入侵事件的响应效率。
企业用户通过使用华为云安全云脑可以实现合规建设成本降低,全局监测云上业务安全以及解放安全运营人力等:
1.企业合规建设的成本在无形中被降低了,再也不用担心服务器承载力不足导致业务受影响,企业可以根据需要选择弹性扩容,云上管理业务更加方便,上云更有底气!
2.通过安全云脑平台,可以清楚看到资产、账号、风险、漏洞等安全信息,全局监测预警分析和快速响应,让云上业务安全更有保障。
3.解放了专家生产力,减少安全运营人员时间和精力损耗,提高风险检测和事件响应效率。
安全建设从无到有,从初步应用到广泛应用,运营起着非常重要的作用,安全运营是企业安全建设发展到一定阶段的必然需求。未来,华为云安全云脑将基于用户场景需求,适配不断变化的安全运营业务需求,同时,与多家国内安全厂商规划安全生态联运模式,为业务上云和创新提供坚实的底座,与合作伙伴一起共创安全产业模式新格局。
好文章,需要你的鼓励
这项研究介绍了VisCoder,一个经过专门微调的大语言模型,用于生成可执行的Python可视化代码。研究团队创建了包含20万样本的VisCode-200K数据集,结合了可执行代码示例和多轮修正对话。在PandasPlotBench基准测试中,VisCoder显著优于同等规模的开源模型,甚至在某些方面超越了GPT-4o-mini。研究还引入了自我调试评估模式,证明了反馈驱动学习对提高代码可执行性和视觉准确性的重要性。
这项研究提出了"适应再连续学习"(ACL)框架,一种创新的方法解决预训练模型在连续学习中的稳定性-可塑性困境。通过在学习新任务前先对模型进行适应性调整,ACL使模型既能更好地学习新知识(提高可塑性),又能保留已有知识(维持稳定性)。实验证明,该框架能显著提升各种连续学习方法的性能,为解决人工智能系统中的"灾难性遗忘"问题提供了有效途径。
这篇研究首次关注了CLIP模型文本编码器的对抗鲁棒性问题,提出了LEAF方法(Levenshtein高效对抗性微调)来增强文本编码器的稳健性。实验表明,LEAF显著提高了模型在面对文本扰动时的性能,在AG-News数据集上将对抗准确率从44.5%提升至63.3%。当集成到Stable Diffusion等文本到图像生成模型中时,LEAF显著提高了对抗噪声下的生成质量;在多模态检索任务中,它平均提高了10个百分点的召回率。此外,LEAF还增强了模型的可解释性,使文本嵌入的反演更加准确。
BenchHub是由韩国KAIST和Yonsei大学研究团队开发的统一评估平台,整合了38个基准中的30万个问题,按技能、学科和目标类型进行精细分类。研究显示现有评估基准存在领域分布偏差,而BenchHub通过自动分类系统和用户友好界面,让用户能根据特定需求筛选评估数据。实验证明模型在不同领域的排名差异巨大,强调了定制化评估的重要性。该平台支持多语言扩展和领域特化,为研究人员和开发者提供了灵活评估大语言模型的强大工具。