近年来,随着大数据、人工智能、物联网等技术不断应用于医疗卫生服务领域,医疗机构在享受新技术带来的便捷高效管理的同时,也遭受着许多“看不见”的威胁,其中网络安全问题日益突出。
网络攻击盯住医疗行业
仅2022年上半年,世界各国的医疗卫生机构就发生了多起严重的网络攻击事件。1月,美国佛罗里达州Broward Health公共卫生系统发生大规模数据泄露,135万多用户的资料遭外泄,或包含银行账户、保险情况、医疗历史等信息;同月,红十字国际委员会遭网络攻击,50余万人道信息遭损害;5月,意大利米兰卫生系统遭受黑客攻击,其中两家医院计算机系统瘫痪,运营和管理受到很大影响,患者只能通过纸质表格登记求医。
国内医疗网络终端环境也面临着诸多挑战,例如:医疗机构在信息化建设过程中,大部分设备没有及时统一更换,导致各科室机器、系统冗杂;工作人员空闲时间较短,无法定期对内网终端进行安全检测;发生一定的网络安全风险时,不能及时了解事件源头,无法对安全事件溯源和追责等。
终端作为“摸得着”的网络神经末梢,广泛存在于个人生活和企业生产的各个场景中。事实上,大多数网络攻击都是从终端切入的。医疗机构普遍存在设备操作系统老旧问题,大量的高危漏洞容易被黑客、病毒入侵;门诊、住院部、护士站等部门之前终端无法统一管理,运维难度大;内网环境下,病毒库升级困难……
火绒安全保障医疗机构终端安全
日前,北京某三级甲等医院部分自助终端一体机出现反复报毒的问题,火绒安全派遣资深技术工程师赴现场排查作业。通过“火绒终端安全管理系统V2.0”的数据分析,结合系统防御日志和用户反馈信息,火绒安全工程师迅速确认了大部分病毒类型为Ramnit感染型病毒。另外,根据系统的“威胁终端TOP10”查询结果,最终锁定了报毒最多的自助一体机号码。经查看,该终端火绒信任区内有手动添加的文件和路径,清除信任区后全盘扫描重启,终端恢复正常,不再报毒。
火绒安全工程师现场解决报毒终端问题
此外,火绒安全工程师为用户提供了清晰扼要的内网安全分析报告,针对不同病毒出具不同的处理方案,对容易遗漏的防护点做了特别说明和防护建议。此后,院方对于“火绒终端安全管理系统V2.0”的使用更加得心应手,火绒安全的专业服务得到院方工作人员的一致称赞。
火绒安全医疗行业终端安全解决方案通过“火绒终端安全管理系统V2.0”,能够有效拦截系统漏洞攻击,及时修复漏洞,并对系统加固大幅加强安全性;通过多级中心统一管理,保证各部门之间的安全策略同步开展并持续优化;能够做到离线升级,通过多次校验保证数据安全完整性,及时保障医院网络安全。
如今,火绒安全已为三甲医院、区域卫生中心、医学科研机构、各级医疗卫生行政管理机构、制药企业、体检中心等数千家医疗相关单位和企业提供终端安全产品和服务,得到行业用户的广泛赞誉。
未来,火绒安全将深入医疗卫生行业,不断研究终端安全防护存在的痛点、难点,发挥自主研发的技术优势和深耕终端的经验优势,协助更多医疗行业用户有效抗击各类终端安全风险,切实保障各个机构业务稳定运行。
好文章,需要你的鼓励
这项研究由浙江大学、复旦大学等机构联合完成,提出了ReVisual-R1模型,通过创新的三阶段训练方法显著提升了多模态大语言模型的推理能力。研究发现优化的纯文本冷启动训练、解决强化学习中的梯度停滞问题、以及分阶段训练策略是关键因素。ReVisual-R1在各类推理基准测试中超越了现有开源模型,甚至在某些任务上超过了商业模型,为多模态推理研究开辟了新途径。
这项研究提出了一种名为"批评式微调"的创新方法,证明仅使用一个问题的批评数据就能显著提升大语言模型的推理能力。研究团队对Qwen和Llama系列模型进行实验,发现这种方法在数学和逻辑推理任务上都取得了显著提升,平均提高15-16个百分点,而且只需要强化学习方法1/20的计算资源。这种简单高效的方法为释放预训练模型的潜在推理能力提供了新途径。
新加坡国立大学研究团队开发了名为IEAP的图像编辑框架,它通过将复杂编辑指令分解为简单原子操作序列解决了当前AI图像编辑的核心难题。研究发现当前模型在处理不改变图像布局的简单编辑时表现出色,但在需要改变图像结构时效果差。IEAP框架定义了五种基本操作,并利用思维链推理技术智能分解用户指令,实验证明其性能显著超越现有方法,尤其在处理复杂多步骤编辑时。
Character AI的研究者开发出TalkingMachines系统,通过自回归扩散模型实现实时音频驱动视频生成。研究将预训练视频模型转变为能进行FaceTime风格对话的虚拟形象系统。核心创新包括:将18B参数的图像到视频DiT模型改造为音频驱动系统、通过蒸馏实现无错误累积的无限长视频生成、优化工程设计降低延迟。系统可让多种风格的虚拟角色与人进行自然对话,嘴型与语音同步,为实时数字人交互技术开辟了新可能。