CNET科技资讯网 6月12日 北京消息(文/齐丰润): 安全已成为了当下社会最为关注的几个问题之一,随着大数据时代的来临,如今的安全问题也变得严峻和复杂。近日,HanSight瀚思在北京召开了产品战略暨融资发布会,推出了瀚思用户行为分析系统(HanSight UBA)、瀚思安全威胁情报(HanSight TI)、安全易三款产品,并宣布获得了由恒宝股份领投、南京高科、赛伯乐跟投的A轮投资。
除了发布三款安全产品以及宣布A轮融资之外,瀚思在会上还与亚信安全、汉柏科技、先进数通、清华大数据联合会、华为等签订合作协议,对“数据驱动安全”战略进行推动,加速落地。
瀚思创始人兼首席执行官高瀚昭表示,大数据已经渗透到当今每一个行业和业务职能领域,成为重要的生产因素,大数据技术可以帮助用户去定位网络当中发生的恶意事件,在预警的同时挖出潜在威胁。我们将帮助企业和云上的用户实现从“被动防御”到 “主动智能”的转变。
据Gartner发布的《用户与实体行为分析指南》中指出,近年来机构单位对用户行为分析功能的需求上涨了近十倍,2017年UEBA市场营收将达到2亿美元。
本次发布会上,瀚思推出了国内首款用户行为分析系统——HanSight UBA,凭借其创新技术提供了基于实际安全场景的多维度异常检测功能,通过独特的“仪表盘”功能将机器学习和算法产生的各种数值结果翻译成用户能够理解的安全场景。
实测表明,在普通的服务器上,HanSight UBA利用GPU优化的高速算法,一分钟内就能完成大部分企业业务场景下的行为数据分析。
除了HanSight UBA之外,瀚思还将大数据安全的内涵进一步延伸,推出了首个与安全产品原生集成的瀚思安全威胁情报——HanSight TI。它有别于传统的安全分析系统,HanSight TI是通过从网络数据、主机数据,登录认证数据和威胁情报数据中形成联动分析,将这些用户环境中的所有行为足迹统一进行处理,最终把威胁情报和解决办法交付给最终用户。此外,瀚思的威胁情报使用了自然语言处理技术,从各种完全非结构化信息抽取安全事件汇总成为威胁情报,直接原生集成到瀚思产品线内。
高瀚昭表示:“瀚思致力于打造行业大数据安全体系,针对不同行业对威胁情报类型的特点,HanSight TI并非将原始粗糙的威胁情报显示给用户,而是再经过加工处理,根据用户行业业务场景,确定威胁可信性和关联性之后,推送和分享给同行业的其他用户。”
瀚思联合创始人董昕强调:HanSight UBA和HanSight TI将与瀚思大数据安全分析平台的高度集成,最终为客户打造一套解决海量安全数据分析难题的系统解决方案。
最后,瀚思带来了此次发布会“三剑客”产品的最后一件,“安全易”SaaS服务。基于云端的大数据安全分析平台,“安全易”可帮助中小型企业迅速发现威胁,实现在安全事件发生后第一时间告警,通过可视化发掘数据背后的价值,采用智能算法识别安全隐患,利用威胁情报协助揭示危险的存在。
技术的飞速发展为整个社会都带来了前所未有的便捷,不过随之而来的安全问题却也无可避免。此次瀚思的“数据驱动安全”战略,从数据角度带来了安全的解决方案,相信会为企业带来全新的视角来面对安全挑战。
好文章,需要你的鼓励
新加坡国立大学研究团队开发了SPIRAL框架,通过让AI与自己对弈零和游戏来提升推理能力。实验显示,仅训练AI玩简单扑克游戏就能让其数学推理能力提升8.6%,通用推理提升8.4%,且无需任何数学题目作为训练材料。研究发现游戏中的三种推理模式能成功转移到数学解题中,为AI训练提供了新思路。
同济大学团队开发的GIGA-ToF技术通过融合多帧图像的"图结构"信息,创新性地解决了3D相机噪声问题。该技术利用图像间的不变几何关系,结合深度学习和数学优化方法,在合成数据集上实现37.9%的精度提升,并在真实设备上展现出色泛化能力,为机器人、AR和自动驾驶等领域提供更可靠的3D视觉解决方案。
伊利诺伊大学研究团队通过对比实验发现,经过强化学习训练的视觉语言模型虽然表现出"顿悟时刻"现象,但这些自我纠错行为并不能实际提升推理准确率。研究揭示了AI模型存在"生成-验证差距",即生成答案的能力强于验证答案质量的能力,且模型在自我验证时无法有效利用视觉信息,为AI多模态推理发展提供了重要启示。
MIT等顶尖机构联合提出SparseLoRA技术,通过动态稀疏性实现大语言模型训练加速1.6倍,计算成本降低2.2倍。该方法使用SVD稀疏性估计器智能选择重要计算部分,在保持模型性能的同时显著提升训练效率,已在多个任务上验证有效性。