微信扫一扫,关注公众号

  • 科技行者

  • 算力行者

见证连接与计算的「力量」

首页 微软云服务获欧盟最高隐私标准认可

微软云服务获欧盟最高隐私标准认可

2014-04-11 18:33
分享至:
----..---.-...-/--...-.-......./-...-....-..--../-............-.- ----..---.-...-/--...-.-......./-...-....-..--../-............-.- ----..---.-...-/--...-.-......./-...-....-..--../-............-.- ----..---.-...-/--...-.-......./-...-....-..--../-............-.-
2014-04-11 18:33 CNET科技资讯网

近日,被称为“第29条工作小组(Article 29 Working Party)”的欧盟数据保护工作组代表欧盟负责数据保护的28个机构通过一封联名信发布了这条批准信息。重要的是,微软是第一个——也是目前唯一——获得此项批准的公司。这项批准涵盖了微软的企业级云服务,包括Microsoft Azure、Office 365、Microsoft Dynamics CRM和Windows Intune。

欧盟的隐私管理机构确认微软云服务的合同承诺满足了欧盟的“示范条款”,这意味着存储在微软企业云上的个人数据,无论其在地理上存储在什么位置,都将成为欧洲极为严格的隐私标准的保护对象。鉴于欧洲《数据保护指令》为隐私保护划定了极高的标准,能够获得这样的批准实属难得。

用户将从三个主要方面获益:

首先,假如欧盟真的按照欧盟议会最近提出的要求搁置了与美国之间的《安全港协定》,企业用户也不用担心其在全球范围内使用的微软云服务会被中断或者削减。

其次,即便在《安全港协定》仍然有效的场合,它的作用也仅限于美国与欧洲之间的传输。合同承诺全球有效。

第三,微软所有客户,无论是在欧洲还是其它地方运营其业务,都能得到技术保障。

微软已经完成了技术和法律上的工作,保证客户在欧洲的业务能够合法地通过其服务转移数据。

从7月1日起,微软将确保所有的企业级客户都能通过标准协议享受到隐私保护。欧盟的批准要求客户在协议后面添加一份简短的标准附件,从而可以让他们从中获益,我们会创建一种简单的流程来实施这一举措。

分享至
0赞

好文章,需要你的鼓励

推荐文章
  • 南方科技大学等机构联手破解AI推理训练难题:让大模型"一次思考"就学会解题

    南方科技大学等机构联手破解AI推理训练难题:让大模型"一次思考"就学会解题

    本文介绍了由南方科技大学等机构于2026年4月发表的研究(arXiv:2604.08865),提出了名为SPPO的大模型推理训练新方法。该方法将推理任务重新建模为"序列级情境赌博机",用一个轻量级价值模型预测题目难度,以单次采样替代GRPO的多次采样,解决了标准PPO的"尾部效应"问题。实验显示,SPPO在数学基准测试上超越GRPO,训练速度提升约5.9倍,配合小尺寸价值模型还能显著降低显存占用。

  • 香港科技大学数学系研究者:扩散模型原来是一个"魔法恒等式"拆成了两半

    香港科技大学数学系研究者:扩散模型原来是一个"魔法恒等式"拆成了两半

    这项由香港科技大学数学系完成的研究(arXiv:2604.10465,2026年ICLR博客论文赛道)提出了一种从朗之万动力学视角理解扩散模型的统一框架。研究指出,扩散模型的前向加噪和逆向去噪过程,本质上是朗之万动力学这一"分布恒等操作"被拆成了两半。在这个视角下,VP、VE-Karras和Flow Matching等不同参数化的模型可被精确互译,SDE与ODE版本可被统一解释,扩散模型相对VAE的理论优势得以阐明,Flow Matching与得分匹配的等价性也得到了严格论证。

  • 中国人民大学研究团队打造的"AI科学家":让机器自主完成几十小时的科研工程,它是怎么做到的?

    中国人民大学研究团队打造的"AI科学家":让机器自主完成几十小时的科研工程,它是怎么做到的?

    中国人民大学高岭人工智能学院等机构联合开发了AiScientist系统,旨在让AI自主完成机器学习研究的完整工程流程,包括读论文、搭环境、写代码、跑实验和迭代调试,全程无需人工干预。系统核心设计是"薄控制、厚状态":由轻量指挥官协调专业代理团队,通过"文件即通道"机制将所有中间成果持久化存储,使每轮工作都能建立在前一轮积累的基础上。在PaperBench和MLE-Bench Lite两个基准上,系统表现显著优于现有最强对比系统,论文发布于2026年4月。

  • 字节跳动发布GRN:像人类画家一样"边画边改"的AI图像生成新范式

    字节跳动发布GRN:像人类画家一样"边画边改"的AI图像生成新范式

    这项由字节跳动发布的研究(arXiv:2604.13030)提出了生成式精化网络(GRN),一套模仿人类画家"边画边改"直觉的视觉生成新框架。其核心包括两项创新:层级二进制量化(HBQ)通过多轮二分逼近实现近乎无损的离散图像编码,以及全局精化机制允许模型在每一步对整张图像的所有位置重新预测并随时纠错,从根本上解决了自回归模型的误差积累问题。配合基于熵值的自适应步数调度,GRN在ImageNet图像重建(rFID 0.56)和生成(gFID 1.81)上均创下新纪录,并在文本生成图像和视频任务上以20亿参数达到同等规模方法的领先水平。

----..---.-...-/--...-.-......./-...-....-..--../-............-.- ----..---.-...-/--...-.-......./-...-....-..--../-............-.- ----..---.-...-/--...-.-......./-...-....-..--../-............-.- ----..---.-...-/--...-.-......./-...-....-..--../-............-.-