这是一个数据爆炸的时代,更是一个数据变现的时代。在移动互联网、社交、大数据和云计算的共同作用下,无论是企业还是个人都开始趋向于为数据的存储、管理、保护和分析而付费。因此,对于可以适应所有数据类型的云存储技术而言,作为一种新兴服务,开始呈现快速的增长态势。
纵观全球云存储市场发展,大量企业开始运用不同技术手段和经营战略加紧对市场的争夺。例如,希望进一步提升云存储安全性的Dropbox、开始将云存储服务与Office进行捆绑的微软或者是正在努力改善服务价格机制的苹果iCloud Drive。种种变化,使云存储服务加速进入到了一个全新的竞争阶段。
与此同时,国内云存储行业也正加速升温,各大IT服务商纷纷推出了各具特色的云存储服务。但需要注意的是,目前国内个人用户对存储消费的观念还不够成熟,加之网络寡头对个人市场的强势挤压,在一定程度上设置了资本门槛。反之,在企业级市场,不少云存储厂商仍然主要以简单、直接的存储空间为赢利点,并没有在产品和技术层面进行细致的打磨。可以说,从目前情况来看,云存储整体格局还不尽完善,能被真正称为成功的云存储服务少之又少。
幸运的是,在云存储市场不乏有一些能够专注技术创新、服务创新的竞争者,来打破这一局面。与其他力求先生存再发展的新兴云存储公司不同,书生安全云自2012年上线之初,就抱着“洗牌”市场的决心。
决心源于书生对技术创新的信心。书生安全云作为书生公司的子公司,利用原有积累多年的技术精髓,在不到两年的时间内,凭借TruPrivacy云安全技术、SurCloud云存储基础架构及VisiDoc云文档技术三大革命性技术,已竞争激烈的云存储市场中闯出了自己的一片天地。在书生安全云董事长王东临看来,资本和客户基础固然重要,但能够拥有过硬的技术才是真正的核心竞争力。而这正是书生能够快速跻身一线领域的根本。
其中,书生安全云所推出的TruPrivacy安全技术,在保证数据全程加密的同时,也将密钥交由用户自身掌握。从而真正实现了在网络不安全、系统不安全甚至所有管理人员都不可信赖的情况下,仍可保证用户数据的绝度安全。同时,书生安全云还采用了独有的存储技术架构,不仅实现了更高的可靠性、使资本性支出和运维成本大大降低,并以最短的数据路径带来更优性能。最后,VisiDoc可视文档技术则确保了云端文档不受平台限制,页面布局在任意设备上均能保持完美格式,为用户在云端浏览文档带来了极大的便利。
以敏锐的观察、突破性的技术手段,重点解决用户在云存储服务上的安全、性价比、可靠性以及便捷性方面的核心需求,正是书生得以挑战Google、亚马逊、苹果、微软等行业巨头的资本所在。在王东临的构想中,书生安全云将持续专注于向用户提供以互联网为基础的在线存储服务,让用户无需为存储容量、存储设备类型以及为数据的可用性、可靠性和安全性所担忧,进而获得高度可靠的服务。
聚焦到安全这一关键问题上,最让书生安全云引以为傲的正是率先在国际上推出TruPrivacy安全云技术,这也是目前唯一能在服务器端不存密钥的情况下,也可提供完整云服务功能的技术。仅凭这一点,书生就拥有了叫板亚马逊、谷歌以及苹果等巨头企业的能力。
为进一步验证TruPrivacy这一核心技术能力,在刚刚落下帷幕的中国互联网安全大会上,书生安全云特别发起了“破壳行动--书生云安全技术挑战赛”活动。期间,来自各领域的20位破解高手,在现场观众、行业用户以及安全专家们的见证下,向这一顶尖云安全技术发起冲击。值得一提的是,书生安全云在赛事中提前向选手公布了服务器管理密码,将服务器敞开,模拟了最极端的安全环境。但尽管如此,在经历长时间的“攻防战”后,仍然无一人成功入侵并获取文件明文。
从常规情况分析,一旦入侵者掌握服务器管理密码,数据基本上就处于零保护的状态。但尽管如此,书生安全云还是能在黑客得到密码的前提下,完美保障数据安全。相信目前在业内,能达到这一安全水平的公司寥寥无几。而相比于大多数IT厂商通过PPT在台上讲解技术理念而言,书生安全云则通过现场“真刀真枪”的比试,让产品魅力得以鲜活展现。
以往企业防御与黑客入侵是一场时间的战争,而事实上机制的完善却一直在追逐漏洞的脚步。但书生安全云做到了在服务器端既不存明文也不存密钥,且能对加密数据进行跨用户去重。这种将安全主动权完全交由用户的方式,不仅可以抵御入侵,甚至对云存储公司内部潜在的危险,均可一并降至最低。
今天,人们对数据的依赖比以往任何时候都更加强烈。正因为如此,云存储并非传统意义上的备份服务,其核心意义在于将网络中大量各种不同类型的存储设备通过应用软件集合起来协同工作,使用户可以从任何联网的地方进行查看和下载。但我们必须意识到,这所有的一切只有建立在安全的基础上才能得以实现。而这,正是书生安全云能够得以迅速发展,并占领市场制高点的不二法门。
好文章,需要你的鼓励
AIM Intelligence联合多所知名大学揭示了音频AI系统的重大安全漏洞,开发出名为WhisperInject的攻击方法。这种攻击能让看似无害的音频指令操控AI生成危险内容,成功率超过86%,完全绕过现有安全机制。研究暴露了多模态AI系统的系统性安全风险,对全球数十亿智能设备构成潜在威胁。
新加坡国立大学研究团队系统梳理了视觉强化学习领域的最新进展,涵盖超过200项代表性工作。研究将该领域归纳为四大方向:多模态大语言模型、视觉生成、统一模型框架和视觉-语言-动作模型,分析了从RLHF到可验证奖励范式的政策优化策略演进,并识别出样本效率、泛化能力和安全部署等关键挑战,为这一快速发展的交叉学科提供了完整的技术地图。
浙江大学研究团队通过OmniEAR基准测试揭示了当前AI模型在物理世界推理方面的严重缺陷。测试显示,即使最先进的AI在明确指令下能达到85-96%成功率,但面对需要从物理约束推断行动的任务时,成功率骤降至56-85%。研究发现信息过载反而降低AI协作能力,监督学习虽能改善单体任务但对多智能体协作效果甚微,表明当前架构存在根本局限性。
纽约大学和Aimpoint Digital Labs的研究团队首次揭示了Transformer模型训练中"大规模激活"的完整发展轨迹。这些影响力比普通激活大千倍的"超级激活"遵循可预测的数学规律,研究者开发出五参数公式能以98.4%准确率预测其变化。更重要的是,通过调整模型架构参数如注意力密度、宽深比等,可以在训练前就预测和控制这些关键激活的行为,为设计更高效、量化友好的AI模型提供了全新工具。