6月4日上午北京消息,在第七届中国云计算大会上,360公司技术副总裁、首席隐私官谭晓生进行了360在云计算方面的实践经验分享。他的演讲题目为《云计算大数据应用实践分享之三:360云计算的安全与大数据应用》。
360公司技术副总裁、首席隐私官 谭晓生
首先,谭晓生提及,我们处在一个变革的时代,信息安全面临重大考验。企业的IT格局也相应的在发生变化。今天越来越多的传统企业选择互联网IT的产业架构,随着信息化程度和计算能力的增强,越来越多的企业也选择将数据放在云服务器上。正如马云所言,我们已经进入TB时代。目前存在的主要问题是,数据成了很容易被篡改的目标。而且,传统的网管将网线拔掉的那种管控思维已经落后了。
所以,云计算的安全管控就成为了一个重要问题,也就是说传统的IT系统面临主要的安全挑战。谭晓生主要分享了几个应对思路。一是进行纵深防御。这个思路主要是将城墙防御转变为系统防御,也就是所谓的塔斯防御。“我在前面知道攻击者来了,并且知道攻击过程中层层防御消耗进攻力量,甚至有机会可以去反致。”谭晓生说。二是关注数据安全,也就说需要做最坏的打算,数据的防御是很有必要的,因为“你没有被攻破只是因为时间和概率问题。”
具体的做法是:第一,对宿主机OS安全加固。第二,对VMM进行安全防护,不管是KVM还是VMWARE等,只要在管理系统内存在漏洞,都需要进行加固。
此外,谭晓生表示:云计算不是自主可控的。无论是对服务商还是对租户而言,在云计算安全还需做出努力。“任何一个公司安全能力再强,你获取资源都是有限的”而“安全是一个7乘24无休需要止处理的问题。
因此,谭晓生提出在云安全上的思路不应该是云厮杀,而应该是云共赢,他预测”在中国云服务弄不好又走到零和博弈的状态”,但是“不管是华为还是阿里我觉得没有一家企业能够掌控从云计算的基础到安全到各个应用方面的威胁。”因为“安全是市场里所有的敌人“所以”大家应该联合起来共同抵御云计算安全问题。”
好文章,需要你的鼓励
浙江大学团队提出动态专家搜索方法,让AI能根据不同问题灵活调整内部专家配置。该方法在数学、编程等任务上显著提升推理准确率,且不增加计算成本。研究发现不同类型问题偏爱不同专家配置,为AI推理优化开辟新路径。
清华大学研究团队提出SIRI方法,通过"压缩-扩张"交替训练策略,成功解决了大型推理模型"话多且准确率低"的问题。实验显示,该方法在数学竞赛题上将模型准确率提升43.2%的同时,输出长度减少46.9%,真正实现了效率与性能的双重优化,为AI模型训练提供了新思路。
南洋理工大学与腾讯联合研究团队开发出Rolling Forcing技术,实现AI视频实时流式生成的重大突破。该技术通过滚动窗口联合去噪、注意力锚点机制和高效训练算法三项创新,解决了长视频生成中的错误累积问题,可在单GPU上以16fps速度生成多分钟高质量视频,延迟仅0.76秒,质量漂移指标从传统方法的1.66降至0.01,为交互式媒体和内容创作开辟新可能。
华中科技大学研究团队发现,通过让AI模型学习解决几何问题,能够显著提升其空间理解能力。他们构建了包含约30000个几何题目的Euclid30K数据集,使用强化学习方法训练多个AI模型。实验结果显示,几何训练在四个空间智能测试基准上都带来显著提升,其中最佳模型达到49.6%准确率,超越此前最好成绩。这项研究揭示了基础几何知识对培养AI空间智能的重要价值。