根据信息安全评测机构AV-Test的最新评比,全球服务器安全、虚拟化安全及云安全领导厂商趋势科技的OfficeScan企业信息安全解决方案,在“企业端点防护耐久测试”中荣获总分第一的成绩!这项长达6个月的评比,总共测试了8套不同品牌的中小企业信息安全解决方案,趋势科技OfficeScan 在“防护力、效能和易用性”这三个对 IT部门最重要的测试项目中,总分17.2分 (满分18分), 获得整体第一名的成绩。此外,趋势科技在效能项目测试中也获得了第一的成绩。
趋势科技OfficeScan 作为企业终端安全的最佳解决方案,拥有针对企业未来业务而设计的弹性架构,可让用户通过插件来自定义威胁防护与数据保护策略,例如:虚拟补丁、数据防泄漏、虚拟化安全、移动终端安全管理等功能。其业界领先的虚拟化感知能力可将各个虚拟桌面的更新与扫描任务顺序优化,提供最佳性能。创新的文件和Web信誉技术可自动向云安全平台(Smart Protection Network)反馈威胁信息,进一步增强防护能力。此外,还可通过本地服务器来提供与安全云同步的威胁情报,对Web性能影响得以最小化。
趋势科技全球研发长暨大中华区总经理张伟钦表示:“趋势科技不断致力于让信息安全整体解决方案的各项功能,都具备更优异的防护力及管理弹性。我们不仅要保障企业重要信息资产的安全,更为用户创造了绝佳的系统管理与使用体验。能在这项竞争激烈的耐久测试当中脱颖而出,证明了趋势科技的整体创新能力以及 OfficeScan 长期的效能、易用性与卓越防护,都受到专业肯定。”
AV-Test耐久测试为期6个月,评比项目包括:信息安全解决方案在 Windows XP、7、8 等平台上的防护力、效能和易用性,受测的8个品牌分别为:趋势科技、Bitdefender、Kaspersky Labs、F-Secure、Symantec、McAfee、Sophos 以及 Microsoft。
其中,趋势科技在“效能”项目获得最高成绩,展现了OfficeScan的实力,既能满足防护需求,又不影响端点其它操作的效能。在“防护力”的评比过程中,在 AV-Test使用的“AV-Test恶意程序参考资料库”测试当中,OfficeScan 展现出100% 的侦测率,总共侦测并清除了大约 60,000 个恶意程序。
正如 2014 年 1 月 8 日出版的 Gartner端点防护平台魔力象限 (Magic Quadrant for Endpoint Protection Platforms) 报告指出,顶级的用户端点防护是采购信息安全防护产品的关键:“针对一般恶意程序的防护、甚至于更难的APT攻击防护,是采购端点防护产品时最重要的考量。如各大恶意程序测试机构的评测结果所示,攻击防范的品质差异很大,企业采购时,应寻找能广泛涵盖各种防护技术的解决方案。”
趋势科技OfficeScan 能同时保护实体和虚拟的端点,提供即时的进阶威胁防护。此外,OfficeScan 更搭配应用程序管控、漏洞防护、移动安全防护、端点加密等主动式防护技术,进一步强化企业的威胁防护能力,并与TMCM趋势科技控制管理中心整合,提供更佳的集中式管控并全面掌握用户威胁的情况。
好文章,需要你的鼓励
前谷歌资深工程师David Petrou创立的AI初创公司Continua宣布完成800万美元种子轮融资,由GV领投。该公司开发AI智能体技术,可加入SMS、iMessage和Discord等群聊平台,为用户协作提供智能支持。Continua能够在群聊中自动设置提醒、发起投票、添加日历邀请或生成待办清单,解决群聊混乱问题。公司通过微调技术让AI理解群聊动态,具备社交智能,只在需要时提供帮助。
艾伦人工智能研究院开发的MolmoAct是首个开源的机器人空间推理模型,通过"看懂-规划-执行"三步思考法让机器人具备类人的空间理解能力。它不仅在多项基准测试中表现优异,还支持直观的视觉轨迹调教,用户可直接在屏幕上画线指导机器人行为。研究团队完全开源了模型、代码和数据集,为全球机器人研究提供强大基础平台。
Anthropic宣布为企业客户增加Claude单次提示词的信息处理量,以吸引更多开发者使用其AI编程模型。Claude Sonnet 4现支持100万token上下文窗口,可处理75万词或7.5万行代码的请求,是此前限制的5倍,超过OpenAI GPT-5的40万token。该功能也将通过Amazon Bedrock和Google Cloud等云合作伙伴提供。更大的上下文窗口有助于AI模型更好地处理软件工程问题和长期自主编程任务。
这项由北京大学和清华大学联合完成的研究首次提出时间自奖励语言模型,通过"锚定拒绝"和"未来引导选择"策略解决了AI自学习中的梯度消失问题。该方法让AI既能从过去的低水平样本中学习反面教材,又能向未来的高水平样本学习正面目标,成功维持了清晰的学习对比信号,在多个基准测试中显著优于传统自奖励方法。