中央政府采购网近日发布的最新信息显示,赛门铁克、卡巴斯基等国外安全软件被排除在了2014年中央国家机关政府采购协议供货商名单之外,同时政府采购部门已经批准了360、启明星辰、冠群金辰、北京江民和瑞星5个反病毒软件品牌,均为中国品牌。
相关分析人士称,此次中央政府采购网排斥了所有的国外安全软件供应商,就是要保护国内信息安全。自斯诺登泄密事件后,国家在信息安全方面的意识更加强烈,以前中国政府之所以采用国外安全软件是基于相信国外的品牌和技术,现在对信息安全的要求提高之后,国内厂商在技术方面已经可以符合需求,因此采用国内安全厂商。
随着中央国家机关排斥国外安全软件供应商,地方政府和国家企事业单位也将跟随中央国家机关的脚步,这意味着在未来的企业安全市场的绝大部分,将成为国内安全公司的掘金场。
企业安全市场是个大故事。IDC企业系统与软件研究组经理王培7月份在接受媒体采访时称:目前中国个人安全市场不过20亿元,但2015年企业级安全市场超过200亿元。而之前企业安全市场几乎是国外厂商一统天下,在企业安全软件市场,赛门铁克等国外厂商占据了接近70%的市场份额,而政府采购新政推出后,企业安全市场全部留给了360等国内的5大安全厂商。
360从2013年开始进军企业安全市场,而2014年周鸿祎将企业安全确定为公司战略重点。以个人安全起家的360曾经创造了在消费安全领域的神话,它带来了全新的商业模式,改变了传统市场格局,如今成为了市值上百亿美元的大体量互联网安全公司。
自2009年以来,360共41次因独立发现并协助微软修复漏洞获得致谢,在全球安全软件厂商中排名第一,赛门铁克、Norman、趋势科技、卡巴斯基、McAfee等均不足10次。并且,迄今为止,360安全产品是国内唯一包揽AV-C、AV-TEST、VB100、CheckMark、ICSA、OPSWAT等各大国际评测“全满贯”的安全软件。
360还是全球范围内第一家采用基于云计算和大数据的云安全体系。依托数亿终端为基础的360云安全引擎,能及时地发现最新恶意程序,并且基于亿万安全终端的大数据分析,从而能够成为国内首个拦截发现未知安全威胁。现在,云安全已经被证明代表了行业发展趋势,360多年来的技术积累对于在企业领域安全产品的应用上起到了关键的保障作用。目前360已经建立了完善的企业安全产品体系,有天机、天眼、天擎、网站安全检测、网站卫士等多款产品,能够有针对性的为企业提供更全面灵活的安全解决方案。
天擎被称为中国的Bit9,而天眼被称为中国的FireEye,FireEye和Bit9是美国安全防护体系的重要组成部分。Bit9面向终端防御层面,它的白名单技术在APT防御方面具有出色的能力。FireEye侧重边界防御,它的沙箱技术被认为防御APT的典范。并且,这两家公司的产品并不输出中国。
360提出的立体安全的防御体系,能做到纵深的云加端加边界的一套系统。终端和云端采用天擎和天机两个产品,边界和大数据分析采用的是天眼。纵深防御体系是假设前一道防线没有防住的情况下,后面如何去补救。如果边界防御失效,天眼还可以和天擎进行联动,告知某一个受到APT攻击的终端进行恶意代码的隔离,它的价值是实现终端、云端和边界产品的打通,构成360度的安全防护体系。
在产品、技术能力和整体防御体系上,360已经具备了与国外安全公司齐肩甚至领先的水平,正是看重了360完善的产品能力和趋势性的技术、整体防御能力,工信部、水利部、商务部、国家税务总局、天津工商总局、云南检察厅、中央党校、新华社、中石油、南方航空、广发证券、葛洲坝集团、浙江大学等一百多家政府单位及大企业已经部署了360的安全系统。
此次政府暂停采购国外安全软件,360企业安全业务将迎来前所未有发展机遇。
好文章,需要你的鼓励
谷歌地图将集成Gemini人工智能技术,旨在将其升级为一个"全知型副驾驶"助手。这一整合将大幅提升地图服务的智能化水平,为用户提供更加个性化和全面的导航体验。通过AI技术的加持,谷歌地图有望在路线规划、地点推荐和实时信息服务等方面实现重大突破。
这项由圣母大学和IBM研究院联合开展的研究,开发出了名为DeepEvolve的AI科学助手系统,能够像人类科学家一样进行深度文献研究并将创新想法转化为可执行的算法程序。该系统突破了传统AI要么只能改进算法但缺乏创新、要么只能提出想法但无法实现的局限,在化学、生物学、数学等九个科学领域的测试中都实现了显著的算法性能提升,为AI辅助科学发现开辟了新的道路。
微软研究人员发布新的仿真环境来测试AI智能体,研究显示当前智能体模型容易受到操纵。该名为"Magentic Marketplace"的合成平台让客户智能体与商家智能体进行交互实验。测试包括GPT-4o、GPT-5和Gemini-2.5-Flash等模型,发现智能体在面临过多选择时效率下降,且在协作方面表现不佳。研究揭示了AI智能体在无监督环境下的性能问题。
卡内基梅隆大学研究团队通过3331次大规模实验,系统揭示了代码训练如何提升AI推理能力。研究发现,代码的结构特性比语义内容更重要,适当的抽象形式(如伪代码)可以达到与原始代码相同的效果。不同编程语言产生差异化影响:低抽象语言有利于数学推理,Python更适合自然语言任务。这些发现为AI训练数据的科学化设计提供了重要指导。