思博伦通信在其旗舰安全测试解决方案-CyberFlood中新增了业界第一种服务器-响应模糊攻击能力,从而使思博伦在安全与性能测试领域的领先优势进一步扩大。CyberFlood的服务器-响应模糊攻击功能是安全与性能测试领域的一项重大突破,利用单个测试解决方案即可测试安全设备应对互联网上某台服务器向某客户端设备发送的畸形流量的能力,包括防火墙、入侵阻止系统(IPS)、加密Web网关等。在实现这一目标的过程中,无需耗费大量的时间、精力和资金去构建复杂的测试环境,用户能够以前所未有的速度迅速建立并运行测试,并且得到更好的结果。
思博伦通信产品与安全威胁研究总监David DeSanto表示:“我们去年发布了支持SmartMutation™的CyberFlood,它是第一种真正的智能驱动式模糊攻击策略,为安全测试树立了新的基准,使我们的测试能够比业界的其它解决方案都更加深入、广泛,并且跨越更多的代码路径。在进行设备测试时,今天的其它模糊攻击解决方案只能为用户提供针对客户端网络协议定义进行模糊攻击的能力。”
他还指出:“利用CyberFlood的独特技术,用户可以网络协议的服务器定义进行模糊处理,确认某设备能够应对互联网上某台服务器向客户端设备发出的畸形响应,而这正是今天的黑客所使用的最常见的攻击向量。这为企业、服务商和设备制造商提供了一种测试安全设备的快速、简便的方法,而且无需建立测试环境,更不会在测试期间出现误警。”
在增强CyberFlood易用性的同时,最新的CyberFlood更新还包含了多种全新的特性:
· 全新的纯攻击和纯客户端DDoS攻击模式,为DDoS攻击仿真提供了更高的灵活性,并且只需点击几次鼠标便可使客户从CyberFlood的登录屏幕快速进入一次大规模的DDoS攻击仿真。
· 全新的网络弹性测试,涵盖了全系列的RFC 2544验证,包括测量最大吞吐量、时延、抖动和突发能力。
· 测试可以按具体侧重目标进行分组管理,例如即将发布的软件版本或企业产品评测,从而使团队内部的协作能力得到增强。
· 更多的模糊攻击协议使CyberFlood能够测试整个2层至7层栈的各类设备,并且可以涵盖多个行业垂直门类,包括工业控制、健康医疗、金融、物联网和汽车等。
CyberFlood一直在为恶意软件测试树立新的标准,并且为业界提供了惟一的一种近当日恶意软件产品,使企业能够找出其所面临威胁中的漏洞,服务商则可以利用它来验证其SLA,而设备制造商则可以确认并扩展其特征和启发探测功能。
安全威胁管理领域的领导者-Wedge Networks公司首席执行官James Hamilton说:“WedgeAMB为我们的客户提供了毫无妥协的恶意软件阻止能力,利用IPS的在线实时阻止速度,实现了沙箱的威胁探测精度。CyberFlood能够利用单个解决方案的最新、最独特的恶意软件测试提供全面的性能和精度测试能力,使我们可以连续不断地评测、演示和改进我们的解决方案。”
思博伦在RSA2017
2017年2月13日至17日,思博伦通信将在旧金山Moscone中心举办的RSA大会的南厅S2015展台公开展示CyberFlood v17.1.0。思博伦还将在该展台演示CyberFlood的服务器-响应模糊攻击和先进的恶意软件测试能力。
同时在该展会上,思博伦定位安全技术专家Guy Buesnel还将组织一个教学分会场,向与会者介绍全球导航卫星系统(GNSS)所面临人为威胁的演化情况。该分会场将于2月17日上午9时在Moscone西厅举行,重点介绍人为GNSS威胁的演化,并且为您呈现探测器设备网络所发现的使用人为干扰机的最新证据。
好文章,需要你的鼓励
这项由加州大学圣地亚哥分校和微软研究院合作开发的REAL框架,通过程序分析反馈训练大型语言模型生成高质量代码。与传统方法不同,REAL采用强化学习将代码安全性和可维护性作为奖励信号,不依赖人工标注或特定规则。研究在多个数据集上的实验表明,REAL在保证功能正确性的同时显著提高了代码质量,有效解决了"即兴编程"中的安全漏洞和维护性问题,为AI辅助编程提供了新的范式。
加州大学伯克利分校与Meta FAIR研究团队开发了"Self-Challenging"框架,让大语言模型通过自己创建和解决任务来提升能力。该方法引入创新的"Code-as-Task"格式,包含指令、验证函数、示例解决方案和失败案例,确保生成的任务既可行又有挑战性。在工具计算、网页浏览、零售服务和航班预订四种环境测试中,仅使用自生成训练数据,Llama-3.1-8B模型性能提升了两倍多,证明AI可以通过自我挑战实现有效学习,减少对人类标注的依赖。
南洋理工大学与SenseTime Research合作提出了PoseFuse3D-KI,一种创新的人体中心关键帧插值框架。该方法将3D人体模型信息融入扩散过程,解决了现有技术在处理复杂人体动作时产生扭曲结果的问题。研究团队开发了专门的SMPL-X编码器直接从3D空间提取几何信息,并设计了融合网络将3D线索与2D姿态无缝整合。他们还构建了CHKI-Video数据集,包含2,614个视频片段及完整的人体标注。实验结果显示,PoseFuse3D-KI在PSNR上提升9%,LPIPS减少38%,显著超越现有方法。
这项研究提出了LongGuide算法,解决了大型语言模型在长文本生成任务中的局限性。研究团队发现,仅依靠上下文学习无法使模型充分掌握文本的语言和格式特性。LongGuide通过自动生成两种指导原则:度量指导原则和输出约束指导原则,显著提升了模型性能。在七种长文本生成任务中,该方法使开源和闭源模型的ROUGE-L评分平均提高约6%。LongGuide具有通用性强、易于学习、成本效益高等优点,为提升AI长文本生成能力提供了新方向。