“第九届中国云计算大会”即将于2017年6月14-16日在北京国家会议中心拉开帷幕,大会以“生态构建、深化应用”为主题,承继前八届大会的成功经验,采用全体大会、专题 论坛、展览展示和社交互动平台等形式,邀请海内外权威嘉宾,继续为业界搭建一个云计算大数据技术、产业和应用多领域最具影响力的交流和传播平台。
云计算经过近10年的发展,安全仍然是那个“甩不掉、抛不开”的话题,伴随着云计算、大数据、人工智能的发展,安全的威胁甚至愈演愈烈。近日发生的“WannaCry”勒索蠕虫事件又一次给全世界敲响了警钟,在与风险、威胁对抗的过程中需要产业各个层面的努力。我国6月1日正式实施的《网络安全法》从法律层面保护企业、个人的数据、隐私等各类安全,在第九届中国云计算大会上,《云计算大数据安全论坛》将从各个层面分析、交流云计算与大数据环境下安全问题。
论坛邀请到西安交通大学信息安全法律研究中心主任马民虎解读《中华人民共和国网络安全法》下的企业信息安全,以及微软、Fortinet、途隆云、天翼云、百度、阿里探讨云计算大数据的安全防护与实践。
论坛召开在即,大咖演讲议题不妨先睹为快:
微软亚太研发集团法律事务总经理罗立凡
云计算大数据的安全可信与合规
云计算、大数据与人工智能是第四次工业革命的核心。本次演讲以微软在中国的 Azure 公有云服务为例,介绍可信云计算安全、合规的基本原则和在中国的运营模式,及在今年 6 月 1 号生效的中国网络安全法合规的一些考虑。
Fortinet 中国区云安全解决方案资深顾问胡丹丹
云上立体安全防御
企业将越来越多的应用放在云端,以加速业务的拓展。在当今日益复杂多变的云网络场景下,如何建立有效的生态,保护云业务和网络安全,从多方面防御并有效遏制新形势下的各类网络威胁,让安全威胁不再成为云部署的最大顾虑。Fortinet 就企业所关注的云端安全考虑与部署,提出建设性的安全意见与可行性的解决方案。对大多数的 IT 管理者认为在云端未授权的访问、数据泄漏,以及恶意软件渗透是最为关注的安全问题,给予全方位的回答。
途隆云CEO张晓兵
为了企业安全计算
随着网络的纵深发展,互联网已经泛化成网络空间,而云计算也已经成为 IT 的必然形态,可以预见的是,未来人类的信息文明将会以云计算的形式构筑在整个网络空间里。网络空间一旦爆发战争,攻击将会以秒级到达网络空间的任一角落,给整个人类信息文明带来致命打击。因此,安全应该像基础设施一样, 成为云计算的一部分。途隆云以安全数据中心为基础、以强大的云安全能力为后盾、以安全云计算平台为载体,致力于让安全成为云计算的基础设施,为企业提供网络空间防御和安全计算能力。
中国电信云计算公司信息安全部技术总监杨天路
天翼云安全运营实践
介绍云网一体化安全运营体系如何支撑云平台及资源池基础安全保障,用户产品与服务安全,以及对国际国内云合规性的支持。
百度安全事业部首席架构师武广柱
云时代企业安全防护实践
百度作为中国最大的互联网公司之一,业务体系庞大,产品线复杂度高,一直以来是黑客攻击的重点目标。本议题将分享云时代的百度在与黑产的攻防对抗中所积累的实践经验。
阿里集团数据安全部数据安全高级专家潘亮
云时代企业安全防护实践
大数据时代,数据的流动促成了分享经济和新的商业模式。大数据安全成了新商业模式的重要一环,最重要的是大数据环境下的数据安全。阿里巴巴以数据为中心的安全管理为抓手,聚焦于数据本身安全的同时,聚焦产业上下游间数据流通、共享带来的安全挑战。
好文章,需要你的鼓励
新加坡人工智能机构与阿里云发布全新大语言模型Qwen-Sea-Lion-v4,专门针对东南亚语言和文化特色进行优化。该模型结合阿里云Qwen3-32B基础模型和大量东南亚地区数据集,在东南亚语言模型评估榜单中位居开源模型首位。模型支持119种语言,能在32GB内存的消费级笔记本上运行,采用字节对编码技术更好处理非拉丁文字,并具备3.2万词元上下文长度,可执行文档级推理和摘要任务。
中科大联合快手等机构推出VR-Thinker技术,首次实现AI视频评判员的"边看边想"能力。该系统通过主动选择关键画面、智能记忆管理和三阶段训练,在视频质量评估准确率上达到75%-82%,特别擅长处理长视频场景,为AI视频生成的质量控制提供了突破性解决方案。
AI智能体是下一代业务自动化工具,不仅能对话交流,还能执行复杂任务。与ChatGPT聊天机器人不同,它们可在最少人工干预下规划并完成工作。文章介绍了五个高影响力应用:自动化客户服务解决方案、销售CRM管理、合规自动化、招聘筛选与排程、市场情报报告。这些应用都具有重复性工作流程、依赖结构化数据、遵循可预测规则等特点,能够释放员工宝贵时间用于更有价值的工作。
微软研究院发布BitDistill技术,通过三阶段优化将大型语言模型压缩至1.58位精度,在保持性能的同时实现10倍内存节省和2.65倍速度提升。该技术包括模型结构稳定化、持续预训练适应和知识蒸馏传承三个关键步骤,解决了模型量化中的性能衰减和规模化问题,为AI模型在资源受限设备上的高效部署提供了新方案。