全球权威的信息化咨询研究机构Gartner于今年7月20日发布《全球安全威胁情报产品及服务市场指南》(Market Guide for Security Threat Intelligence Products and Services),对威胁情报这一热门市场进行了梳理与研究,并甄选了全球范围内优秀的威胁情报产品与服务。微步在线(ThreatBook)作为唯一一家中国公司入选本次市场报告,打破了威胁情报市场此前一直由西方企业统治的局面。
值得一提的是,从成立到入选Gartner报告,微步在线仅用了2年时间(2015年7月-2017年7月),更是创造了国内和全球安全公司的新纪录。
Gartner一直以来密切关注着新兴和持续产生价值的技术方向。本次市场报告中,Gartner表示,2016和2017年政府和商业市场的威胁情报需求稳定增长。同时Gartner预测,2017年只有不到1%的大型企业在自身的安全架构中引入了威胁情报,而到2020年这个数字将增长到15%。这意味着未来三年内威胁情报市场将迅猛增长,在这个时间节点之前做好市场准备的公司,将迎来一波高速发展的机遇。
入选本次市场报告的威胁情报代表性公司(Representative Vendor)中,既有卡巴斯基、赛门铁克、FireEye、IBM等行业巨擘,也有像Crowdstrike和微步在线(ThreatBook)这样专注威胁情报领域的新兴创业公司。微步在线自成立以来,在XCodeGhost、DarkHotel、WannaCry等多起国际性安全事件中频频展露亮眼的技术实力,在国际着名安全峰会RSA大会期间,入选国际十大威胁情报公司。公司成立仅两年,已为银行、证券、能源、互联网、电力等多个行业的数十家公司提供威胁情报服务,其威胁情报平台(私有化部署),威胁情报管理平台(私有化部署)、威胁情报API等多种服务已成为大型企业用户的首选。
微步在线的创始人、CEO薛锋表示,入选Gartner市场指南充分体现了国际权威机构和主流市场对于微步在线的认可。微步在线作为国内第一家、也是唯一一家入选《全球威胁情报市场指南》的威胁情报公司,感到十分荣幸。此次入选,标志着微步已成为全球范围威胁情报领域的中坚力量,同时微步在线也期待着国内信息安全市场有更多的声音发出,有更多的创新型公司站出来,让中国的信息安全力量更加壮大
关于Gartner市场指南(Market Guide)?
通常对于较为成熟的市场,Gartner会发布魔力象限(Magic Quadrants),比较该领域厂商的技术和产品实力,以及竞争格局。而对于较为创新的新兴市场,Gartner会推出市场指南(Market Guide),帮助客户和投资者理解该领域当前的状况,并通过列出该领域代表性厂商和关键能力来解答诸如“该领域的厂商应该具备何种关键能力?”、“如何决定采购哪个厂商的服务?”等问题。Gartner市场指南一直是企业采购的重要参考和依据。
Reference:
Market Guide for Security Threat Intelligence Products and Services
Published: 20 July 2017 ID: G00314647
Analyst(s): Craig Lawson | Khushbu Pratap
https://www.gartner.com/document/3765965?ref=solrAll&refval=187889311&qid=cf1c96ebcad8c00d002207ca55e7bbb8
好文章,需要你的鼓励
OpenAI首席执行官Sam Altman表示,鉴于投资者的AI炒作和大量资本支出,我们目前正处于AI泡沫中。他承认投资者对AI过度兴奋,但仍认为AI是长期以来最重要的技术。ChatGPT目前拥有7亿周活跃用户,是全球第五大网站。由于服务器容量不足,OpenAI无法发布已开发的更好模型,计划在不久的将来投资万亿美元建设数据中心。
阿里巴巴团队提出FantasyTalking2,通过创新的多专家协作框架TLPO解决音频驱动人像动画中动作自然度、唇同步和视觉质量的优化冲突问题。该方法构建智能评委Talking-Critic和41万样本数据集,训练三个专业模块分别优化不同维度,再通过时间步-层级自适应融合实现协调。实验显示全面超越现有技术,用户评价提升超12%。
英伟达推出新的小型语言模型Nemotron-Nano-9B-v2,拥有90亿参数,在同类基准测试中表现最佳。该模型采用Mamba-Transformer混合架构,支持多语言处理和代码生成,可在单个A10 GPU上运行。独特的可切换推理功能允许用户通过控制令牌开启或关闭AI推理过程,并可管理推理预算以平衡准确性和延迟。模型基于合成数据集训练,采用企业友好的开源许可协议,支持商业化使用。
UC Berkeley团队提出XQUANT技术,通过存储输入激活X而非传统KV缓存来突破AI推理的内存瓶颈。该方法能将内存使用量减少至1/7.7,升级版XQUANT-CL更可实现12.5倍节省,同时几乎不影响模型性能。研究针对现代AI模型特点进行优化,为在有限硬件资源下运行更强大AI模型提供了新思路。