8月11日,山石网科新品用户体验大会在西安成功举办,会上隆重推出了全新的产品线——数据安全产品线。山石网科数据安全产品线由数据泄露防护系统和数据库审计与防护系统组成,高效应对数据风险,实时监控、识别、阻断外部与内部的威胁。该产品线的推出将山石网科与用户更紧密地连接到一起,将山石网科“层层防御”的安全防护理念呈现得更丰富、更极致。
山石网科数据泄露防护系统是以内容识别和行为分析为中心的防护方案,通过采用机器学习的人工智能技术,对企业关键的文档数据实现自动化的数据梳理与管理,提供高准确率的数据分类分级、快速的规则与策略部署、事件与用户行为分析能力,有效帮助企业建立数据安全管理机制,灵活应对潜在风险。该方案通过网络和终端,对邮件、网盘、FTP、聊天软件、USB、打印、截图等数据泄露途径进行实时防护,帮助用户高效率的应对实时、动态的数据风险。
山石网科数据库审计与防护系统采用多核多线程并行处理、精准协议解析、海量日志存储与检索等多项高水准技术,通过对访问数据库的行为、内容等进行采集、存储、分析,实现完全独立于数据库的审计功能,并生成合规报告,有效提升数据库资产安全保障系数。山石网科数据库审计与防护系统具备了国内最强性能、最多数据库支持、数据库协议解析最精确等优势,同时可以灵活支持数据库审计与数据库防火墙双重功能,实时监控、识别、阻断外部与内部的威胁,守护用户数据库安全。
好文章,需要你的鼓励
清华大学团队突破性开发"零样本量化"技术,让AI模型在不接触真实数据的情况下完成高效压缩,性能反超传统方法1.7%,为隐私保护时代的AI部署开辟新路径。
普林斯顿大学研究团队开发出"LLM经济学家"框架,首次让AI学会为虚拟社会制定税收政策。系统包含基于真实人口数据的工人AI和规划者AI两层,通过自然语言交互找到最优经济政策,甚至能模拟民主投票。实验显示AI制定的税收方案接近理论最优解,为AI参与社会治理提供了新路径。
K Prize是由Databricks和Perplexity联合创始人推出的AI编程挑战赛,首轮比赛结果显示,获胜者巴西工程师Eduardo Rocha de Andrade仅答对7.5%的题目就获得5万美元奖金。该测试基于GitHub真实问题,采用定时提交系统防止针对性训练,与SWE-Bench 75%的最高得分形成鲜明对比。创始人承诺向首个在该测试中得分超过90%的开源模型提供100万美元奖励。
南开大学研究团队提出了一种新的3D高斯泼溅重光照方法,通过在高斯原语上直接编码离散化SDF值,避免了传统方法需要额外SDF网络的问题。该方法设计了投影一致性损失来约束离散SDF样本,并采用球形初始化避免局部最优。实验表明,新方法在保持高质量重光照效果的同时,仅需现有方法20%的显存,显著提升了训练和渲染效率。