F5 Networks(NASDAQ:FFIV) 今天宣布,F5公司在 Gartner 公司于 2017 年 8 月 7 日公布的“Web 应用防火墙 (WAF) 魔力象限”中被列入“领导者”象限。
F5 执行副总裁兼首席营销官 Ben Gibson 表示:“我们的应用安全管理器,即 WAF,一直是 F5 最受欢迎的产品之一。许多客户都依靠它来保护应用免遭各种威胁以及防范漏洞。为了满足客户的云需求,我们最近对产品进行了扩展,以全新方式提供相同的可信安全性,例如通过Silverline WAF提供托管服务;通过Silverline WAF Express提供灵活的、易于部署的自助服务门户;最近在Microsoft Azure等公共云市场中提供点击即部署服务。我们认为我们在魔力象限中的地位反映了客户在保护本地应用和越来越多的云中应用时对 F5 WAF 解决方案的信任。”
在描述这一市场时,Gartner 称 WAF“应客户需求而生,可保护本地(内部)或远程(托管、基于云或作为服务)部署的公共和内部 Web 应用。WAF 能够保护 Web 应用和 API 免遭广泛攻击,特别是注入式攻击和应用层拒绝服务 (DoS) 攻击。它们不仅提供基于签名的保护,还可支持主动安全模型和/或异常检测。”1
点击下方链接,获取完整的“2017 年 Web 应用防火墙魔力象限”报告:
https://interact.f5.com/F5_GartnerMQ2017_WAF.html
1Gartner 公司“Web 应用防火墙魔力象限”,Jeremy D’Hoinne、Adam Hils、Claudio Neiva,2017 年 8 月 7 日
好文章,需要你的鼓励
ETH Zürich等机构研究人员提出TrustVLM框架,解决视觉-语言模型预测可信度问题。该方法利用模型中存在的"模态差距",创新性地结合图像到文本和图像到图像的相似度,实现无需重新训练即可大幅提升误分类检测性能。在17个数据集的严格测试中,TrustVLM相比现有方法在关键指标上提升显著,同时改善了零样本分类准确率。此成果为AI系统在自动驾驶、医疗等安全关键领域的可靠部署提供了重要保障。
这项研究提出了个性化安全概念,解决大语言模型对不同用户采用统一安全标准的问题。研究团队创建了PENGUIN基准测试集评估模型在处理高风险场景时的个性化安全能力,并开发了RAISE框架高效获取关键用户信息。实验表明,提供用户背景可使安全分数提高43.2%,而RAISE框架通过平均仅2.7次交互即可提高安全分数31.6%。这一创新方法将AI安全从"一刀切"转向"个性定制",为高风险领域的AI应用提供了新思路。
明尼苏达大学研究团队提出了一种创新方法,通过回合级信誉分配显著提升大语言模型(LLM)智能体的多回合推理能力。传统方法只对整个过程进行评价,而他们的MT-GRPO算法能够精确评估每个决策步骤的价值,就像为每一步提供具体反馈。在维基百科搜索工具使用场景中,该方法实现了100%的工具执行成功率和50%的答案精确匹配率,远超传统方法。这一突破不仅提高了AI在多步骤任务中的表现,也为开发更复杂的AI系统提供了重要思路。
这篇研究介绍了PISCES——一种能精确从大语言模型参数中移除特定概念知识的创新技术。与现有方法不同,PISCES通过解缠器模型识别概念相关特征,直接编辑模型参数,实现了更精准的知识移除。在Gemma和Llama模型上的测试表明,该方法不仅有效降低了目标概念的准确率(低至7.7%),还保持了模型在无关领域的高性能,并显著提高了对"重新学习"的抵抗力。这一突破为AI系统的安全部署和合规使用提供了新的可能性。