专注于安全的解决方案提供商Check Point以色列捷邦安全软件科技有限公司近日推出全新在线平台Check Point Research,面向更大的社区提供网络威胁情报信息。Check Point Research平台可以向威胁情报社区通报Check Point的原创研究、网络安全领域的最新趋势以及当前威胁形势的相关详情。
在推出全新在线研究平台的同时,Check Point还发布了《Check Point网络攻击趋势:年中报告》。报告基于Check Point ThreatCloud世界网络威胁地图2017年1月到6月之间的威胁情报数据,全面介绍了勒索软件、银行和移动等主要威胁类别的恶意软件现状。
令人震惊的是,研究发现,2017年上半年,有23.5%的组织受到RoughTed恶意广告攻击的影响,还有19.7%的组织受到Fireball恶意软件的影响。此外,与去年同期相比,美洲以及欧洲、中东和非洲(EMEA)地区的勒索软件攻击几乎翻了一倍。
报告重点指出了该时间段内的一些关键趋势:
Check Point威胁情报小组经理Maya Horowitz表示:“组织都在力争有效抵御现在所面临的大量威胁。黑客使恶意软件变得更加先进,这大大增加了非技术型黑客造成损害的能力。各种网络威胁盛行,但许多组织仍然没有采取正确的安全防范措施,只重视检测方法,而不去实施能够提前阻止攻击的主动预防解决方案。”
Check Point研究团队通过收集和分析Check Point Threat Cloud中存储的全球网络攻击数据,力求将黑客拒之门外。Check Point Research发布的资料,如《网络攻击趋势报告》,可以推动围绕新的网络威胁、趋势以及其他威胁安全相关见解的对话。Check Point Research旨在成为组织的强大资源,帮助组织更好地了解威胁形势并保护自身免受网络威胁。
好文章,需要你的鼓励
DeepResearchGym是一个创新的开源评估框架,专为深度研究系统设计,旨在解决当前依赖商业搜索API带来的透明度和可重复性挑战。该系统由卡内基梅隆大学研究团队开发,结合了基于ClueWeb22和FineWeb大型网络语料库的可重复搜索API与严格的评估协议。实验表明,使用DeepResearchGym的系统性能与使用商业API相当,且在评估指标间保持一致性。人类评估进一步证实了自动评估协议与人类偏好的一致性,验证了该框架评估深度研究系统的有效性。
这项研究介绍了FinTagging,首个面向大型语言模型的全面财务信息提取与结构化基准测试。不同于传统方法,它将XBRL标记分解为数值识别和概念链接两个子任务,能同时处理文本和表格数据。在零样本测试中,DeepSeek-V3和GPT-4o表现最佳,但在细粒度概念对齐方面仍面临挑战,揭示了当前大语言模型在自动化XBRL标记领域的局限性,为金融AI发展提供了新方向。
这项研究介绍了SweEval,一个新型基准测试,用于评估大型语言模型在企业环境中处理脏话的能力。研究团队从Oracle AI等多家机构的专家创建了一个包含八种语言的测试集,模拟不同语调和上下文的真实场景。实验结果显示,LLM在英语中较少使用脏话,但在印地语等低资源语言中更易受影响。研究还发现较大模型通常表现更好,且多语言模型如Llama系列在处理不当提示方面优于其他模型。这项工作对企业采用AI技术时的安全考量提供了重要参考。
这项研究提出了"VeriFree"——一种不需要验证器的方法,可以增强大型语言模型(LLM)的通用推理能力。传统方法如DeepSeek-R1-Zero需要验证答案正确性,限制了其在数学和编程以外领域的应用。VeriFree巧妙地计算正确答案在模型生成的推理过程后出现的概率,作为评估和训练信号。实验表明,这种方法不仅能匹配甚至超越基于验证器的方法,还大幅降低了计算资源需求,同时消除了"奖励黑客"问题。这一突破将有助于开发出在化学、医疗、法律等广泛领域具有更强推理能力的AI系统。