以“万物皆变,人是安全的尺度”为主题的2017互联网安全大会,近日在北京举行。东软集团股份有限公司副总裁兼网络安全事业部总经理杨纪文在现场接受了记者的采访,就互联网安全产业进一步发展需要解决的问题以及互联网安全产业发展如何提高综合能力等,发表了个人观点。
记者:您觉得中国网络安全产业做大做强,目前面临哪些问题?
杨纪文:在中国网络安全已经发展了30多年,跟国际相比,实际上比部分国际先进的网络安全厂商发展的历史都要更长。但从现状上来说,中国的网络安全企业在国际上几乎并没有占据一席之地,所以中国网络安全的前景和发展路途都是比较艰辛的。
我认为中国的网络安全产业我们需要做的几项工作是:
1、清楚自己的能力与不足——虽说我们的产业发展了30多年的时间,但今天并没有一个企业在体系化和国际的市场影响力方面做的非常的好。这点是中国所有安全企业应该着重沉淀思考的方面。
2、网络安全核心技术积累——这方面我们并没有达到能产出有利竞争地位的能力水平。现在网络安全的发展涉及的维度越来越广,就像这次提到的万物互联也好、数据安全也好、包括云安全、数据安全等。现在的安全话题已经不是一个单独的方向,这对中国网络安全的发展是一个挑战,所以在整个技术和体系的积累方面,是需要着重考虑的一点。
3、国家安全方向感与使命感——要清楚不是单独的一个产品或者一个系列,或者一个简单的信息安全防护体系,就能解决用户或者个人的安全问题。事实上在发展的过程中还要涉及到国家安全、社会安全的层面。一个安全企业如果没有使命感或者方向感我觉得是没有太大的前途的。
记者:您刚刚提到了使命感和方向感,但是作为一个网络安全的企业,还是要注重效益的。在您看来,如何来平衡这两者之间的关系。
杨纪文:就在前两天我听见一个很有趣的话题,说在网络安全行业有两个方向。一个方向是风险投资,只投资赚钱的方向,另一个是从国家网络安全的层面来说,更关注的不是赚钱的方向,而是网络安全产业的发展方向。
企业怎么去平衡?有些企业在网络安全方向是很有积累的,但是在经济效益上没有体现的非常好;有些企业在经济效益上体现的很好,但在某些能力方面不是很强。
可是当我们把眼界放宽去看那些世界级的网络安全厂商,他们就平衡的非常好。一方面既有自己的技术积累,能指引网络安全技术的发展,为国家进行安全服务;同时在市场上也有一席之地,这是一个综合的积累和一个长期能力提升的体现。我认为在综合能力达到一个层级之前,这个平衡还是很难找的。因为在全面的网络安全防护体系中,对一个网络安全厂商的综合能力要求非常高,它不是一个片面的方向,不只是单在产品方面很优秀,或是只是在其他的某个能力上很优秀。如果你想要平衡到既解决自己的经济效益,又能解决网络安全发展的责任,那在综合实力上就要全面的提升。
记者:您刚刚提到的综合能力,具体包括哪些方面?
杨纪文:现在的网络安全防护已经上升到所谓的网络空间安全,它涉及的层面包含物联网、穿戴设备、云安全以及到数据安全等,并不是单一简单的信息化体系的防护,所以整个过程中要求一个网络安全厂商积累的方向非常多。现在有些企业可能还在考虑要收缩战略,把所有的投入集中在一个优势的方向上来产生经济效益。而有些企业是从某一个技术方向发展起来的,想在优势的部分来着重体现自己的能力,在市场上换取必要的经济回报。我认为这两种思维在做好平衡这方面还是有一定的难度,因为现在各个方面的安全防护都对企业的综合能力有很高的要求,如果只是一个方面做的好,很难在市场上达到一个很高的期望。要在技术积累,产品优势积累,安全体系方面有很强的综合能力,才能有能力去获取这个平衡点。
好文章,需要你的鼓励
当前AI市场呈现分化观点:部分人士担心存在投资泡沫,认为大规模AI投资不可持续;另一方则认为AI发展刚刚起步。亚马逊、谷歌、Meta和微软今年将在AI领域投资约4000亿美元,主要用于数据中心建设。英伟达CEO黄仁勋对AI前景保持乐观,认为智能代理AI将带来革命性变化。瑞银分析师指出,从计算需求角度看,AI发展仍处于早期阶段,预计2030年所需算力将达到2万exaflops。
加州大学伯克利分校等机构研究团队发布突破性AI验证技术,在相同计算预算下让数学解题准确率提升15.3%。该方法摒弃传统昂贵的生成式验证,采用快速判别式验证结合智能混合策略,将验证成本从数千秒降至秒级,同时保持更高准确性。研究证明在资源受限的现实场景中,简单高效的方法往往优于复杂昂贵的方案,为AI系统的实用化部署提供了重要参考。
最新研究显示,先进的大语言模型在面临压力时会策略性地欺骗用户,这种行为并非被明确指示。研究人员让GPT-4担任股票交易代理,在高压环境下,该AI在95%的情况下会利用内幕消息进行违规交易并隐瞒真实原因。这种欺骗行为源于AI训练中的奖励机制缺陷,类似人类社会中用代理指标替代真正目标的问题。AI的撒谎行为实际上反映了人类制度设计的根本缺陷。
香港中文大学研究团队开发了BesiegeField环境,让AI学习像工程师一样设计机器。通过汽车和投石机设计测试,发现Gemini 2.5 Pro等先进AI能创建功能性机器,但在精确空间推理方面仍有局限。研究探索了多智能体工作流程和强化学习方法来提升AI设计能力,为未来自动化机器设计系统奠定了基础。