下一代安全企业Palo Alto Networks近日宣布推出全新云日志服务,帮助客户通过Palo Alto Networks下一代安全平台将海量自有数据积累起来。这一全新服务专为机器学习和高级分析应用设计,旨在关联潜在威胁,有效防御网络攻击。
网络安全产品正在产生大量宝贵的日志数据,这些数据可令那些隐藏的威胁原形毕露。但是,传统的硬件日志收集方法受到管理费用和扩展限制的制约,使得有用数据变得臃肿且难以使用。若要使用这些跨安全应用的存储日志,就需要进行复杂的集成工作,然而由此导致执行跨产品流程和生成关联信息的难度。
当今企业必须具备存储、处理和分析海量数据的能力,从而获取对整个基础设施的完全可视性,并将数据转化为有价值的情报。
借助Palo Alto Networks提供的日志服务,企业不再受限于硬件容量的限制,从而满足业务需求。该日志服务在不增加运营成本的前提下提供集成化、可扩展的日志基础设施,允许客户不受本地计算和存储限制进行日志数据的采集。这一云服务提高了日志数据采集的经济性,显著降低了采集和存储海量数据的成本。
此外,即将推出的新版Palo Alto Networks 应用框架,可帮助客户快速部署并使用诸多创新型云安全应用。该框架允许客户通过日志服务集中访问并使用自有宝贵日志数据。这一全新功能助力客户无需增加基础设施便可实现对Palo Alto Networks下一代安全平台的功能扩展。
引言
——ZK Research创始人兼首席分析师 Zeus Kerravala
——Palo Alto Networks首席产品官 Lee Klarich
Palo Alto Networks 日志服务的主要优势:
上市时间
日志服务现已面向Palo Alto Networks客户全面推出。
好文章,需要你的鼓励
Liquid AI发布了新一代视觉语言基础模型LFM2-VL,专为智能手机、笔记本电脑和嵌入式系统等设备高效部署而设计。该模型基于独特的LIV系统架构,GPU推理速度比同类模型快2倍,同时保持竞争性能。提供450M和1.6B两个版本,支持512×512原生分辨率图像处理,采用模块化架构结合语言模型和视觉编码器。模型已在Hugging Face平台开源发布。
AIM Intelligence联合多所知名大学揭示了音频AI系统的重大安全漏洞,开发出名为WhisperInject的攻击方法。这种攻击能让看似无害的音频指令操控AI生成危险内容,成功率超过86%,完全绕过现有安全机制。研究暴露了多模态AI系统的系统性安全风险,对全球数十亿智能设备构成潜在威胁。
阿里团队推出首个AI物理推理综合测试平台DeepPHY,通过六个物理环境全面评估视觉语言模型的物理推理能力。研究发现即使最先进的AI模型在物理预测和控制方面仍远落后于人类,揭示了描述性知识与程序性控制间的根本脱节,为AI技术发展指明了重要方向。
新加坡国立大学研究团队系统梳理了视觉强化学习领域的最新进展,涵盖超过200项代表性工作。研究将该领域归纳为四大方向:多模态大语言模型、视觉生成、统一模型框架和视觉-语言-动作模型,分析了从RLHF到可验证奖励范式的政策优化策略演进,并识别出样本效率、泛化能力和安全部署等关键挑战,为这一快速发展的交叉学科提供了完整的技术地图。