长期在网络安全领域耕耘的东软网安,这些年一直在探寻与业务结合的最佳契机。去年发起成立了国内首家车联网安全联盟,迄今一年多时间过去了,东软车联网安全项目的推进情况究竟如何,在刚刚结束的东软2017解决方案论坛上,东软汽车电子和车联网安全等成为抢眼话题。
东软集团高级副总裁兼董事会秘书王楠博士告诉媒体记者,东软在智能汽车与互联领域,除国内厂商外,还与众多国际汽车厂商也展开了广泛的合作。作为全球汽车俱乐部老资格的成员单位,东软在汽车电子领域起步很早,目前已在欧洲、美国、日本等国家和地区设立了研发中心,拥有三千多专业工程师团队。近年来,在电池管理控制软件、车辆数据云管理和车载互联领域积累了扎实的技术,自进入这个市场,就快速切入到国际一线。在智能驾驶方面,东软结合V2X技术,已经升级了两代Level 0到Level 2的量产产品,正在做第三代的商用量产产品,达到了Level 3级别,而Level 4、Level 5自动驾驶作为技术储备,已在东软软件园区进行了开放测试,此外,东软还参与了多项相关标准的制定。
“安全与业务的结合是东软一个重要方向”,东软集团网络安全事业部总经理杨纪文介绍说,2015年,东软集团总裁王勇峰亲自发起推进车联网安全项目,从东软汽车电子和安全两部门各抽调一批专业人员组建了车联网安全实验室,专门做安全与业务的融合研究,提出了完整的技术路线,包括“管-端-云”结合的三位一体综合技术方案,因为车规要求非常严格,留下开发装程序的空间只有4k,我们就实实在在地这4k的传输空间实现技术架构、盒子总线到最后的V2X,为此投入了大量的人力财力。相较于国内信息安全领域的其他企业,东软因为具备全球汽车电子领域的综合技术实力和优势地位,赢得了车厂的认可和信赖。我们将汽车电子和安全能够有机结合,因为我们更加了解车规,能够更好地部署安全,更加有效的落地,这些方面是其他厂商很难做到的。
去年东软牵头成立了车联网安全联盟,近来中国银行、金融卡测评中心等也在积极加入。联盟成立推动了车载安全国家标准的立标,东软和电子科技大学等作为起草单位,大概今年就可以出来。东软还参与了联合国世界车辆法规协调论坛(WP.29)等相关国际标准的制定。今后,还将整合芯片在里面,通过软硬件双保险来保证车辆行驶安全,相关标准WP.29正在做。产品方面,除上述所说,还有不少国内外品牌厂商正在和东软洽谈,订单数已达百万,其中单一家订单就有10万。
杨纪文说,车联网安全与“互联网+”概念是最吻合的,车联网安全是一个很大的市场,也是一个重大发展方向,前景非常看好。未来会有更多企业参与进来,形成一个良好的安全生态链。现在是做案例模型,接下来还有标准、测试测评等多维度工作要做。
如今,杨纪文的工作重点就是安全与业务的结合,不仅是与东软自身业务的结合,也包括与其他应用业务的结合。他认为,未来东软卖的所有设备都会装安全软件。在东软,网络安全是最具产品形态的一块业务。如同国内其他安全厂商一样,产品层面的投入太多,亟需真正打通客户需求,而这也正是东软的优势所在。从这个意义上说,东软车联网突破具有特殊的启发意义。
好文章,需要你的鼓励
UniR(Universal Reasoner)是一种创新的推理增强方法,可为冻结的大语言模型提供即插即用的推理能力。由韩国科学技术院研究团队开发,该方法将推理能力分解为独立的轻量级模块,无需改变主模型结构。UniR的核心优势在于高效训练(仅更新小型推理模块)、出色的模型间迁移能力(小模型可指导大模型)以及模块组合能力(多个专用模块可通过logits相加组合使用)。在数学推理和翻译测试中,UniR显著超越现有微调方法,展示了轻量级模块如何有效增强大语言模型的推理能力。
Nebius团队开发了SWE-rebench,一个自动化管道用于从GitHub收集软件工程任务并进行去污染评估。该系统解决了两大挑战:高质量训练数据稀缺和评估基准容易被污染。通过四阶段处理(初步收集、自动安装配置、执行验证和质量评估),SWE-rebench构建了包含超过21,000个Python交互式任务的数据集,并提供持续更新的评估基准。研究发现部分语言模型在传统基准上的表现可能被污染效应夸大,而DeepSeek模型在开源模型中表现最为稳健。
这项研究提出了JQL(发音为"Jackal"),一种通过多语言方法提升大型语言模型预训练数据质量的创新系统。研究团队从拉马尔研究所等机构通过四阶段方法解决了多语言数据筛选的难题:先由人类评估内容教育价值创建基准数据,然后评估大型语言模型作为"评判者"的能力,接着将这些能力提炼到轻量级评估器中,最后应用于大规模数据筛选。实验表明,JQL在35种语言上显著优于现有方法,甚至能泛化到未见过的语言如阿拉伯语和中文,为多语言AI发展提供了高效可靠的数据筛选方案。
浙江大学和西湖大学研究团队开发的Styl3R实现了艺术风格化3D重建的重大突破,能在不到一秒内从少量未标定照片和任意风格图像创建具有多视角一致性的3D艺术场景。通过创新的双分支网络架构将结构建模与外观着色分离,系统不仅保持了原始场景结构,还准确捕捉了参考风格特征。与现有方法相比,Styl3R在处理速度和视觉质量上均显著领先,为创意内容制作开辟了全新可能。