至顶网安全频道 01月09日 综合消息: 云融合的安全与数据保护解决方案提供商梭子鱼网络(NYSE: CUDA)于美国加州时间1月3日宣布收购领先的基于SaaS的社交工程仿真和培训平台 - PhishLine, LLC。PhishLine平台结合梭子鱼的AI驱动可防御网络钓鱼和鱼叉式网络钓鱼,可为客户提供针对电子邮件和社交工程的定向攻击的综合防护。
电子邮件仍然是最常用的威胁载体,需要安全技术和人工的双重防护。PhishLine 提供数据分析和报告,帮助客户在人工和流程的宏观与微观层面评估风险。通过此次交易,梭子鱼结合了网关安全、数据保护、基于 AI的定向威胁防护以及用户安全意识培训,为邮件威胁提供全面的综合性保护。
“安全意识培训是一个重要且发展迅速的领域,特别是越来越多具有针对性的攻击让人为因素成为了安全价值链的关键一环。”梭子鱼总裁兼首席执行官 BJ Jenkins说道:“PhishLine 拥有开发创新的邮件保护解决方案的文化,包括社交引擎和数据分析产品。梭子鱼强大的安全技术加上 PhishLine 的能力,可以帮助我们提供合适的综合安全培训,防御邮件安全威胁。”
“有效的安全战略需要使用网络的员工和用于防护的安全技术之间的协同效应。”PhishLine 总裁兼首席执行官Mark T. Chapman 说道:“梭子鱼在定向攻击创新、AI、归档和数据保护方面很好地补充了 PhishLine 的解决方案。我们的优势相结合,提供了综合的数据驱动的方法,可帮助客户更加智能地对抗和消除威胁、降低风险,从而更加安心地投入到日常工作中。”
随着邮件威胁的针对性越来越强,要成功保护作为潜在攻击目标的员工、应用和数据,就必须采用多层次的方法。凭借此次收购,梭子鱼针对邮件定向攻击和社交工程,提供了一个广泛的解决方案,包括:
· 全面的邮件防护——梭子鱼为用户提供针对电子邮件威胁的综合防护,包括电子邮件安全、数据恢复和保障业务连续性。
· 人员、品牌和业务防护——梭子鱼丰富的安全系列产品和整合了PhishLine 数据洞察和培训能力的AI平台,能够强而有力地保护用户的技术资产、人员、品牌和业务。
· 持续保持在邮件安全创新方面的领导地位——梭子鱼是首个采用先进 AI应对鱼叉式网络钓鱼和网络欺诈的邮件安全企业。PhishLine 能够帮助客户进一步改善和提升邮件安全的流程化、准确性以及有效性。
· 保护所有规模的客户——梭子鱼的解决方案功能全面又精致简约,能保护所有规模的企业。
PhishLine 凭借其前瞻性和执行力在Gartner的《基于计算机的安全意识培训的魔力象限》1中受到了肯定。PhishLine 的 SaaS平台拥有三个已发布和八个申请中的专利,包括对电子邮件、短信、声讯和 USB/移动设备的多变量攻击仿真;一流的数据采集、分析和报告以及员工绩效的持续复杂分析。
1- Gartner, “Magic Quadrant for Security Awareness Computer-Based Training,” Joanna G. Huisman, 26 October 2017.
Gartner does not endorse any vendor, product or service depicted in its research publications, and does not advise technology users to select only those vendors with the highest ratings or other designation. Gartner research publications consist of the opinions of Gartner's research organization and should not be construed as statements of fact. Gartner disclaims all warranties, expressed or implied, with respect to this research, including any warranties of merchantability or fitness for a particular purpose.
好文章,需要你的鼓励
这项研究提出了ORV(占用中心机器人视频生成)框架,利用4D语义占用作为中间表示来生成高质量的机器人操作视频。与传统方法相比,ORV能提供更精确的语义和几何指导,实现更高的时间一致性和控制精度。该框架还支持多视角视频生成(ORV-MV)和模拟到真实的转换(ORV-S2R),有效弥合了虚拟与现实之间的差距。实验结果表明,ORV在多个数据集上的表现始终优于现有方法,为机器人学习和模拟提供了强大工具。
这项研究由Writer公司团队开发的"反思、重试、奖励"机制,通过强化学习教导大型语言模型生成更有效的自我反思内容。当模型回答错误时,它会生成反思并二次尝试,若成功则奖励反思过程。实验表明,该方法在函数调用和数学方程解题上带来显著提升,最高分别改善18.1%和34.7%。令人惊讶的是,经训练的小模型甚至超越了同家族10倍大的模型,且几乎不存在灾难性遗忘问题。这种自我改进技术为资源受限环境下的AI应用开辟了新方向。
FuseLIP是一项突破性研究,提出了通过早期融合离散标记实现多模态嵌入的新方法。与传统CLIP模型使用独立编码器不同,FuseLIP采用单一编码器同时处理图像和文本标记,实现了更自然的模态交互。研究证明,这种早期融合方法在多种多模态任务上表现优异,特别是在需要理解图像结构而非仅语义内容的任务上。研究还开发了创新的数据集和评估任务,为多模态嵌入研究提供了宝贵资源。
ByteDance与浙江大学合作开发的MERIT是首个专为多语言多条件语义检索设计的基准数据集,包含320,000条跨5种语言的查询和135,000个产品。研究发现现有模型在处理多条件查询时过度关注全局语义而忽略特定条件元素,为此提出CORAL框架,通过嵌入重建和对比学习相结合的方式,使检索性能提升45.9%。这项研究不仅识别了现有方法的关键局限性,还为多条件交错语义检索领域的未来研究奠定了基础。