至顶网安全频道 01月31日 综合消息: 日前,以“聚·创未来”为主题的2018用友生态伙伴大会上,360企业安全作为企业安全领导厂商参与大会。360企业安全产品经理刘存应邀发表“基于全生命周期的移动应用安全实践”的演讲。
针对日益严重的移动应用安全问题,360企业安全宣布携手用友云,在6月底前向合作伙伴免费提供360移动应用安全开发套件。 目前360移动应用安全开发套件已经集成在用友Moli下一代泛终端智能应用一体化解决方案中。
据悉,用友Moli下一代泛终端智能应用一体化解决方案旨在支撑下一代智能应用,是涵盖跨泛设备(包括手机、PC、Pad、手持设备、智能电视、以及其它智能终端)的开发、运行支撑、智能化、IoT安全接入、用户行为分析、运维运营、通信、管理监控等能力的基于新技术、新架构、新模式的技术平台。
目前数字化转型大潮席卷各个行业,云化和移动化成为政企应用的趋势。 据统计,目前的移动入网终端数量高达65亿部。大量丰富的移动应用在提升效率和便利的同时,隐藏着巨大的安全风险。根据360移动应用安全检测产品的统计,在其检测的279760个的应用中,发现了高达5209410个安全风险,平均每个移动应用有18个安全问题。
据360企业安全专家分析,目前移动应用开发和黑色产业之间存在严重的不对等。由于大多数移动应用开发者缺乏应用安全攻防经验以及相应攻防工具,投入到应用安全攻防中的精力和时间非常有限。黑色产业则具有专业的应用攻防能力和各种先进工具手段,以及100%的精力投入和完整的产业结构和分工。因此导致大部分移动应用存在或多或少的安全漏洞。
《网络安全法》实施,国家对移动应用安全合规日渐重视,企业面临保护敏感数据和盗版仿冒防护的压力,因此对移动应用的安全提出了更高要求。综合来说, 移动应用安全面临三大核心需求:业务性安全需求、防护性安全需求和合规性安全需求。
针对移动应用中的安全问题, 为了从源头帮助开发者提升应用安全水平,360基于多年防护应用安全的专业技术积累,打造出业内领先的面向开发的移动应用安全解决方案——360移动应用安全开发套件。
360移动应用安全开发套件具备安全SDK、安全检测、安全加固等三大核心功能模块,分别提供清场反病毒、ROOT检测、数据加密,以及开发漏洞扫描、组件漏洞扫描,应用完整性保护、内存截取防护、内存扫描篡改防护等服务,可以有效保障移动应用安全。
360移动应用安全开发套件具备三大功能模块
据悉,目前360移动应用安全开发套件已经在银行、政府机构和运营商等机构得到广泛应用。
在2018 用友生态伙伴大会,超过1000位的用友生态伙伴及业界专家、分析师和媒体朋友与会,共同成就企业服务产业共享平台的大生态,服务企业数字化转型。360企业安全副总裁张聪表示,在数字化转型过程中,生态丰富程度成为服务商核心竞争力的体现,360将努力为政企数字化转型提供全面的安全保障。
作为专注于为政府和企业提供新一代网络安全产品和服务的综合型集团公司,360企业安全集团以“保护大数据时代的安全”为使命,以“数据驱动安全”为技术思想,创新推出了新一代协同防御体系,为超百万家企业级客户提供全面有效的安全保护,并赢得了客户的一致好评。
好文章,需要你的鼓励
韩国科学技术院研究团队提出"分叉-合并解码"方法,无需额外训练即可改善音视频大语言模型的多模态理解能力。通过先独立处理音频和视频(分叉阶段),再融合结果(合并阶段),该方法有效缓解了模型过度依赖单一模态的问题,在AVQA、MUSIC-AVQA和AVHBench三个基准测试中均取得显著性能提升,特别是在需要平衡音视频理解的任务上表现突出。
这项研究利用大语言模型解决科学新颖性检测难题,南洋理工大学团队创新性地构建了闭合领域数据集并提出知识蒸馏框架,训练轻量级检索器捕捉想法层面相似性而非表面文本相似性。实验表明,该方法在市场营销和NLP领域显著优于现有技术,为加速科学创新提供了有力工具。
un?CLIP是一项创新研究,通过巧妙反转unCLIP生成模型来增强CLIP的视觉细节捕捉能力。中国科学院研究团队发现,虽然CLIP在全局图像理解方面表现出色,但在捕捉细节时存在不足。他们的方法利用unCLIP生成模型的视觉细节表示能力,同时保持与CLIP原始文本编码器的语义对齐。实验结果表明,un?CLIP在MMVP-VLM基准、开放词汇语义分割和视觉中心的多模态任务上显著优于原始CLIP和现有改进方法,为视觉-语言模型的发展提供了新思路。
这项研究介绍了RPEval,一个专为评估大语言模型角色扮演能力而设计的新基准。研究团队从法国里尔大学开发的这一工具专注于四个关键维度:情感理解、决策制定、道德对齐和角色一致性,通过单轮交互实现全自动评估。研究结果显示Gemini-1.5-Pro在总体表现上领先,而GPT-4o虽在决策方面表现出色,但在角色一致性上存在明显不足。这一基准为研究人员提供了一个可靠、可重复的方法来评估和改进大语言模型的角色扮演能力。