至顶网安全频道 04月09日 编译:Dell Technologies旗下网络保护业务RSA Security LLC近日签署协议,将收购专注于打击所谓内部威胁的初创公司Fortscale Security。
这次收购消息正好赶在本月底面向网络安全专家的RSA Conference大会举行前公布,交易的财务条款没有对外披露。据RSA透露,它计划使用Fortscale的技术来加强其NetWitness威胁检测和响应产品。
位于旧金山的Fortscale公司开发了一个平台,该平台使用机器学习来识别企业网络中可疑的用户行为,例如黑客试图使用工作人员的合法登录凭据来获取敏感数据。Fortscale声称,它的软件也可以捕获更多微妙的违规行为,例如一名高管与一名缺乏适当访问权限的员工共享一个帐户。
Fortscale的平台通过使用用户过去活动的历史日志来检测这类事件,以创建正常行为的“基准”。如果工作人员突然从不熟悉的位置登录到系统中,或者显示出某种已经被盗用的迹象,则软件会发出警报。
把Fortscale平台整合到NetWitness中对于RSA来说应该相当简单。这家初创公司提供了一种名为Presidio的产品,专门用于让网络安全公司将内部威胁检测功能嵌入其解决方案中。
RSA应该会通过这次收购Fortscale获得的技术来补充NetWitness UEBA——RSA在宣布这次收购同时发布的两款新工具之一。该产品提供了用户行为分析功能,用于识别与该初创公司所专注领域相同的威胁。
另一款名为NetWitness Orchestrator的新工具是基于另一家与RSA合作的安全公司Demisto的技术。该工具可以分析过去网络保护团队对于各种事件是如何做出响应的,以提供关于如何最好地处理新情况的建议。
在被RSA收购之前,Fortscale累积筹集了2300万美元的风险资本。
好文章,需要你的鼓励
香港中文大学与华为诺亚方舟实验室合作开发了PreMoe框架,解决了大型混合专家模型(MoE)在内存受限设备上的部署难题。研究团队发现MoE模型中的专家表现出明显的任务专业化特征,据此提出了概率专家精简(PEP)和任务自适应专家检索(TAER)两大核心技术。实验证明,DeepSeek-R1 671B模型在精简50%专家后仍保持97.2%的MATH500准确率,内存需求降至688GB;而更激进的精简方案(减少87.5%专家)也能保持72.0%的准确率。该方法适用于多种MoE架构,为强大AI系统的广泛部署铺平了道路。
SCIENCEBOARD是一项开创性研究,旨在评估多模态自主智能体在真实科学工作流中的表现。研究团队构建了一个包含169个高质量任务的基准测试,涵盖生物化学、天文学等六个科学领域,并开发了一个真实环境让智能体通过CLI或GUI接口与科学软件交互。实验评估表明,即使是最先进的模型在这些复杂科学任务上的成功率也仅为15%,远低于人类表现,揭示了当前技术的局限性并为未来科学智能体的发展提供了宝贵见解。
帝国理工学院的研究团队开发了AlphaMed,这是首个仅通过极简规则强化学习就能培养医疗推理能力的AI模型,无需依赖传统的思维链示范数据。通过分析数据信息丰富度和难度分布的影响,研究发现高信息量的医疗问答数据是推理能力的关键驱动因素。AlphaMed在六个医疗问答基准上取得了领先成绩,甚至超越了更大的封闭源模型,同时展现出自发的步骤推理能力,为医疗AI发展提供了更加开放、高效的新路径。
Alita是一种新型通用AI代理系统,采用极简设计理念,以"最小预定义,最大自我进化"为原则构建。由普林斯顿大学等多家机构研究团队开发的Alita,只配备一个核心能力和少量通用模块,能自主创建所需工具并重用为模型上下文协议(MCPs)。实验显示,Alita在GAIA基准测试上达到87.27%的通过率,超越包括OpenAI Deep Research在内的复杂系统,证明简约设计可带来卓越性能。