至顶网安全频道 04月13日 国际消息: 新加坡电信(Singtel)、SoftBank(日本软银集团)、Etisalat(阿联酋电信)和Telefonica(西班牙电信)日前组建了一个网络安全联盟,旨在交换与威胁相关的数据及利用彼此的资源支持全球客户。
该联盟名为全球电信商安全联盟(Global Telco Security Alliance),主要是提供一个托管安全服务平台,共同支持亚太、欧洲、中东和美洲60个国家超过12亿的用户。
四家电信运营商目前运营22个安全运营中心(SOC),雇佣了6000多名网络安全专业人员。
新联盟将负责合作伙伴之间的网络威胁相关数据共享及利用各家的地理专长和影响力和支持商业客户的能力。四家合作伙伴在一份联合声明中表示,联盟的全球覆盖面令联盟可以为彼此处于不同位置的客户提供全天候服务,以利更好地应对潜在的威胁。
四家电信商提到,联盟有能力建立规模经济和创造运营协同效益,可为客户提供成本收益。此外,四家合作伙伴将共同制定一项技术路线图,路线图的重点放在物联网网络安全应用以及整合预测分析和机器学习上。
联盟拟就投资SOC、网络安全平台和初创企业等方面的商机开展合作。
新加坡电信全球网络安全公司首席执行官Art Wong表示,“目前网络威胁的频率、规模和复杂程度不断上升,我们需要能迅速协调及在全球做出响应,以保护跨国界运营的企业。
Wong表示,“联盟的资源以及合作伙伴的资源将为保护我们的全球客户提供强大的网络安全平台。”
SoftBank的云和网络安全主管Andrew Schwabecher也表示,黑客已建立了高度体制化的及结构化的社区,他们可在社区合作发起攻击。
Schwabecher表示,“现在,全球最大的运营商网络建立了全球联盟,可以加强我们抵御这些攻击的防御能力。”
好文章,需要你的鼓励
这篇研究提出了OThink-R1,一种创新的大型推理模型,能够像人类一样在快速直觉思维和慢速深度推理之间自动切换。研究者发现,现有推理模型即使面对简单问题也会生成冗长的推理过程,导致计算资源浪费。通过分析推理轨迹并使用LLM评判员区分冗余和必要推理,OThink-R1能根据问题复杂度动态调整思考深度。实验表明,该方法平均减少了23.4%的生成文本量,同时保持或提高了准确率,代表了向更高效、更人性化AI推理系统迈出的重要一步。
这项研究提出了SHARE,一种新型文本到SQL修正框架,它利用三个小型语言模型(SLM)协同工作,实现高效精准的SQL错误修正。SHARE首先通过基础行动模型将SQL转换为行动轨迹,再经过模式增强模型和逻辑优化模型的层次化精细化修正。研究团队还创新性地提出了层次化自演化训练策略,大大提高了训练数据效率。实验结果表明,SHARE在多个基准测试上显著提升了SQL生成准确率,计算成本仅为传统方法的十分之一,并展现出强大的泛化能力,适用于各种生成器模型和SQL方言。
这项由香港大学和南京大学等机构研究人员联合开发的双专家一致性模型(DCM)解决了高质量视频生成中的效率难题。研究团队发现扩散模型蒸馏过程中存在优化冲突:早期阶段负责语义布局与运动,后期阶段关注细节精修,两者学习动态差异显著。DCM创新性地将这两个任务分配给不同的专家模型,通过参数高效的实现方式,使模型仅需4步即可生成接近50步原始模型质量的视频,大幅提升生成速度,为实用化AI视频创作铺平道路。
这项研究介绍了QARI-OCR,一种基于Qwen2-VL-2B-Instruct模型微调的阿拉伯文字识别系统。研究团队通过三阶段合成数据训练,成功解决了阿拉伯文字识别中的主要挑战:曲线连笔特性、上下文变化的字母形状和发音符号。QARI v0.2模型创下了0.061的字符错误率和0.160的单词错误率,超越了现有开源解决方案,为阿拉伯文化遗产的数字化保存提供了重要工具。