当前员工仍然是企业最宝贵的资产,但在网络安全方面,他们却可能引发风险。攻击者正在制作看似真实但极具针对性的欺诈电子邮件,利用它们向毫无戒心的用户传播恶意软件。一旦得手,大部分公司在收入、客户、机会和现金成本方面的损失可能会达到50万美元甚至更多。为有效打击针对员工的高级威胁的兴起势头,思科宣布推出全新电子邮件安全服务,以帮助用户有效抵御这些欺诈性电子邮件,同时还推出了保护员工设备免受勒索软件、加密挖矿恶意软件和无文件恶意软件攻击的新功能。
市场上几乎所有终端设备安全解决方案都声称能够拦截99%的恶意软件。但是,我们该如何应对另外1%使用先进技术逃避检测的威胁?面向终端的思科高级恶意软件防护(AMP for Endpoints)是一款云托管终端设备安全解决方案,能够帮助客户有效抵御攻击,发现1%的漏网之鱼,避免对业务产生重大威胁。思科在该解决方案中添加了一系列新功能,包括:
思科发力全新电子邮件安全服务
无论威胁环境如何变化,恶意电子邮件和垃圾邮件始终是攻击者分发恶意软件的重要工具,并且其中的许多威胁都会到达终端。企业必须保护其公司域名不会被作为恶意电子邮件的传递机制而滥用,并保护其内部用户免受来自可疑发件人的电子邮件的网络钓鱼和欺骗攻击。
思科正在积极应对这些问题,更有效地防止钓鱼攻击中使用的电子邮件身份欺诈。为实现此目标,思科与Agari签署了一项OEM协议,以推广和销售可增强其电子邮件安全产品的新服务。新推出的电子邮件安全服务包括:
通过托管安全服务推动部署
为支持各种规模的客户充分实现这些新功能的优势,思科扩展了与ConnectWise的关系,支持托管服务提供商(MSP)将思科安全作为其产品组合的一部分提供给客户。全新ConnectWise Advanced Security Dashboard便是思科与ConnectWise深化合作的成果。这一云管理平台与ConnectWise Manage业务管理解决方案全面集成,对ConnectWise Unite with Cisco提供了重要补充,后者是一个面向托管服务提供商的门户,这一门户基于领先的思科云托管产品。全新ConnectWise Advanced Security Dashboard让托管服务提供商能够采用思科安全产品组合,推出更出色的托管安全服务。这些产品包括面向终端的思科高级恶意软件防护(AMP for Endpoints)、思科Umbrella、思科 Stealthwatch Cloud、思科ASA(Adaptive Security Appliances)、思科Firepower新一代防火墙和思科Meraki® MX设备等。
思科全球安全事业部产品高级副总裁Jeff Reed表示:“思科深知,要保护员工的安全,确保终端设备万无一失,仅仅将病毒拒之门外是远远不够的。攻击者会充分利用互联网、电子邮件和网络作为载体,入侵终端设备。通过在互联网上部署的云防御机制,我们能够为员工提供更可靠的保护。同时,思科还是为数不多的几家正在努力消除电子邮件身份欺诈威胁的公司之一。我们致力于通过深化合作、加大投资和促进创新,为客户推出最出色的电子邮件与终端设备保护产品。”
好文章,需要你的鼓励
新加坡国立大学研究人员开发出名为AiSee的可穿戴辅助设备,利用Meta的Llama模型帮助视障人士"看见"周围世界。该设备采用耳机形态,配备摄像头作为AI伴侣处理视觉信息。通过集成大语言模型,设备从简单物体识别升级为对话助手,用户可进行追问。设备运行代理AI框架,使用量化技术将Llama模型压缩至10-30亿参数在安卓设备上高效运行,支持离线处理敏感文档,保护用户隐私。
阿里达摩院联合浙江大学推出VideoRefer套件,这是首个能够精确理解视频中特定物体的AI系统。该系统不仅能识别整体场景,更能针对用户指定的任何物体进行详细分析和跨时间追踪。研究团队构建了包含70万样本的高质量数据集VideoRefer-700K,并设计了全面的评估体系VideoRefer-Bench。实验显示该技术在专业视频理解任务中显著超越现有方法,在安防监控、自动驾驶、视频编辑等领域具有广阔应用前景。
OpenAI推出新AI模型GPT-5-Codex,能够在无用户协助下完成数小时的编程任务。该模型是GPT-5的改进版本,使用额外编码数据训练。测试显示,GPT-5-Codex可独立工作超过7小时,能自动发现并修复编码错误。在重构基准测试中得分51.3%,比GPT高出17%以上。模型可根据任务难度调整处理时间,简单请求处理速度显著提升。目前已在ChatGPT付费计划中提供。
Sa2VA是由UC默塞德等高校联合开发的突破性AI系统,首次实现图像视频的统一理解与精确分割。通过巧妙融合SAM-2视频分割技术和LLaVA多模态对话能力,Sa2VA能够同时进行自然对话和像素级物体标注。研究团队还构建了包含7万多个复杂视频表达式的Ref-SAV数据集,显著提升了AI在长文本描述和复杂场景下的表现。实验显示,Sa2VA在多个基准测试中达到业界领先水平,为视频编辑、医疗诊断、智能监控等领域带来新的应用可能性。