至顶网安全频道 05月31日 综合消息: 2018年5月31日,山石网科“未来已至- AI定义的云计算数据中心安全技术发展峰会”隆重召开,来自全国各地金融、运营商、广电、互联网、企业、教育等各个行业的专家、用户近三百名嘉宾齐聚长沙,共同见证山石网科“AI定义的云计算数据中心安全防护体系”的耀世登场。
此次峰会上,山石网科发布1T吞吐的云计算数据安全防护平台X10800;基于AI三大威胁检测能力:垃圾邮件防御服务,僵尸网络C2防御服务,IP信誉库服务;高性能2U云数据中心入侵防御系统;智能感知、随需而变的云计算安全解决方案;以及为用户数据安全能力赋能的云数据库审计与防护解决方案。山石网科正在将人工智能技术全面应用到网络安全空间上,8大AI产品及服务,以安全大数据分析、行为数据分析为基础对企业进行随时随地的全方位保护!
高性能
X10800是山石网科自主研发的、刷新业内高性能的云计算数据安全防护平台,是专门针对数据中心网络安全对高性能、可拓展性、高可靠性以及虚拟化等要求而设计,可提供电信级高可靠性的保障、强大的网络适应性、创新的分布式架构、领先的虚拟化防护技术以及面向未来的平台化设计。X10800可广泛部署于运营商、大型企业和政府机构的高速互联网出口及数据中心场景,帮助用户应对最新安全挑战。
2U云数据中心入侵防御系统在业绩享有高性能“160G小钢炮”的美誉,是山石网科掌握AI高效的机器学习能力及精准的智能大数据分析能力的下一代入侵检测和防御家族的新成员。
更智能
AI之所以强大要归功于其核心的正负反馈及机器学习能力,因此,我们将这些核心技术运用到数据安全防护中。通过学习用户访问数据库的行为,生成行为模型,部署基线策略,从而达到业务的智能感知。通过基于机器学习的中文自然语言处理,智能数据聚类、分类智能识别内容。进而通过用户对数据的存储、使用建立模型,智能分析、预测潜在行为风险。在现有的几大AI产品和服务的基础上,本次会议发布了基于AI三大威胁检测能力:垃圾邮件防御服务,僵尸网络C2防御服务,IP信誉库服务。
云计算安全
面对灵活多变的云端环境及威胁,山石网科智能云计算安全防护平台可提供基于未知威胁全生命周期的综合智能检测方案。创新分布式网络侧微隔离产品山石云?格,通过虚机微隔离及可视化技术,智能检测未知威胁。虚拟化下一代防火墙云?界通过智能感知云内环境变化,提供随需而变的高效防护。通过智能策略学习构建的零信任安全模型将成为云计算安全防护的最佳选择。
云数据安全
云数据库安全审计与防护,包括云数据库审计与云数据库防火墙,是国内领先的云数据库安全防护系列产品,可部署在市场主流的虚拟化系统上,并能与第三方云平台对接,满足行业用户或私有云用户安全需求,也可部署在阿里云、腾讯云、华为云、青云等云服务提供商的系统上,保障云环境下核心数据的安全。
山石网科+VMware+瑞星=?
作为国内领先的网络安全厂商,山石网科在不断创新、提升自身产品实力的同时,更愿以开放的姿态,联合国内外安全伙伴和生态力量,相互学习、互通有无。不久前,山石网科微隔离产品山石云?格获得VMware Ready认证。此次峰会上,山石网科特邀全球最大的云计算平台厂商VMware及拥有完整自主知识产权的信息安全整体解决方案提供商瑞星展开圆桌讨论,共同描绘未来三方强强联手,发力云计算安全的蓝图。
现在的山石网科已经发展成为可以提供边界安全、云计算安全、数据安全、Web安全、终端安全、应用安全等“层层防御”整体网络安全解决方案的综合网络安全厂商。“基于AI、高性能、高智能的安全防护是山石网科未来5-10年的发展方向。”山石网科CEO罗东平先生说,“未来,山石网科AI定义的云计算数据中心安全防护平台将充分利用了人工智能的机器学习、情景交互、数据分析、传感探针、人工智能算法等核心技术,实现安全再进化!”为我们的用户带来前所未有的安全感。我们始终承诺用最好的技术、产品、方案解决用户的安全问题。
 
好文章,需要你的鼓励
亚马逊云服务部门与OpenAI签署了一项价值380亿美元的七年协议,为ChatGPT制造商提供数十万块英伟达图形处理单元。这标志着OpenAI从研究实验室向AI行业巨头的转型,该公司已承诺投入1.4万亿美元用于基础设施建设。对于在AI时代竞争中处于劣势的亚马逊而言,这项协议证明了其构建和运营大规模数据中心网络的能力。
Meta FAIR团队发布的CWM是首个将"世界模型"概念引入代码生成的32亿参数开源模型。与传统只学习静态代码的AI不同,CWM通过学习Python执行轨迹和Docker环境交互,真正理解代码运行过程。在SWE-bench等重要测试中表现卓越,为AI编程助手的发展开辟了新方向。
当今最大的AI数据中心耗电量相当于一座小城市。美国数据中心已占全国总电力消费的4%,预计到2028年将升至12%。电力供应已成为数据中心发展的主要制约因素。核能以其清洁、全天候供电特性成为数据中心运营商的新选择。核能项目供应链复杂,需要创新的采购模式、标准化设计、早期参与和数字化工具来确保按时交付。
卡内基梅隆大学研究团队发现AI训练中的"繁荣-崩溃"现象,揭示陈旧数据蕴含丰富信息但被传统方法错误屏蔽。他们提出M2PO方法,通过改进数据筛选策略,使模型即使用256步前的陈旧数据也能达到最新数据的训练效果,准确率最高提升11.2%,为大规模异步AI训练开辟新途径。