至顶网安全频道 07月25日 综合消息: 云融合的安全与数据保护解决方案提供商梭子鱼网络于美国加州时间7月18日宣布梭子鱼Web应用防火墙在“2018年第2季度The Forrester Wave:Web应用防火墙中被评为“卓越表现者”。梭子鱼WAF因提供了“卓越的攻击响应和反馈环路”1获得称赞。这表明我们具备独有的能力,可以完成无缝地自动化修补过程,以实现持续稳健的安全状态。
梭子鱼网络高级副总裁兼安全总经理Hatem Naguib表示:“应用程序必须始终具有安全保障,因为他们自身安全性仍显不足,并且与大量数据和客户详细信息相关联。我们的目标是为客户提供全面的企业级安全性且不繁复。我们认为本报告的结果反映了客户和合作伙伴对梭子鱼WAF技术的信任,它可以更好地保护他们的应用。”
Forrester Wave指出,“持续更新应与不断发展的应用技术和攻击保持同步。”
梭子鱼网络公有云副总裁Tim Jefferson表示:“梭子鱼此次被Forrester评为‘卓越表现者’,使我们更清楚我们未来的发展目标:针对专注API应用且能面向混合云的DevOps的需求,不断优化我们的技术并保持产品的领先性。”
获取《Forrester Wave:Web应用程序防火墙,2018年第二季度评估》赠阅本可从此处下载:https://barracuda.com/WAFWave。
好文章,需要你的鼓励
北京交通大学与西蒙弗雷泽大学联合研发的混合神经-MPM方法实现了实时交互式流体模拟。该方法巧妙结合神经物理学与传统数值求解器,在低时空分辨率下运行神经网络并设置保障机制自动切换到MPM,显著降低计算延迟同时保持高保真度。团队还设计了基于扩散模型的控制器,支持用户通过简单草图直观控制流体行为,为游戏、VR和设计领域提供了实用解决方案。
这项研究介绍了EgoZero,一种创新的机器人学习系统,能够仅通过Project Aria智能眼镜捕获的人类示范数据,训练出零样本迁移的机器人操作策略。研究团队提出了一种形态无关的状态-动作表示方法,使用点集来统一人类和机器人数据,并开发了从原始视觉输入中提取准确3D表示的技术。在没有任何机器人训练数据的情况下,EgoZero在7种真实世界操作任务上实现了70%的成功率,展示了强大的泛化能力,为解决机器人学习中的数据瓶颈问题提供了新思路。
FLAME-MoE是卡内基梅隆大学团队开发的首个全透明混合专家语言模型研究平台,包含7个规模从3800万到17亿活跃参数的模型。它采用每层64位专家、top-8选择和2位共享专家的架构,公开所有训练数据、代码和检查点。实验显示,FLAME-MoE比相同计算量的密集模型提升3.4个百分点,并揭示了三个关键发现:专家逐渐专注于特定词汇子集,专家协同激活保持稀疏多样,路由行为在训练早期就趋于稳定。这一平台为MoE模型的系统研究提供了前所未有的开放基础。
这篇论文介绍了ModernGBERT,一个由维尔茨堡大学研究团队开发的高性能德语编码器模型家族(1.34亿和10亿参数版本)。研究将ModernBERT的创新架构应用于德语,同时通过LLM2Vec方法将德语解码器模型转换为编码器以进行对比研究。在SuperGLEBer和MTEB等基准测试中,ModernGBERT 10亿参数模型不仅超越了之前最先进的德语编码器,还在性能和参数效率方面优于转换后的编码器。研究团队还证明了更大模型能有效利用大规模单语语料库,为德语自然语言处理提供了全透明、高性能的资源。