梭子鱼网络于美国加州时间8月8日宣布,在2018年NSS实验室下一代防火墙团体测试中,其梭子鱼云融合防火墙获得推荐级评级。在今年的测试中,分别通过安全有效性、性能和总拥有成本(TCO)对10种产品进行了评测。
“本次测试重点关注IPS与SSL安全性和性能,这一点证明了我们从客户那里听到的有关我们云融合防火墙有效性的信息。梭子鱼的云融合防火墙非常适合分支机构较多的企业、托管服务提供商以及网络基础架构复杂而又分散的企业。”梭子鱼网络安全副总裁兼总经理Klaus Gheri说道。
梭子鱼云融合的防火墙定义防火墙的作用为边界安全解决方案,具有分布式网络优化解决方案的特点,可在多个地点和应用部署,连接本地和云端,帮助企业实现业务转型。
“梭子鱼提供的解决方案有助于我们应对快速变化的业务和IT环境——其反应速度和灵活性以及易于部署的特性都意味着我们可以非常轻松地维护和增强这一解决方案。”来自梭子鱼云融合防火墙客户Aevitae公司ICT团队的Pascal Wenders如是说。
梭子鱼云融合防火墙所具有的亮点包括:
防止网络入侵、抵御高级威胁和防数据泄露
梭子鱼云融合防火墙包含来自多个防护层(电子邮件、Web和网络)的大量威胁情报源,可持续检测零日威胁、使用IDS/IPS进行防护和间谍软件防护、高级威胁防御和僵尸网络防护、集成内容过滤和报告。
SSL拦截
梭子鱼云融合防火墙所有型号均采用标准“可信任中间媒介”的方法,可将IPS、病毒防护、应用程序控制、URL过滤甚至高级威胁防御应用于SSL加密的网络流量。可以对SSL拦截进行微调,以使本地网络、用户/组、URL过滤器类别或自定义域免于接受SLL检查。
基于性能的路由和SD-WAN
为了在广域网和云端实现最佳用户体验,梭子鱼云融合防火墙各个型号均可实时检测VPN端点之间的可用带宽和延迟。然后,防火墙策略引擎可以为每个应用程序动态选择最合适的上行链路。此外,如果某上行链路的实测带宽不足以维持关键业务流量(例如VoIP),云融合防火墙会自动将非关键流量的会话转移到辅助链路,从而为关键流量释放优质带宽。
获取2018年NSS实验室下一代防火墙测试报告:
https://www.nsslabs.com/security-value-maps/next-generation-firewall-ngfw/
好文章,需要你的鼓励
来自香港科技大学和MiniMax的研究团队开发了SynLogic,一个可合成35种逻辑推理任务的框架与数据集,填补了AI逻辑训练资源缺口。研究表明,在SynLogic上进行强化学习训练显著提升了模型逻辑推理能力,32B模型在BBEH测试中超越了DeepSeek-R1-Distill模型6个百分点。更值得注意的是,将SynLogic与数学和编程数据混合训练不仅提高了这些领域的学习效率,还增强了模型的泛化能力,表明逻辑推理是构建通用AI推理能力的重要基础。
这项研究揭示了大型语言模型的惊人能力:只需两个特殊训练的向量,冻结的语言模型就能在一次计算中生成数百个准确词汇,而非传统的逐词生成。研究者发现,这种能力要求特定的输入排列方式,且生成速度比自回归方法快约279倍。这一发现不仅展示了语言模型未被充分探索的并行生成潜力,还为快速文本重建开辟了新方向。
腾讯混元团队提出的"ConciseR"是一种通过两阶段强化学习实现大模型简洁推理的新方法。研究遵循"先走后跑"原则,先确保模型具备准确推理能力,再优化输出简洁性。第一阶段通过改进的群体相对策略优化(GRPO++)提升推理能力,第二阶段通过长度感知的群体相对策略优化(L-GRPO)减少输出长度。实验结果显示,该方法在AIME、MATH-500等多个基准测试中既减少了输出长度(平均20%以上),又保持或提高了准确率,展现出高效率-高准确率的理想平衡。
这项由香港科技大学团队开展的研究首次全面评估了压缩对大语言模型Agent能力的影响。研究发现,虽然4位量化能较好地保留工作流生成和工具使用能力(仅下降1%-3%),但在实际应用中性能下降达10%-15%。团队提出的ACBench基准测试横跨工具使用、工作流生成、长文本理解和实际应用四大能力,评估了不同压缩方法对15种模型的影响。结果显示,AWQ量化效果最佳,蒸馏模型在Agent任务上表现不佳,大型模型对压缩更具韧性。研究还提出ERank等创新分析方法,为实际部署提供了切实指导。