根据Gartner的最新预测,2018年全球信息安全产品和服务支出将超过1140亿美元,比去年增长12.4%,预计2019年该市场将增长8.7%达到1240亿美元。
Gartner研究总监Siddharth Deshpande表示:“安全领导者正在努力帮助他们的组织安全地使用技术平台,以提高竞争力并推动业务增长。持续的技术短缺,以及像欧盟的通用数据保护法规(GDPR)这样在监管方面的变化,正在推动着安全服务市场的持续增长。”
2017年Gartner一项调查显示,安全支出的三大驱动因素是:(1)安全风险;(2)业务需求;(3)行业变化。隐私问题也成为一个关键因素。Gartner认为,到2019年隐私问题将至少占到安全服务市场需求的10%,并将影响很多细分市场,如身份和访问管理(IAM)、身份监管和管理(IGA)、数据丢失预防(DLP)等。
Deshpande表示,大众高度关注的数据泄露事件——例如最近针对SingHealth的攻击导致新加坡150万患者个人健康记录泄露——强化了将敏感数据和IT系统视为关键基础设施的必要性。
“安全和风险管理必须成为任何数字化业务计划的一个关键组成部分,”他说。
更加注重构建检测和响应能力、GDPR等隐私法规、解决数字业务风险的需求,这些都是推动2019年全球安全支出增长的主要因素(见表1)。
表1:2017年-2019年全球安全支出细分(单位:百万美元)
资料来源:Gartner(2018年8月)
Gartner找出了影响2018年到2019年信息安全支出的一些主要趋势,包括:
到2019年,至少有30%的组织将把预算用于与GDPR相关的咨询和实施服务上。
组织将继续遵循自2018年5月25日起生效的GDPR。Gartner认为,实施、评估和审核与GDPR相关的业务流程,对于那些欧盟的企业组织、以及那些客户和员工在欧盟的企业组织来说,将是他们安全服务支出的核心重点。
到2020年,有超过40%的企业组织将把额外的支出花费在数字转型计划中的风险管理和隐私问题上。
在过去几年中,咨询和实施服务提供商重新调整了他们的服务产品,以支持客户进行数字化转型。安全是转型过程中的一个关键因素,这个转型过程涉及跨公有云、SaaS和物联网设备的监管数据、关键运营和知识产权保护。
到2020年,服务(订阅和管理服务)将至少占安全软件支出的50%。
安全即服务正在赶超内部部署,同时混合部署也在吸引着采购者。Gartner安全购买行为调查中很大一部分受访者表示,他们计划在未来两年内,在混合部署环境中采用特定的安全技术,如安全信息和事件管理(SIEM)。托管服务在部署环境中平均占比大约24%。
“内部部署仍然是最受欢迎的,但云交付式的安全正在成为许多技术的首选交付模式,”Deshpande说。
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。