2020年是一个不平凡之年。因为新冠疫情改变了我们很多工作和生活习惯,比如远程办公、比如在线教育等等。疫情来袭让我们更加依赖IT系统来支持企业业务和运营的正常开展,而随着而来的安全问题也日益凸显。另一方面,一些新技术的应用和普及也需要我们及早应对。比如,随着5G正式投入商用,我们正在迎来5G时代,而5G带来了更泛在的连接和更高的流量,这些都对传统安全措施提出更多的挑战,迫切需要做出调整。
日前,Palo Alto Networks(派拓网络)发布了对2021年网络安全的预测,透过这份预测,我们可以了解到明天的安全形势,未雨绸缪及时对安全策略做出调整,以提升企业网络安全的可靠性。
实际上,派拓网络去年也做出了网络安全的预测,包括4G网络的安全、安全人才短缺、物联网安全形势严峻、云配置管理需要重视。值得一提的是,虽然去年派拓网络做出预测时疫情并没有发生,并没有预想到远程办公、在线教育等有今日的火爆,不过报告中还是预见了与之相关的有些问题,比如数据隐私问题。
整体上说,2020年的网络安全走势还是符合派拓网络预测的。“比如,2019年我们预测了在5G的普及。同时,我们提醒说,4G网络下有很多的漏洞产生在5G时代仍然存在,同样迫切需要解决。如果这些网络的安全问题不解决,还会对4G、5G用户产生很大威胁。”派拓网络副总裁兼亚太及日本区首席安全官Sean Duca说,实际上,在过去的一年中,我们也看到4G网络的漏洞还有不少,受到的攻击也不少。

派拓网络副总裁兼亚太及日本区首席安全官Sean Duca
物理网安全也是去年预测中的一个重点。根据派拓网络之前发布的一份物联网安全报告,在中国地区将近半数的企业还没有把物联网安全重视起来,或者还没有为物联网设备采用网络分段划分单独的网络。我们看到,今年随着5G的普及,网络安全威胁正在进一步凸显出来,过去的一年在物联网上有很多安全威胁的事件产生。
Sean Duca分享派拓网络对2021年安全形势做出的预测:
第一,数据的共享是不可避免的,尤其在疫情环境下。Sean Duca提醒说,由于数据需要共享,作为数据保管方或者数据提供者应该更加注重数据安全的保护,要能够保证这些数据被得到正确合法的使用。
派拓网络大中华区总裁陈文俊介绍说,今年针对数据泄露的问题,派拓网络新推出的企业级DLP解决方案,不仅功能强大、易于部署,而且不需要新的基础设施,可与现有的安全技术集成,无论企业是将数据保存在云端、本地还是采取灵活方式,都能适用。
第二,5G网络正在普及,安全要早准备。Sean Duca建议,由于5G的普及,物联网设备回不断扩张,当网络中有大量物联网设备的时候应该和相关网络运营商配合,给物联网的安全提供最好的保护,同时和其他网络形成一个必要的隔离和区分。
同样,面对5G的普及,今年派拓网络也推出了一款5G原生安全产品,可以为给企业利用5G进行业务转型护航,帮助企业保护他们正在创建的企业服务的安全。
第三,要更好地保障居家办公的安全性。安全访问服务边缘(SASE)将会成为很多企业首选以提供更加安全可靠的居家办公环境。
最后,在云环境下我们需要更好地规划和管理安全配置。Sean Duca特别强调了和网络安全同样重要的身份和访问管理(IAM)的配置。他认为,IAM方案应该跟网络安全同步进行,在上云时与基础架构安全同期来去考虑。只有这样,才能保证多云环境下的安全,避免由于错误配置带来的安全风险。
好文章,需要你的鼓励
近期有观点认为,大规模使用生成式AI和大语言模型会增强人类左脑的逻辑分析能力,同时削弱右脑的创造力,导致人类社会逐渐成为左脑主导的群体。但研究表明,左右脑功能分工理论缺乏科学依据,大脑两半球在创造性和逻辑性任务中都会协同工作。此外,AI不仅能辅助逻辑思维,同样可用于诗歌创作、图像生成等创意任务。
这项由圣母大学和IBM研究院联合开展的研究,开发出了名为DeepEvolve的AI科学助手系统,能够像人类科学家一样进行深度文献研究并将创新想法转化为可执行的算法程序。该系统突破了传统AI要么只能改进算法但缺乏创新、要么只能提出想法但无法实现的局限,在化学、生物学、数学等九个科学领域的测试中都实现了显著的算法性能提升,为AI辅助科学发现开辟了新的道路。
微软全球AI巡展在迪拜举行,宣布启动Microsoft Elevate UAE项目,计划为超过25万名学生和教育工作者以及5.5万名联邦政府员工提供AI技能培训。该项目是微软152亿美元投资计划的一部分,旨在加强AI基础设施建设,培养本地人才能力。微软还将与G42和JAHIZ平台合作,为联邦公务员提供技术培训,支持阿联酋成为AI领域的区域和全球领导者。
卡内基梅隆大学研究团队通过3331次大规模实验,系统揭示了代码训练如何提升AI推理能力。研究发现,代码的结构特性比语义内容更重要,适当的抽象形式(如伪代码)可以达到与原始代码相同的效果。不同编程语言产生差异化影响:低抽象语言有利于数学推理,Python更适合自然语言任务。这些发现为AI训练数据的科学化设计提供了重要指导。