网络安全是建设数字世界、发展数字经济的重中之重。当前,我国陆续出台了众多网络安全领域的政策法规,各省区纷纷建立了网络安全产业基地,全面推动网络安全产业的蓬勃向上发展。虽然网络安全产业已迈入加速发展期,但也产生了新的挑战与潜在威胁,亟待提升安全治理能力、安全攻防能力、安全建设能力,以及安全人才培养能力,从监管侧、需求侧、供给侧等多个方面提升综合竞争力。
多措并举,构建全面的网络安全体系
面对数字化变革中的新型安全挑战,在2021 NAVIGATE 领航者峰主动安全专题论坛上,紫光股份旗下新华三集团副总裁、安全产品线总裁孙松儿表示,安全的本质是尽可能的发现风险和防御风险。新华三在网络安全领域始终坚持“一个理念”,结合网络安全发展的需求,不断加强信息基础设施网络安全防护。新华三通过把握外部攻击威胁、内部防护需求的“两个变化”,构建起全域感知、敏捷可变、精准预警、立体纵深、智能进化的实战化网络安全防御体系,不断提升“常态化”的安全治理能力,来应对变种迅速的网络病毒,并且在安全威胁刚刚露出蛛丝马迹的时候就提前预警,从而更高效、精准、快速地下发策略,处理问题。
新华三集团副总裁、安全产品线总裁孙松儿
同时,新华三集团还将人、技术、制度作为“三个抓手”,通过提高安全意识教育、新技术的协同创新应用、加强全域协作联动,提升“实战化”安全攻防能力,并从规划、上线、运营、升级“四个环节”入手,全面打造顶层规划、开发测试、安全运营、平台升级的“体系化”安全建设能力。此外,新华三提出加强网络安全学科建设、打造网络安全精品课程、搭建网络靶场实训平台、组织网络安全技能竞赛,以及加大产学研合作力度“五个举措”来建设“专业化”安全人才队伍。
重磅发布云安全2.0,打造业界最完整的全栈云安全能力
从研究机构的数据来看,近年来私有云市场稳步增长,而公有云的市场规模开始超过私有云,混合云市场初具规模。而IDC的数据显示,用户对于上云这件事情最大的顾虑,就是安全性。这里面包括各种安全问题。业务安全、数据保护、架构统一、管理难度等等。新华三集团安全产品线云安全解决方案总监石茂杉指出,混合云市场初具规模,增长开始提速,可以预见大型政企用户将首选混合云作为技术演进方向。
新华三集团安全产品线云安全解决方案总监石茂杉
本次峰会上,新华三集团全新发布云安全2.0,将原生安全、同构混合、多云管理、AI赋能四大核心要素融入战略框架中,整体服务私有云/行业云安全、公有云安全、混合多云安全等全部云端应用场景,打造业界最全面的云安全解决方案,实现全栈全场景的云安全能力覆盖,全面适配数字时代的云化变革。同时,云安全2.0具备丰富的安全服务、同构混合的安全能力以及内生智能的安全进化能力,能够帮助用户实现云上安全随享,让安全清晰可视,随需调配。目前,新华三云安全2.0战略已为海南政务云、天翼安全大脑、四川机场智慧云中心等政企单位提供全方位的网络安全防护。
在主动安全的体系进化中,不可忽视的一个能力是安全AI技术,无论是云安全2.0的重要组成部分——云安全能力平台,以及用户终端的安全设备,AI技术始终以内生的方式存在其中。面对网络攻击的智能化,安全AI技术正在发挥巨大的价值。关于这一点,新华三集团安全产品线高级安全专家付志强表示,威胁发现、威胁狩猎、安全运维、隐私保护和AI自身安全等领域将成为新华三未来持续深耕的技术方向。
新华三集团安全产品线高级安全专家付志强
安全是企业发展的前提和基础,是一个长期目标,需要全行业与生态合作伙伴共同努力,不断完善与演进。新华三集团基于云智原生战略,打造全面升级的“数字大脑2021”,这其中“安全云化”和“安全AI”将作为增强数字大脑安全能力的重要因素,构建起立体防护、简化运维、智能战略、共享共赢的主动安全2.0战略,实现安全架构弹性化、安全资源可扩展、安全业务可编排、安全服务随处可达,构建全方位的网络安全主动防御体系,为百行百业数字化转型打造稳固安全的“数字底座”,赋能客户迈入数字化、智能化应用的新阶段,为中国的数字经济发展保驾护航。
好文章,需要你的鼓励
OpenAI首席执行官Sam Altman表示,鉴于投资者的AI炒作和大量资本支出,我们目前正处于AI泡沫中。他承认投资者对AI过度兴奋,但仍认为AI是长期以来最重要的技术。ChatGPT目前拥有7亿周活跃用户,是全球第五大网站。由于服务器容量不足,OpenAI无法发布已开发的更好模型,计划在不久的将来投资万亿美元建设数据中心。
阿里巴巴团队提出FantasyTalking2,通过创新的多专家协作框架TLPO解决音频驱动人像动画中动作自然度、唇同步和视觉质量的优化冲突问题。该方法构建智能评委Talking-Critic和41万样本数据集,训练三个专业模块分别优化不同维度,再通过时间步-层级自适应融合实现协调。实验显示全面超越现有技术,用户评价提升超12%。
英伟达推出新的小型语言模型Nemotron-Nano-9B-v2,拥有90亿参数,在同类基准测试中表现最佳。该模型采用Mamba-Transformer混合架构,支持多语言处理和代码生成,可在单个A10 GPU上运行。独特的可切换推理功能允许用户通过控制令牌开启或关闭AI推理过程,并可管理推理预算以平衡准确性和延迟。模型基于合成数据集训练,采用企业友好的开源许可协议,支持商业化使用。
UC Berkeley团队提出XQUANT技术,通过存储输入激活X而非传统KV缓存来突破AI推理的内存瓶颈。该方法能将内存使用量减少至1/7.7,升级版XQUANT-CL更可实现12.5倍节省,同时几乎不影响模型性能。研究针对现代AI模型特点进行优化,为在有限硬件资源下运行更强大AI模型提供了新思路。