Aporeto是一家“云原生”的安全初创公司,旨在确保那些不受信的IT环境的安全性。该公司刚刚在A轮融资——也就是年底产品发布之前——获得了1120万美元。
该公司表示,将在今年发布其服务的公开测试版,今年夏天会做全面发布。除了Aporeto,最近几个月有很多安全初创公司走出隐身模式,推出了宣称可以确保云原生应用安全部署于任何环境中的解决方案。Aporeto表示,他们的解决方案可以强化和简化安全操作,允许企业加速新的基于云的软件部署。
软件容器、微服务和无服务器架构的逐渐普及,正在助推着云部署过程中对新型安全解决方案的需求。Aporeto联合创始人、首席执行官Dimitri Stiliadis在声明中表示:“企业IT部门需要一系列新工具,让他们可以在不牺牲安全性的情况下拥抱云技术和DevOps技术。”
Aporeto的工具通过一种基于白名单的方式实现这种安全性。Aporeto的解决方案加强端到端的认证、授权和加密,面向所有应用组件,包括虚拟机、容器和微服务,Aporeto联合创始人Amir Sharif这样表示。
“这样做可以让安全性在任何地方都跟随着应用,不管是什么网络架构,包括让WAN横跨各种云。”
他解释说,Aporeto的工具可以组织应用及其基础设施之间的所有交互,除非有策略明确允许交互。这些策略可以自动生成,通过获取应用清单文件或者观察应用行为。然后用户可以审核这些自动生成的策略,确保企业遵守了这些规则要求和组织安全规则,Sharif解释说。
“因为Aporeto的安全是嵌入基础设施的,所以这让安全性对于开发者来说就像无形的一样。这让开发者可以快速推进,专注于核心功能,而不是做繁琐的工作以满足安全要求。”
Informatica是从Aporeto解决方案中受益的企业软件开发公司之一。该公司云运作总监Alec Chattaway表示,对于开发团队来说,降低不受信环境中确保应用安全性的复杂性,这正在变得越来越重要。我们评估了很多安全选择,我们相信Aporeto的安全方法可以简化流程,让用户降低不必要的复杂性。
这一轮融资是由Norwest Venture Partners领投的,后者管理合伙人Matthew Howard加入了Aporeto的董事会。此前规模为330万美元的种子轮是由Wing Venture Capital领投,此外还有Data Collective Venture Capital和私人参与。
好文章,需要你的鼓励
DeepResearchGym是一个创新的开源评估框架,专为深度研究系统设计,旨在解决当前依赖商业搜索API带来的透明度和可重复性挑战。该系统由卡内基梅隆大学研究团队开发,结合了基于ClueWeb22和FineWeb大型网络语料库的可重复搜索API与严格的评估协议。实验表明,使用DeepResearchGym的系统性能与使用商业API相当,且在评估指标间保持一致性。人类评估进一步证实了自动评估协议与人类偏好的一致性,验证了该框架评估深度研究系统的有效性。
这项研究介绍了FinTagging,首个面向大型语言模型的全面财务信息提取与结构化基准测试。不同于传统方法,它将XBRL标记分解为数值识别和概念链接两个子任务,能同时处理文本和表格数据。在零样本测试中,DeepSeek-V3和GPT-4o表现最佳,但在细粒度概念对齐方面仍面临挑战,揭示了当前大语言模型在自动化XBRL标记领域的局限性,为金融AI发展提供了新方向。
这项研究介绍了SweEval,一个新型基准测试,用于评估大型语言模型在企业环境中处理脏话的能力。研究团队从Oracle AI等多家机构的专家创建了一个包含八种语言的测试集,模拟不同语调和上下文的真实场景。实验结果显示,LLM在英语中较少使用脏话,但在印地语等低资源语言中更易受影响。研究还发现较大模型通常表现更好,且多语言模型如Llama系列在处理不当提示方面优于其他模型。这项工作对企业采用AI技术时的安全考量提供了重要参考。
这项研究提出了"VeriFree"——一种不需要验证器的方法,可以增强大型语言模型(LLM)的通用推理能力。传统方法如DeepSeek-R1-Zero需要验证答案正确性,限制了其在数学和编程以外领域的应用。VeriFree巧妙地计算正确答案在模型生成的推理过程后出现的概率,作为评估和训练信号。实验表明,这种方法不仅能匹配甚至超越基于验证器的方法,还大幅降低了计算资源需求,同时消除了"奖励黑客"问题。这一突破将有助于开发出在化学、医疗、法律等广泛领域具有更强推理能力的AI系统。