面對產(chǎn)業(yè)升級,宏觀經(jīng)濟格局的變動,企業(yè)不斷在思考如何利用IT去推動業(yè)務的增長?如何優(yōu)化業(yè)務流程?如何保障業(yè)務移動化過程中企業(yè)敏感數(shù)據(jù)的安全?在2014年,這些問題將不僅僅需要思考,更多的還需要去執(zhí)行,去實施。在國外,我們看到一些和KNOX整合的解決方案,而現(xiàn)在,我們希望在國內(nèi),類似的方案也能幫助從智能到智慧 三星打造KNOX生態(tài)圈進軍企業(yè)級企業(yè)用戶化解危機,移動業(yè)務。
在今天的三星論壇上,三星電子中國副總裁李建民就為我們分享了KNOX在國內(nèi)發(fā)展計劃和應用前景。
李建民表示,作為一個主推安全的解決方案,KNOX可以說是一套非常智能的系統(tǒng),但僅僅有智能是不夠的,通過KNOX這個平臺,三星與合作伙伴聯(lián)手,才能為業(yè)界提供滿足行業(yè)應用需求的整合解決方案,將智能上升到智慧,推動企業(yè)業(yè)務的發(fā)展。
保障安全的KNOX
三星KNOX是一套以硬件底層技術為核心,輔助以軟件解決方案的企業(yè)移動化安全保障體系,從Galaxy S4開始,三星在一系列手機、平板產(chǎn)品開始集成KNOX。
KNOX是一套通過美國國防部安全認證的移動解決方案,這套系統(tǒng)可以將手機分割成為兩個“虛擬手機”,一個運行的是標準的家用系統(tǒng),另一個則是加密過的企業(yè)系統(tǒng),這樣,用戶就可以在一部手機上分割家用的消費娛樂應用和商用的企業(yè)應用,對于企業(yè)而言,在KNOX下運行的應用有著層層的安全保障。比如說,在企業(yè)“虛擬手機”下的應用和數(shù)據(jù),全部都會保存在KNOX key storage中,這是物理底層加密的存儲空間,也就是說,理論上,即便是有人拿到丟失的手機,將內(nèi)部存儲器拆卸下來,通過外接設備讀取,也無法破解其中的數(shù)據(jù)。
同時與剛剛發(fā)布的Galaxy S5等手機整合,KNOX還可以提供雙因素身份認證,利用密碼口令和指紋雙重驗證來保障企業(yè)信息安全。
應用催生需求
根據(jù)Gartner的報告顯示,2014年,中國將有75%以上的企業(yè)考慮將公有云和混合云引入企業(yè)業(yè)務體系中,依靠云的成熟,3G、4G網(wǎng)絡的逐漸普及,企業(yè)用戶將會更多的利用云來提升自己的業(yè)務效率,降低業(yè)務成本,手機、平板終端將是云落地的最為重要的載體。
做為云落地的載體,終端就要保障其安全可靠,合規(guī),同時不影響易用性,KNOX基于Android系統(tǒng)提供了一個非常好的解決方案,在很多行業(yè)中,甚至已經(jīng)開始測試或者部署,都在開始試用,比如在對安全性要求很高的金融行業(yè),以及對于員工需要更好管理的物流行業(yè)中。
打通業(yè)務移動化最后一公里
李建民向我們介紹,三星與合作伙伴一起,不斷推動了業(yè)務移動化的進程,比如說合作伙伴推出了完整的MDM解決方案,而KNOX的作用就在于打通業(yè)務移動化的最后一公里,打通終端層面的應用安全問題。與MDM方案整合一起,形成一個智慧的整體,去助推用戶業(yè)務發(fā)展。
作為一個硬件基礎架構層面的解決方案,KNOX擁有非常強大的整合能力,不論是MDM方案還是多因素認證等方案,都可以很好的和形成一個有機整體,三星致力于與全行業(yè)一起,打造出完整的B2B商用業(yè)務生態(tài)系統(tǒng),幫助企業(yè)在新的時代中更好的通過業(yè)務移動化實現(xiàn)增值價值。
好文章,需要你的鼓勵
新加坡國立大學研究團隊開發(fā)了SPIRAL框架,通過讓AI與自己對弈零和游戲來提升推理能力。實驗顯示,僅訓練AI玩簡單撲克游戲就能讓其數(shù)學推理能力提升8.6%,通用推理提升8.4%,且無需任何數(shù)學題目作為訓練材料。研究發(fā)現(xiàn)游戲中的三種推理模式能成功轉移到數(shù)學解題中,為AI訓練提供了新思路。
同濟大學團隊開發(fā)的GIGA-ToF技術通過融合多幀圖像的"圖結構"信息,創(chuàng)新性地解決了3D相機噪聲問題。該技術利用圖像間的不變幾何關系,結合深度學習和數(shù)學優(yōu)化方法,在合成數(shù)據(jù)集上實現(xiàn)37.9%的精度提升,并在真實設備上展現(xiàn)出色泛化能力,為機器人、AR和自動駕駛等領域提供更可靠的3D視覺解決方案。
伊利諾伊大學研究團隊通過對比實驗發(fā)現(xiàn),經(jīng)過強化學習訓練的視覺語言模型雖然表現(xiàn)出"頓悟時刻"現(xiàn)象,但這些自我糾錯行為并不能實際提升推理準確率。研究揭示了AI模型存在"生成-驗證差距",即生成答案的能力強于驗證答案質(zhì)量的能力,且模型在自我驗證時無法有效利用視覺信息,為AI多模態(tài)推理發(fā)展提供了重要啟示。
MIT等頂尖機構聯(lián)合提出SparseLoRA技術,通過動態(tài)稀疏性實現(xiàn)大語言模型訓練加速1.6倍,計算成本降低2.2倍。該方法使用SVD稀疏性估計器智能選擇重要計算部分,在保持模型性能的同時顯著提升訓練效率,已在多個任務上驗證有效性。