互聯(lián)網(wǎng)+的概念的提出,為互聯(lián)網(wǎng)金融行業(yè)提供了前所未有的發(fā)展機會。而行業(yè)的健康成長、發(fā)展壯大,并非任何一個互聯(lián)網(wǎng)金融平臺力所能及,而是需要構(gòu)建一個健康、有序、合規(guī)的互聯(lián)網(wǎng)金融生態(tài)體系。這就需要產(chǎn)業(yè)鏈上的企業(yè)協(xié)同支撐發(fā)展。
懶貓金服針對P2P平臺運營者的調(diào)查顯示,在行業(yè)配套服務(wù)最關(guān)注哪些問題方面,73.5%的從業(yè)者希望能夠提供平臺搭建、支付、安全管理等一條龍服務(wù)。為此,3月31日,互聯(lián)網(wǎng)金融安全服務(wù)領(lǐng)導(dǎo)廠商安全寶攜手相關(guān)企業(yè),共同發(fā)起成立了中國互聯(lián)網(wǎng)金融開放與創(chuàng)新服務(wù)聯(lián)盟。安全寶將與聯(lián)盟成員達(dá)成深度合作,為互聯(lián)網(wǎng)金融企業(yè)提供更多便捷、個性化的安全服務(wù)。
在聯(lián)盟成立啟動儀式上,安全寶CEO馬杰表示:“每個互聯(lián)網(wǎng)熱潮都會伴隨著黑客攻擊的出現(xiàn),例如團購、O2O等?;ヂ?lián)網(wǎng)金融也必定不會例外,并且目前已經(jīng)成為黑客最主要的攻擊目標(biāo)之一。”他歷數(shù)互聯(lián)網(wǎng)金融被攻擊的案例,并且認(rèn)為這些攻擊的后果“已經(jīng)不僅僅是數(shù)據(jù)泄漏,而且對整個公司的運營產(chǎn)生更加深遠(yuǎn)的影響”。
互聯(lián)網(wǎng)金融領(lǐng)域最常見的安全問題包括網(wǎng)站被黑、APP Web API被黑、管理后臺被黑、CC攻擊、DDoS攻擊,以及APT攻擊等。黑客的目的除了盜取用戶信息、勒索錢財之外,還經(jīng)常被雇傭針對競爭對手開展DDoS攻擊。據(jù)了解,2014年,安全寶每天都至少抵御一次DDoS攻擊,每天攔截攻擊幾十萬次。
一面是黑客攻擊猛烈、猖獗,另一面則是互聯(lián)網(wǎng)金融平臺的安全十分脆弱。馬杰告訴記者,互聯(lián)網(wǎng)金融企業(yè)安全風(fēng)險來源于多個方面:安全意識不足,重業(yè)務(wù)、輕安全; IT技術(shù)薄弱,安全人才缺乏,很多平臺建站靠外包,對網(wǎng)站的安全風(fēng)險缺乏全面了解;IT基礎(chǔ)架構(gòu)設(shè)計不合理;產(chǎn)品更新迭代快,程序上線前未經(jīng)嚴(yán)格安全審查,漏洞百出;沒有形成良好的運維體系。
互聯(lián)網(wǎng)金融企業(yè)該如何加強安全防護(hù)?馬杰建議要從業(yè)務(wù)、架構(gòu)、產(chǎn)品和運維四個角度來構(gòu)建完善的安全體系:業(yè)務(wù)安全包括交易安全、支付安全、風(fēng)險控制;架構(gòu)安全包括區(qū)域控制、權(quán)限管理、控制入口;產(chǎn)品安全包括參數(shù)過濾、數(shù)據(jù)加密、權(quán)限管理;運維安全包括日志審計、可追溯、數(shù)據(jù)備份。他強調(diào):“安全是一個意識問題,從上到下每件事情都要全面考慮到安全風(fēng)險。除此之外,備份是一切安全手段中最永恒的方法。當(dāng)黑客攻擊已經(jīng)發(fā)生,備份對于保障業(yè)務(wù)的連續(xù)性至關(guān)重要。”
專業(yè)的事情應(yīng)該交給專業(yè)的人做?;ヂ?lián)網(wǎng)金融企業(yè)也應(yīng)該與專業(yè)的安全公司進(jìn)行更多的交流和合作。據(jù)悉,安全寶將傳統(tǒng)的防火墻、抗DDoS、WAF等各類復(fù)雜的安全產(chǎn)品簡化為云端安全服務(wù),讓互聯(lián)網(wǎng)企業(yè)安全防護(hù)變得輕松簡單。未來,安全寶還將與帝友等聯(lián)盟成員進(jìn)行更加深入的合作,為互聯(lián)網(wǎng)金融提供更多更方便、簡化的安全服務(wù)。
好文章,需要你的鼓勵
新加坡國立大學(xué)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(xùn)練AI玩簡單撲克游戲就能讓其數(shù)學(xué)推理能力提升8.6%,通用推理提升8.4%,且無需任何數(shù)學(xué)題目作為訓(xùn)練材料。研究發(fā)現(xiàn)游戲中的三種推理模式能成功轉(zhuǎn)移到數(shù)學(xué)解題中,為AI訓(xùn)練提供了新思路。
同濟大學(xué)團隊開發(fā)的GIGA-ToF技術(shù)通過融合多幀圖像的"圖結(jié)構(gòu)"信息,創(chuàng)新性地解決了3D相機噪聲問題。該技術(shù)利用圖像間的不變幾何關(guān)系,結(jié)合深度學(xué)習(xí)和數(shù)學(xué)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(shè)備上展現(xiàn)出色泛化能力,為機器人、AR和自動駕駛等領(lǐng)域提供更可靠的3D視覺解決方案。
伊利諾伊大學(xué)研究團隊通過對比實驗發(fā)現(xiàn),經(jīng)過強化學(xué)習(xí)訓(xùn)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(zhǔn)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(gòu)聯(lián)合提出SparseLoRA技術(shù),通過動態(tài)稀疏性實現(xiàn)大語言模型訓(xùn)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(xùn)練效率,已在多個任務(wù)上驗證有效性。