CNET科技資訊網 6月12日 北京消息(文/齊豐潤): 安全已成為了當下社會最為關注的幾個問題之一,隨著大數據時代的來臨,如今的安全問題也變得嚴峻和復雜。近日,HanSight瀚思在北京召開了產品戰(zhàn)略暨融資發(fā)布會,推出了瀚思用戶行為分析系統(HanSight UBA)、瀚思安全威脅情報(HanSight TI)、安全易三款產品,并宣布獲得了由恒寶股份領投、南京高科、賽伯樂跟投的A輪投資。
除了發(fā)布三款安全產品以及宣布A輪融資之外,瀚思在會上還與亞信安全、漢柏科技、先進數通、清華大數據聯合會、華為等簽訂合作協議,對“數據驅動安全”戰(zhàn)略進行推動,加速落地。
瀚思創(chuàng)始人兼首席執(zhí)行官高瀚昭表示,大數據已經滲透到當今每一個行業(yè)和業(yè)務職能領域,成為重要的生產因素,大數據技術可以幫助用戶去定位網絡當中發(fā)生的惡意事件,在預警的同時挖出潛在威脅。我們將幫助企業(yè)和云上的用戶實現從“被動防御”到 “主動智能”的轉變。
據Gartner發(fā)布的《用戶與實體行為分析指南》中指出,近年來機構單位對用戶行為分析功能的需求上漲了近十倍,2017年UEBA市場營收將達到2億美元。
本次發(fā)布會上,瀚思推出了國內首款用戶行為分析系統——HanSight UBA,憑借其創(chuàng)新技術提供了基于實際安全場景的多維度異常檢測功能,通過獨特的“儀表盤”功能將機器學習和算法產生的各種數值結果翻譯成用戶能夠理解的安全場景。
實測表明,在普通的服務器上,HanSight UBA利用GPU優(yōu)化的高速算法,一分鐘內就能完成大部分企業(yè)業(yè)務場景下的行為數據分析。
除了HanSight UBA之外,瀚思還將大數據安全的內涵進一步延伸,推出了首個與安全產品原生集成的瀚思安全威脅情報——HanSight TI。它有別于傳統的安全分析系統,HanSight TI是通過從網絡數據、主機數據,登錄認證數據和威脅情報數據中形成聯動分析,將這些用戶環(huán)境中的所有行為足跡統一進行處理,最終把威脅情報和解決辦法交付給最終用戶。此外,瀚思的威脅情報使用了自然語言處理技術,從各種完全非結構化信息抽取安全事件匯總成為威脅情報,直接原生集成到瀚思產品線內。
高瀚昭表示:“瀚思致力于打造行業(yè)大數據安全體系,針對不同行業(yè)對威脅情報類型的特點,HanSight TI并非將原始粗糙的威脅情報顯示給用戶,而是再經過加工處理,根據用戶行業(yè)業(yè)務場景,確定威脅可信性和關聯性之后,推送和分享給同行業(yè)的其他用戶。”
瀚思聯合創(chuàng)始人董昕強調:HanSight UBA和HanSight TI將與瀚思大數據安全分析平臺的高度集成,最終為客戶打造一套解決海量安全數據分析難題的系統解決方案。
最后,瀚思帶來了此次發(fā)布會“三劍客”產品的最后一件,“安全易”SaaS服務?;谠贫说拇髷祿踩治銎脚_,“安全易”可幫助中小型企業(yè)迅速發(fā)現威脅,實現在安全事件發(fā)生后第一時間告警,通過可視化發(fā)掘數據背后的價值,采用智能算法識別安全隱患,利用威脅情報協助揭示危險的存在。
技術的飛速發(fā)展為整個社會都帶來了前所未有的便捷,不過隨之而來的安全問題卻也無可避免。此次瀚思的“數據驅動安全”戰(zhàn)略,從數據角度帶來了安全的解決方案,相信會為企業(yè)帶來全新的視角來面對安全挑戰(zhàn)。
好文章,需要你的鼓勵
浙江大學團隊提出動態(tài)專家搜索方法,讓AI能根據不同問題靈活調整內部專家配置。該方法在數學、編程等任務上顯著提升推理準確率,且不增加計算成本。研究發(fā)現不同類型問題偏愛不同專家配置,為AI推理優(yōu)化開辟新路徑。
清華大學研究團隊提出SIRI方法,通過"壓縮-擴張"交替訓練策略,成功解決了大型推理模型"話多且準確率低"的問題。實驗顯示,該方法在數學競賽題上將模型準確率提升43.2%的同時,輸出長度減少46.9%,真正實現了效率與性能的雙重優(yōu)化,為AI模型訓練提供了新思路。
南洋理工大學與騰訊聯合研究團隊開發(fā)出Rolling Forcing技術,實現AI視頻實時流式生成的重大突破。該技術通過滾動窗口聯合去噪、注意力錨點機制和高效訓練算法三項創(chuàng)新,解決了長視頻生成中的錯誤累積問題,可在單GPU上以16fps速度生成多分鐘高質量視頻,延遲僅0.76秒,質量漂移指標從傳統方法的1.66降至0.01,為交互式媒體和內容創(chuàng)作開辟新可能。
華中科技大學研究團隊發(fā)現,通過讓AI模型學習解決幾何問題,能夠顯著提升其空間理解能力。他們構建了包含約30000個幾何題目的Euclid30K數據集,使用強化學習方法訓練多個AI模型。實驗結果顯示,幾何訓練在四個空間智能測試基準上都帶來顯著提升,其中最佳模型達到49.6%準確率,超越此前最好成績。這項研究揭示了基礎幾何知識對培養(yǎng)AI空間智能的重要價值。