9月7日,2022年国家网络安全宣传周在安徽省合肥市举办。活动期间,中国电信天翼云举办了云原生安全产品“红盾”系列介绍会,会议以“红云天翼 安全普惠”为主题,详细介绍了“红盾”系列产品的主要功能及优势等。
数字经济时代,伴随着云计算技术不断发展和深入应用,云上安全问题也日益凸显。天翼云科技有限公司网信安部副总经理朱良海表示,安全可信是国云的要求和本质特征,也是天翼云的核心竞争力。天翼云一直在思考和实践,从体系构建、技术创新、品牌打造、安全护航、生态共建五方面发力,铸牢国云安全,助力千行百业健康安全发展。
作为云服务国家队,天翼云多年来不断完善自身安全产品体系和能力优势,构建了云网融合的纵深一体化防御体系。此次天翼云创新突破云原生安全关键技术所打造的“红盾”系列安全产品,将有助于进一步夯实国家层面的数字经济安全底座,推动企业云上业务安全发展与创新。
以“4+1+1=N”为理念,构建纵深防御安全体系
天翼云科技有限公司安全专家林顺东表示,天翼云以“4+1+1=N”为理念,基于云原生底座将安全能力整合至统一的安全平台,深耕云原生业务应用安全、网络安全、数据安全、云原生安全4大核心技术领域,打造一体化云安全可信运营体系和零信任架构,构建安全核心能力自主可控的技术壁垒。
通过一体化云安全可信运营体系,天翼云发挥云网融合优势,构建了平台+租户端到端一体化安全防护,助力客户实现自动化安全运营闭环,并满足监管合规要求。
利用零信任架构,天翼云建立了一套以身份安全为核心的信任体系,带动技术架构、应用效能、安全可控的全方位提升。
基于“4+1+1”能力体系建设,天翼云红盾云原生安全产品能够满足云上企业端到端的安全防护的需求,在政务、金融、医疗等重点垂直领域聚焦“N”类具体场景,致力于为政府和企业提供“云网数智安”一体化的综合解决方案。
五款核心产品,满足企业多元化云安全需求
会上,天翼云科技有限公司安全高级产品经理杜茜介绍了云原生安全产品红盾系列所包含的Web应用防火墙(边缘云版)、DDoS高防(边缘云版)、网站安全监测、企业安全访问、天翼云数据安全管理平台五款核心产品。
以天翼云Web应用防火墙为例,据Gartner报告显示,网络安全攻击有75%发生在Web应用层。天翼云Web应用防火墙(边缘云版)可通过WAF引擎实时检测恶意请求并及时处理,帮助用户应对OWASP TOP10、爬虫、API攻击等网站及 Web业务安全防护问题,解决传统防护模式下性能瓶颈、业务欺诈、API安全场景可能造成的业务中断、网站崩溃、数据泄露等安全风险,从而保障网站安全,避免Web层攻击可能会带来的重大经济损失。
在具体实践方面,天翼云“红盾”已在学校线上教学、工业互联网平台搭建等多种场景中落地应用。在天翼云边缘“零信任”云平台与福大爱普科技的合作中,双方通过部署零信任平台,落地了全省首个通过“中心云+边缘云”云边协同方式承载的工业互联网平台及相关应用。
数字经济发展不断催生新业态与新模式,如何在日渐复杂的数字环境中应对各层面安全挑战,成为企业的必答题。面向未来,天翼云红盾系列产品提供“原生同构”的内建式安全服务,横跨云网边端,内嵌场景化编排,同时提供围绕事前、事中、事后全面的安全防护,为分布式云时代下企业上云保驾护航,满足千行百业日益多元的云安全需求,助力企业数字化转型。
好文章,需要你的鼓励
新加坡国立大学研究团队开发了名为IEAP的图像编辑框架,它通过将复杂编辑指令分解为简单原子操作序列解决了当前AI图像编辑的核心难题。研究发现当前模型在处理不改变图像布局的简单编辑时表现出色,但在需要改变图像结构时效果差。IEAP框架定义了五种基本操作,并利用思维链推理技术智能分解用户指令,实验证明其性能显著超越现有方法,尤其在处理复杂多步骤编辑时。
Character AI的研究者开发出TalkingMachines系统,通过自回归扩散模型实现实时音频驱动视频生成。研究将预训练视频模型转变为能进行FaceTime风格对话的虚拟形象系统。核心创新包括:将18B参数的图像到视频DiT模型改造为音频驱动系统、通过蒸馏实现无错误累积的无限长视频生成、优化工程设计降低延迟。系统可让多种风格的虚拟角色与人进行自然对话,嘴型与语音同步,为实时数字人交互技术开辟了新可能。
这项由中国人民大学高瓴人工智能学院研究团队发表的研究解决了大语言模型评判中的自我偏好问题。研究提出了DBG分数,通过比较模型给自身回答的分数与黄金判断的差异来测量偏好度,有效分离了回答质量与自我偏好偏差。实验发现,预训练和后训练模型都存在自我偏好,但大模型比小模型偏好度更低;调整回答风格和使用相同数据训练不同模型可减轻偏好。研究还从注意力分析角度揭示了自我偏好的潜在机制,为提高AI评判客观性提供了重要指导。
这篇研究提出了DenseDPO,一种改进视频生成模型的新方法,通过三大创新解决了传统方法中的"静态偏好"问题:使用结构相似的视频对进行比较,采集细粒度的时序偏好标注,并利用现有视觉语言模型自动标注。实验表明,DenseDPO不仅保留了视频的动态性,还在视觉质量方面与传统方法相当,同时大大提高了数据效率。这项技术有望推动AI生成更加自然、动态的视频内容。