亚马逊网络服务公司今日在其年度re:Inforce 2025大会上宣布了一系列增强功能,旨在简化企业级云安全管理。
AWS首席信息安全官Amy Herzog在活动中表示,公司专注于大规模简化安全管理,同时展示AWS如何帮助各种规模的组织更有效地管理风险和应对威胁。基于这一愿景,大会发布了Security Hub、Shield和GuardDuty XTD三大产品的重要更新。
首要发布的是AWS Security Hub新版本预览,该版本能够优先处理关键安全问题,帮助用户大规模响应以降低安全风险、提高生产力并保护云环境。新版本将GuardDuty、Inspector、Macie、CSPM和第三方工具的发现结果关联并情境化,整合为一个可操作的信息流。
新版Security Hub还基于综合威胁和漏洞情报优先处理"活跃风险",支持批量修复工作流程。AWS表示,在测试中,客户的警报量减少了高达60%,新版本显著提升了可见性和事件响应效率。
AWS Shield正在升级,新增网络态势管理功能,目前处于预览阶段。更新版本自动发现跨账户的虚拟私有云资源,分析SQL注入和分布式拒绝服务漏洞等配置问题,并在可视化丰富的控制台中呈现优先级拓扑图。值得注意的是,修复步骤现在与Amazon Q驱动的对话式指导集成,帮助团队处理发现的问题而无需查阅文档。
第三个重大发布是Amazon GuardDuty扩展威胁检测现在将覆盖范围扩展到容器化环境,特别是EKS。GuardDuty XTD能够通过关联Kubernetes审计日志、运行时信号、应用程序编程接口使用情况和恶意软件检测,发现跨边界的多阶段攻击序列,规避更简单的检测。
新的攻击序列发现功能涵盖多个资源和数据源,时间跨度更长,让用户能够减少一级分析时间,将更多时间用于响应关键严重级别威胁,从而最大限度地减少业务影响。
除了三大重要发布外,AWS还宣布了其服务组合中十多项补充更新。
AWS WAF的控制台经过重新设计,配备专家策划的保护包和引导式工作流程,配置时间减少高达80%,同时提供规则性能的清晰可见性。Amazon CloudFront也通过统一的入门体验获得可用性提升,在由WAF集成规则包驱动的单一控制台中捆绑TLS证书颁发、DNS设置和推荐的内容分发网络设置。
身份和访问控制也得到升级,IAM Access Analyzer扩大了范围,能够高效确定内部和外部主体谁有权访问S3、DynamoDB和RDS,提供跨账户权限的清晰视图。同时,AWS现在对所有独立和成员账户的根用户强制执行多因素身份验证。
在基础设施安全方面,AWS网络防火墙已升级,现在能够摄取全球威胁情报,自动阻止威胁妥协指标,如命令控制域和恶意URL。备份恢复能力也通过气隙保险库的多方批准得到提升,确保恢复操作中没有单点故障。
大会还见证了AWS增强其开发安全产品,Amazon Inspector现已正式上线。该服务提供代码扫描功能,与GitHub和GitLab集成,在代码部署前捕获漏洞。开发者还通过Amazon Verified Permissions获得支持,该服务提供开源Express.js授权库,加速安全策略实施。
针对Express.js开发者,AWS还发布了@verifiedpermissions/authorization-clients-js开源包,允许开发者在几分钟内为其Express.js网络应用API实现授权。与传统的将授权逻辑嵌入应用程序的方法相比,该包通过显著减少自定义授权代码简化了开发并提高了应用程序安全性。
好文章,需要你的鼓励
惠普企业(HPE)发布搭载英伟达Blackwell架构GPU的新服务器,抢占AI技术需求激增市场。IDC预测,搭载GPU的服务器年增长率将达46.7%,占总市场价值近50%。2025年服务器市场预计增长39.9%至2839亿美元。英伟达向微软等大型云服务商大量供应Blackwell GPU,每周部署约7.2万块,可能影响HPE服务器交付时间。HPE在全球服务器市场占13%份额。受美国出口限制影响,国际客户可能面临额外限制。新服务器将于2025年9月2日开始全球发货。
阿里巴巴团队提出FantasyTalking2,通过创新的多专家协作框架TLPO解决音频驱动人像动画中动作自然度、唇同步和视觉质量的优化冲突问题。该方法构建智能评委Talking-Critic和41万样本数据集,训练三个专业模块分别优化不同维度,再通过时间步-层级自适应融合实现协调。实验显示全面超越现有技术,用户评价提升超12%。
安全专业协会ISACA面向全球近20万名认证安全专业人员推出AI安全管理高级认证(AAISM)。研究显示61%的安全专业人员担心生成式AI被威胁行为者利用。该认证涵盖AI治理与项目管理、风险管理、技术与控制三个领域,帮助网络安全专业人员掌握AI安全实施、政策制定和风险管控。申请者需持有CISM或CISSP认证。
UC Berkeley团队提出XQUANT技术,通过存储输入激活X而非传统KV缓存来突破AI推理的内存瓶颈。该方法能将内存使用量减少至1/7.7,升级版XQUANT-CL更可实现12.5倍节省,同时几乎不影响模型性能。研究针对现代AI模型特点进行优化,为在有限硬件资源下运行更强大AI模型提供了新思路。