近年来,随着黑产组织逐渐规模化、产业化,网络攻击态势愈发严峻;同时,由于DevOps、云原生等新技术的落地,以及IT架构的变化,企业研发和运营的模型随之改变,风险应对策略也越发复杂,越来越多的安全事件表明,诸多企业现有的安全建设体系已经无法满足云化场景下新的安全挑战。
为了应对数实融合趋势下的网络安全需求,2021年10月22日,腾讯安全发布了安全托管服务MSS,依托腾讯20多年的攻防实战经验和行业领先的情报感知能力,通过自研服务工作流编排系统,实现了服务过程的标准化、自动化和可视化,借助这些能力,可为用户提供7*24小时全天候监控分析服务和即时的应急响应能力。
产业数字化驱动安全服务模式转变,安全托管助力企业安全建设“化繁为简”
“依靠买硬件、买软件、堆人力的建设思路已经无法应对当今复杂的安全态势,企业的安全建设需要从产品驱动向服务驱动转变。”腾讯安全副总裁、腾讯安全云鼎实验室负责人董志强表示。
很多敏锐的企业机构开始把眼光转向第三方专业的安全托管服务,例如政务数字化领域的先行者“数字广东”,其系统涉及广东省约70%的电子政务系统,范围广、 体量大,对于服务保障的效率与准确度要求极高,以堆人的方式不可能完成任务,需要敏捷精准的自动化安全平台提供安全运营保障和有实战经验的专业化团队主导支持。基于腾讯安全托管服务MSS,数字广东在初期以红蓝攻防演练测试平台安全完善程度,重点时期负责安全值守与应急响应,最终取得重保期间0安全事件、0安全事故、0业务故障的成果,让全省70%政务系统运行无忧。
腾讯安全在为腾讯云及云租户做安全保障过程中日常需要处理大批量安全漏洞、攻击行为,在这个过程中沉淀了一套规模化应用的标准化、自动化能力。“腾讯全网服务器总量超过100万台,海量的、持续高强度的安全对抗,采用传统的安全运维方式是不可能完成的,因此我们引入了很多机器学习、自动化的能力,沉淀下来一整套标准化的安全研运体系。”董志强表示。腾讯安全这套标准化能力在服务企业客户中也得到了反复验证,在广交会、第七次全国人口普查、COP15等大型项目重保中均有出色表现。
腾讯安全最新发布的托管服务MSS具备4大核心能力:基于攻击者视角下高强度防守对抗、KPI视角下的服务过程展示、攻防演练级的常态化运营分析、近实时的情报及威胁共享。通过腾讯安全托管服务,企业日常安全工作复杂度极大降低,服务流程可查看、服务人员可管理、服务过程可跟踪,解决了传统安全建设中“过程不可见”和“结果不可控”的问题。当前,腾讯安全托管服务MSS已成功应用到政府机构、泛互联网、医疗行业、零售行业、金融行业及轨道交通等多个行业,在很多大型国家级重保项目中展露身手。
聚焦于中小企业发展扶持,腾讯携手中国中小商业企业协会发布“同舟计划”
针对于中小规模体量的企业缺乏人力和预算来做安全建设,安全投入和企业发展难以兼顾的状况,在此次发布会上,中国中小商业企业协会联合腾讯安全共同启动“同舟计划”,致力于为1000家企业机构提供免费应急响应及风险检测服务,帮助众多中小企业补齐安全建设短板,提升安全防线,护航中小企业发展。
“同舟计划”启动仪式
“保障中小企业的网络安全,对于促进中小企业健康发展、可持续发展意义重大。安全‘同舟’计划的发布,相信会为中小企业数字化转型提供更好的保障,切实增强中小企业应对风险的能力,实现经济效能的最大发挥,从而为全面推动中小企业的健康发展提供重要保护。”中国中小商业企业协会名誉会长、国务院国资委监事会原主席董树奎表示。
随着数字经济体量的不断增加,数字经济的各个生产环节分工还会进一步细化,企业会更加聚焦到自身核心业务发展和安全管理,将部分非自身擅长的安全工作托管给部分专业服务厂商进行能力补齐和体系完善。在腾讯“科技向善”愿景之下,腾讯安全致力于和广大企业客户一起实现安全共建和共治,共同为数字时代美好生活保驾护航
好文章,需要你的鼓励
Snap 推出 Lens Studio 的 iOS 应用和网页工具,让所有技能层次的用户都能通过文字提示和简单编辑,轻松创建 AR 镜头,包括生成 AI 效果和集成 Bitmoji,从而普及 AR 创作,并持续为专业应用提供支持。
这项研究提出了CURE框架,通过强化学习让大语言模型同时学习编写代码和生成单元测试两种能力,无需使用标准代码作为监督。团队开发的ReasonFlux-Coder模型在仅用4.5K编程问题训练后,便在多个基准测试中超越了同类模型,代码生成准确率提高5.3%,最佳N选1准确率提高9.0%。该方法不仅提升了模型性能,还提高了推理效率,同时为降低API调用成本和无标签强化学习提供了新思路。
南京大学与字节跳动联合团队开发的MotionSight系统,为多模态大语言模型提供了"动态视觉增强"能力,解决了现有AI系统在理解视频细粒度动作方面的困难。这一零样本方法通过对象中心的视觉聚光灯和动态模糊技术,显著提升了模型对物体动作和摄像机动作的感知能力,在不需要额外训练的情况下实现了业界领先性能。研究团队同时构建了MotionVid-QA数据集,这是首个专注于细粒度视频动作理解的大规模开源数据集,包含4万多个视频片段和近9万个问答对,为未来研究提供了宝贵资源。