亚马逊云科技宣布,通过与光环新网和西云数据的紧密合作,在亚马逊云科技(北京)区域和(宁夏)区域推出私有证书授权管理服务Amazon Private Certificate Authority(Amazon Private CA),助力企业加速构建私有证书体系,安全高效地识别内部设备、应用和资源,并提供集中化管理和保护。证书是网络中确认对方身份的关键载体,私有证书常用于企业内部非公网场景,如物联网(IoT)设备的远程控制和升级、车联网设备的通信等。通过Amazon Private CA,企业无需专业的技术人员和运维投入,即可利用专属的加密硬件为私有证书体系提供高级安全防护,方便地对各种用途的证书进行不同层级管理。Amazon Private CA支持国密算法和各种广泛使用的加密算法,以及如连接标准联盟CSA推出的Matter等关键的行业认证,可有效降低企业的安全合规成本,助力中国智能制造企业加速业务创新。
亚马逊云科技大中华区产品总经理陈晓建表示:“如今,越来越多企业正通过构建私有证书体系提升企业的业务安全。我们很高兴将Amazon Private CA服务在中国区域落地,将亚马逊云科技云计算的弹性、安全等优势带给企业用于私有证书的构建和管理,帮助他们更加便捷、高性价比地实现大范围私有证书部署,更安全的进行业务创新。”
随着数字化转型加速,越来越多金融、医疗、大型制造业等企业,欲通过构建私有证书体系,进一步提升企业数据和通信安全并满足合规要求。但自建私有证书体系的门槛较高,需要专业人员、昂贵加密硬件的投入,且证书全生命周期管理复杂,需分配不同层级证书、权限,设置吊销周期等。
Amazon Private CA是一项完全托管的私有证书授权管理服务,用于创建多功能私有证书及其授权配置的创建,识别和保护内部资源如服务器、应用程序、用户设备和容器等,满足监管合规要求,并提供便捷的管理功能,降低企业实施证书授权和管理的门槛。
Amazon Private CA目前广泛应用于IoT物联网和车联网领域。Amazon Private CA已符合连接标准联盟CSA提出的Matter合规要求,企业使用Amazon Private CA服务可按需付费,大幅降低获得Matter认证的成本,并减少在证书安全和管理上的工作量。2023年全球通过Matter认证的企业有一半以上使用了Amazon Private CA服务。
道通科技专注于新能源充电桩、汽车综合诊断、检测分析系统及汽车电子零部件的研发、生产、销售和服务,致力于为客户提供“更智能、更易用、更可靠、更绿色“的全场景极致充电体验。凭借过硬的产品力、端到端的服务体验、本地化建厂策略,道通科技已发展成为全球领先的电动汽车充电解决方案提供商,业务覆盖北美、欧洲、亚太、南美、中东非等70多个国家和地区,在北美、越南和中国均设有生产基地。道通科技采用Amazon Private CA支持其多种业务场景,包括在其生产线上实时给每台设备签发和预置唯一的数字证书;为软件签发签名证书以实现固件和软件的合法性校验和防篡改;同时也为设备运维MQTT平台签发各种服务端证书,以建立服务之间、服务和设备之间的双向安全通道。Amazon Private CA显著降低了道通科技在全球业务方面的安全合规投入,并全面加强了其物联网产品的通信安全和软件安全。
好文章,需要你的鼓励
UniR(Universal Reasoner)是一种创新的推理增强方法,可为冻结的大语言模型提供即插即用的推理能力。由韩国科学技术院研究团队开发,该方法将推理能力分解为独立的轻量级模块,无需改变主模型结构。UniR的核心优势在于高效训练(仅更新小型推理模块)、出色的模型间迁移能力(小模型可指导大模型)以及模块组合能力(多个专用模块可通过logits相加组合使用)。在数学推理和翻译测试中,UniR显著超越现有微调方法,展示了轻量级模块如何有效增强大语言模型的推理能力。
Nebius团队开发了SWE-rebench,一个自动化管道用于从GitHub收集软件工程任务并进行去污染评估。该系统解决了两大挑战:高质量训练数据稀缺和评估基准容易被污染。通过四阶段处理(初步收集、自动安装配置、执行验证和质量评估),SWE-rebench构建了包含超过21,000个Python交互式任务的数据集,并提供持续更新的评估基准。研究发现部分语言模型在传统基准上的表现可能被污染效应夸大,而DeepSeek模型在开源模型中表现最为稳健。
这项研究提出了JQL(发音为"Jackal"),一种通过多语言方法提升大型语言模型预训练数据质量的创新系统。研究团队从拉马尔研究所等机构通过四阶段方法解决了多语言数据筛选的难题:先由人类评估内容教育价值创建基准数据,然后评估大型语言模型作为"评判者"的能力,接着将这些能力提炼到轻量级评估器中,最后应用于大规模数据筛选。实验表明,JQL在35种语言上显著优于现有方法,甚至能泛化到未见过的语言如阿拉伯语和中文,为多语言AI发展提供了高效可靠的数据筛选方案。
浙江大学和西湖大学研究团队开发的Styl3R实现了艺术风格化3D重建的重大突破,能在不到一秒内从少量未标定照片和任意风格图像创建具有多视角一致性的3D艺术场景。通过创新的双分支网络架构将结构建模与外观着色分离,系统不仅保持了原始场景结构,还准确捕捉了参考风格特征。与现有方法相比,Styl3R在处理速度和视觉质量上均显著领先,为创意内容制作开辟了全新可能。