至顶网CIO与CTO频道 12月16日 北京消息(文/王聪彬):2011年,我参与了一场有关基于安全可控软硬件产品云计算解决方案的采访,采访对象就是卿斯汉教授。虽然当时还是云计算应用的早期,他就已经看到了云的未来发展前景,甚至更多的考虑到云安全的威胁。
在信息安全领域卿斯汉教授一直没有停下脚步,1997年卿斯汉教授创办了国际信息与通信安全学术会议ICICS,至今已经有21个年头。目前,会议已经成为国际公认的网络与信息安全类高质量国际学术会议,也是中国计算机学会CCF推荐的网络与信息安全类高质量国际学术会议。
走向世界的ICICS
在会上,中国科学院信息工程研究所网络与系统安全研究室主任、互联网智能设备安全北京市工程实验室主任兼ICICS会议主席徐震介绍到,ICICS会议在创办之初只是纯粹的学术会议,在2000年初开始演变成学术界加工业界的会议方式,希望学术界与工业界能够进行更好的互动、实现相互促进。从创办至今,ICICS会议已经在中国、澳大利亚、新加坡、西班牙、美国、英国、法国等多个国家和地区成功举办,“既让国外的专家走进来,也让国内的专家走出去”。
中国科学院信息工程研究所网络与系统安全研究室主任、互联网智能设备安全北京市工程实验室主任兼ICICS会议主席徐震
ICICS 2019由北京大学、中科院信工所、中科院软件所联合主办,为国内外信息安全学者与专家探讨国际信息与通信安全前沿技术提供平台,对促进我国网络空间安全学科与产业的发展具有十分重要的社会意义。
最早的ICICS只有学术探讨,为了将学术更加和产业结合,从2000年开始增加了工业部分,今年的ICICS也不例外分为了工业和学术两个版块。中国科学院信息工程研究所网络与系统安全研究室主任徐震表示,学术和产业是相互促进,两者产生互动是非常重要的话题。
12月14日为工业部分,这里说的工业并非传统理解的制造业,而是聚焦产业方向,主题也定位万物互联时代的安全。12月15-17日为学术部分,国内外学者将就信息与通信安全的最新研究成果开展学术交流与研讨。
今年也发布了ICICS的Logo,该LOGO由国内新锐设计师刘宜兰女士创意设计,ICICS几个字母和两条弧线构成,远看就像是一个大写的字母Q。据介绍,Q是ICICS会议创办人卿斯汉教授名字的第一个字母,而两条弧线象征着卿斯汉教授一直会温暖的拥抱着ICICS会议。
同时今年的ICICS上播放了一个纪念视频,在视频的最后有这样几个字:不忘初心,再攀高峰。不忘初心,希望会议起到国际国内双向的交流,在信息安全领域搭建平台;再攀高峰,希望会议能在新安全信息技术的新时代,促进信息安全领域的发展。
ICICS的举办地采取一年在国内,一年在国外的方式,这样的模式也让中国的专家走出去,外国的专家走进来。今年ICICS回到中国北京,未来中国的会议也可能走出北京,走进更多的IT一线城市。
学术与产业的交融
近两年ICICS的主题都是云计算与可信计算,今年也根据新的产业趋势将主题定为万物互联时代的安全,这也是会议紧跟当前信息技术所处的阶段,云计算已经走入成熟期,云安全的探讨已经相对成熟和完善。
云计算作为基础在其上可以衍生出各种不同的新型应用和场景,万物互联就是一个时下新的趋势。徐震指出,将物理世界与信息世界进行连接后,将为信息世界的安全防护工作带来许多新的挑战。
ICICS希望学术界和产业界可以共同的进步,徐震认为,万物互联时代的安全需要有自己的基础的硬件和软件能力,但是更关键的如何把安全变成一种服务。
当然不管是国家层面大力推行的自主创新也好,企业也要进一步加强在核心技术上的投入,不仅仅在应用层面进行创新。就像今年国家颁布《中华人民共和国密码法》,未来密码技术也将成为产业的增长点。
在本届ICICS会议工业日中,除了有学术界专家分享《物联网与密码应用》报告,来自阿里巴巴、微软、英特尔、AWS、360、东软、深信服、八分量等多位企业代表也进行了精彩主题演讲。
未来会议也希望吸引更多的产业界代表参与,让技术、人才、产业、资金更有效的碰撞,更加具有影响力。让产业和学术可以有更多的交叉点,甚至定期组织小型的交流会或产业对接会,更好的把握时代的脉搏。
好文章,需要你的鼓励
南洋理工大学研究团队开发了WorldMem框架,首次让AI拥有真正的长期记忆能力,解决了虚拟世界模拟中的一致性问题。该系统通过记忆银行存储历史场景,并使用智能检索机制,让AI能准确重现之前的场景和事件,即使间隔很长时间。实验显示在Minecraft和真实场景中都表现出色,为游戏、自动驾驶、机器人等领域带来广阔应用前景。
AWS通过升级SageMaker机器学习平台来扩展市场地位,新增观测能力、连接式编码环境和GPU集群性能管理功能。面对谷歌和微软的激烈竞争,AWS专注于为企业提供AI基础设施支撑。SageMaker新功能包括深入洞察模型性能下降原因、为开发者提供更多计算资源控制权,以及支持本地IDE连接部署。这些更新主要源于客户需求,旨在解决AI模型开发中的实际问题。
MTS AI研究团队提出RewardRanker系统,通过重排序模型和迭代自训练显著提升AI代码生成质量。该方法让13.4B参数模型超越33B大模型,在多种编程语言上表现优异,甚至在C++上超越GPT-4。通过引入困难负样本和PPO优化,系统能从多个代码候选中选出最优方案,为AI编程助手的实用化奠定基础。