ZDNet至顶网服务器频道 05月22日 编译:英特尔公司已经采取一系列举措,希望通过发布新型方案的方式帮助容器实现安全性提升,从而推动容器技术升级。
芯片巨头的新思路被命名为“Clear容器”,其依赖于芯片当中的VT-x扩展,旨在增强容器方案的安全性与可扩展能力。VT-x将虚拟化支持能力引入芯片,这不仅能够让CPU在不同虚拟机之间允许资源共享、同时也保证了各套虚拟机间得到切实隔离。
在英特尔方面看来,这一目标在Linux容器上更加难以实现,因为“底层内核仍然会受到来自容器内部的攻击活动的影响。”这显然令人担忧,因为这意味着“运行在同一主机之上的全部容器都可能遭到入侵,无论它们彼此之间是否得到隔离,”也就是说多租户运行环境将因此面临巨大风险并因此变得失去可行性。
英特尔公司认为,对隔离机制加以改进,其拿出的方案是“将虚拟机上的每一套容器与一款经过特别优化的Linux操作系统副本打包,能够有效提升容器方案的安全性水平。而要想达到这一状态,英特尔自家打造的Clear Linux当然必不可少。当然VT-x也必须到位,它的作用是帮助虚拟机在各方面拥有更出色的表现。
芯片巨头的解决思路与CoreOS等方案可以说是南辕北辙、背道而驰,因为英特尔的想法是让每套容器拥有自己的操作系统。这确实让人有点不能理解,因为容器方案当初之所以能够紧紧抓住人们的眼球、甚至让整个业界为之欢呼,就是因为它能够在同一套系统平台之上运行多款彼此隔离的应用程序、从而削减虚拟机的整体体积。英特尔公司之所以对自己的办法如此自信,是因为Clear Linux确实拥有出色的执行效率。效率具体有多高?英特尔并没有谈得太细,但却表示一套Clear Linux虚拟机外加一套容器的总体创建时间与运行在其它堆栈之上的单一容器基本一致。
就目前而言,这套方案只支持KVM。目前还没有迹象表明其将陆续支持其它虚拟机管理程序,也许这可能是因为市场的其它主要竞争对手(即VMware与微软)已经拥有了自己的虚拟机内容器方案及相关操作系统。
这三股技术势力可谓个个来头不小,芯片巨头、虚拟巨头与微软构成了一次震耳欲聋的三重奏。考虑到这一点,我们倒是期待看看CoreOS等实力较弱的对手会如何应对。
英特尔公司同时将其Cloud Integrity Technology(即云集成技术)升级到了3.0版本,因此其Trusted Execution Technology(即受信执行技术,简称TXT)以及Trusted Platform Module(简称TPM)技术方案都将能够与OpenStack顺畅协作。TXT与TPM能够帮助应用程序或者虚拟机对其运行所在的硬件进行验证。如果BIOS、物理或者虚拟机配置无法满足其基本要求,那么该操作系统将不会启动。英特尔公司还承认在今年晚些时候推出OpenStack扩展的3.0版本。相信在这一举措的支持下,OpenStack云方案将迎来更可靠的安全性表现。
好文章,需要你的鼓励
zip2zip是一项创新技术,通过引入动态自适应词汇表,让大语言模型在推理时能够自动组合常用词组,显著提高处理效率。由EPFL等机构研究团队开发的这一方法,基于LZW压缩算法,允许模型即时创建和使用"超级tokens",将输入和输出序列长度减少20-60%,大幅提升推理速度。实验表明,现有模型只需10个GPU小时的微调即可适配此框架,在保持基本性能的同时显著降低计算成本和响应时间,特别适用于专业领域和多语言场景。
这项研究创新性地利用大语言模型(LLM)代替人类标注者,创建了PARADEHATE数据集,用于仇恨言论的无毒化转换。研究团队首先验证LLM在无毒化任务中表现可与人类媲美,随后构建了包含8000多对仇恨/非仇恨文本的平行数据集。评估显示,在PARADEHATE上微调的模型如BART在风格准确性、内容保留和流畅性方面表现优异,证明LLM生成的数据可作为人工标注的高效替代方案,为创建更安全、更具包容性的在线环境提供了新途径。
这项研究由中国科学技术大学的研究团队提出了Pro3D-Editor,一种新型3D编辑框架,通过"渐进式视角"范式解决了现有3D编辑方法中的视角不一致问题。传统方法要么随机选择视角迭代编辑,要么同时编辑多个固定视角,都忽视了不同编辑任务对应不同的"编辑显著性视角"。Pro3D-Editor包含三个核心模块:主视角采样器自动选择最适合编辑的视角,关键视角渲染器通过创新的MoVE-LoRA技术将编辑信息传递到其他视角,全视角精修器修复并优化最终3D模型。实验证明该方法在编辑质量和准确性方面显著优于现有技术。
这项研究提出了ComposeAnything,一个无需重新训练的框架,可显著提升AI图像生成模型处理复杂空间关系的能力。该技术由INRIA、巴黎高师和CNRS的研究团队开发,通过三个创新步骤工作:首先利用大型语言模型创建包含深度信息的2.5D语义布局,然后生成粗略的场景合成图作为先验指导,最后通过物体先验强化和空间控制去噪引导扩散过程。在T2I-CompBench和NSR-1K基准测试中,该方法远超现有技术,特别是在处理复杂空间关系和多物体场景时表现卓越,为AI辅助创意设计开辟新可能。