ARM今天发布了一款新型芯片,该芯片具有专门的防篡改功能,可防止黑客对设备的直接物理访问。
据称,这款名为Cortex-M35P的芯片一部分是基于ARM的SecurCore处理器技术,适用于生物识别信用卡和其他所谓包含高度敏感信息的智能卡。ARM认为,联网设备越来越需要类似的保护。
ARM连接设备业务副总裁Paul Williamson在公告中表示:“过去我们很难验证抵御对支付应用的物理攻击。但是,随着物联网发展势头愈发强劲,越来越多的设备与高价值数据相连接,物理攻击面对黑客越来越有吸引力。”
Cortex M35P旨在保护设备免受两种类型的攻击。一类是包括试图通过直接篡改处理器来破坏设备,这往往涉及黑客与系统分离。另一类是不那么有侵入性的策略,基本上涉及对系统的窃听。
后者会有很多变体,并且有属于自己的名称:边信道攻击。例如,黑客可以分析设备产生的电磁场波动,以推断其正在处理的信息。研究表明,系统的功耗水平有时也会泄露敏感数据。
单一受损设备所带来的安全风险本身并不是很大,但是黑客可能会利用从系统收集到的信息来破坏其所连接的网络,以及其他易受类似攻击的设备。
除了防篡改功能外,ARM还为Cortex M35P配备了可阻止依赖恶意软件、更传统的攻击的技术。Cortex M35P使用ARM TrustZone软件隔离机制来限制可能会被黑客滥用的、应用对处理器关键功能的访问。
对于ARM来说,解决连接设备的安全问题是企业的一个重要优先事项。ARM授权给其他半导体制造商的处理器技术,可为绝大多数智能手机以及数十亿支持互联网的设备提供动力。ARM正在通过让下游设备制造商更轻松地保护硬件免受黑客攻击,来满足他们的持续需求。
好文章,需要你的鼓励
研究人员基于Meta前首席AI科学家Yann LeCun提出的联合嵌入预测架构,开发了名为JETS的自监督时间序列基础模型。该模型能够处理不规则的可穿戴设备数据,通过学习预测缺失数据的含义而非数据本身,成功检测多种疾病。在高血压检测中AUROC达86.8%,心房扑动检测达70.5%。研究显示即使只有15%的参与者有标注医疗记录,该模型仍能有效利用85%的未标注数据进行训练,为利用不完整健康数据提供了新思路。
西湖大学等机构联合发布TwinFlow技术,通过创新的"双轨道"设计实现AI图像生成的革命性突破。该技术让原本需要40-100步的图像生成过程缩短到仅需1步,速度提升100倍且质量几乎无损。TwinFlow采用自我对抗机制,无需额外辅助模型,成功应用于200亿参数超大模型,在GenEval等标准测试中表现卓越,为实时AI图像生成应用开辟了广阔前景。
AI云基础设施提供商Coreweave今年经历了起伏。3月份IPO未达预期,10月收购Core Scientific计划因股东反对而搁浅。CEO Michael Intrator为公司表现辩护,称正在创建云计算新商业模式。面对股价波动和高负债质疑,他表示这是颠覆性创新的必然过程。公司从加密货币挖矿转型为AI基础设施提供商,与微软、OpenAI等巨头合作。对于AI行业循环投资批评,Intrator认为这是应对供需剧变的合作方式。
中山大学等机构联合开发的RealGen框架成功解决了AI生成图像的"塑料感"问题。该技术通过"探测器奖励"机制,让AI在躲避图像检测器识别的过程中学会制作更逼真照片。实验显示,RealGen在逼真度评测中大幅领先现有模型,在与真实照片对比中胜率接近50%,为AI图像生成技术带来重要突破。