集成将加快检测、调查和响应,以帮助进一步保护AWS环境
2018年11月30日——致力于将数据转化为行动和价值的Splunk公司宣布与新推出的Amazon Web Services(AWS)Security Hub集成。AWS Security Hub提供全面的视图来管理安全警报并为AWS客户自动处理合规检查。Splunk Enterprise和Splunk Phantom与AWS Security Hub的集成旨在帮助客户进一步加快对其AWS安全环境中潜在威胁的检测、调查和响应。
Splunk公司高级副总裁兼安全市场总经理宋海燕表示:“随着企业不断迁移到云端,其数据分散在整个企业中,需要确保团队正在监控和分析这些数据,以便检测到潜在威胁并迅速做出响应。Splunk支持AWS Security Hub,这使得我们的客户能够把分析驱动型方法用于安全领域,并通过自动化和编配功能来扩展其安全操作。”
Splunk还可以利用Amazon CloudWatch Events,直接从AWS Security Hub为客户提供数据。在此,Splunk可以直接在Splunk平台上监控并识别AWS Security产品(例如:Amazon GuardDuty、Amazon Inspector和Amazon Macie)中的潜在威胁。此外,Splunk集成后可支持无服务器自动化,以便收集来自AWS Security Hub的调查结果,将其发送到Splunk平台中的HTTP事件收集器。通过Splunk Phantom App for AWS Security Hub应用,可以把结果发送至Phantom,从而通过其它威胁情报信息来自动丰富上下文或执行自动响应操作。通过在调查结果中加入更广泛的背景信息,安全团队可以做出明智的决策并迅速采取行动。
Amazon Web Services 公司安全与服务副总裁Dan Plastina 表示:“当今的安全团队不仅负责防止安全漏洞和应对潜在威胁,而且还需要了解使其企业有效运作并合规的最新规则和法规。我们正在与Splunk合作,使我们的客户能够在Splunk平台上延续AWS Security Hub调查,并实施其Splunk Phantom自动化手册。”
为进一步扩展面向AWS客户的Splunk安全解决方案,Splunk Phantom AMI已经在AWS Marketplace上推出。Phantom使自动处理、编配和响应AWS环境中的威胁变得简单而直接。AWS客户可在AWS Marketplace上启动Splunk Phantom AMI。
好文章,需要你的鼓励
新加坡国立大学研究团队开发了名为IEAP的图像编辑框架,它通过将复杂编辑指令分解为简单原子操作序列解决了当前AI图像编辑的核心难题。研究发现当前模型在处理不改变图像布局的简单编辑时表现出色,但在需要改变图像结构时效果差。IEAP框架定义了五种基本操作,并利用思维链推理技术智能分解用户指令,实验证明其性能显著超越现有方法,尤其在处理复杂多步骤编辑时。
Character AI的研究者开发出TalkingMachines系统,通过自回归扩散模型实现实时音频驱动视频生成。研究将预训练视频模型转变为能进行FaceTime风格对话的虚拟形象系统。核心创新包括:将18B参数的图像到视频DiT模型改造为音频驱动系统、通过蒸馏实现无错误累积的无限长视频生成、优化工程设计降低延迟。系统可让多种风格的虚拟角色与人进行自然对话,嘴型与语音同步,为实时数字人交互技术开辟了新可能。
这项由中国人民大学高瓴人工智能学院研究团队发表的研究解决了大语言模型评判中的自我偏好问题。研究提出了DBG分数,通过比较模型给自身回答的分数与黄金判断的差异来测量偏好度,有效分离了回答质量与自我偏好偏差。实验发现,预训练和后训练模型都存在自我偏好,但大模型比小模型偏好度更低;调整回答风格和使用相同数据训练不同模型可减轻偏好。研究还从注意力分析角度揭示了自我偏好的潜在机制,为提高AI评判客观性提供了重要指导。
这篇研究提出了DenseDPO,一种改进视频生成模型的新方法,通过三大创新解决了传统方法中的"静态偏好"问题:使用结构相似的视频对进行比较,采集细粒度的时序偏好标注,并利用现有视觉语言模型自动标注。实验表明,DenseDPO不仅保留了视频的动态性,还在视觉质量方面与传统方法相当,同时大大提高了数据效率。这项技术有望推动AI生成更加自然、动态的视频内容。