6月28日,在“2018年世界移动大会—上海(MWCS 2018)”期间,北京浩瀚深度信息技术股份有限公司举办新闻发布会,正式发布新一代高性能互联网DPI业务网关HDT5000 流量管理系统,以及跨平台的高性能通用DPI引擎Sniper。这两款性能卓越的里程碑式产品的发布,充分彰显了浩瀚深度在DPI领域的极致技术追求,以及以DPI助力网络运营商洞察流量,深挖大数据价值的愿景和决心。
北京浩瀚深度信息技术股份有限公司总裁张跃致辞
“大数据时代已经来临,全球数据流量爆发式增长,如何实现互联网流量的可视、可管、可控、可追溯、可预测正在成为巨大挑战。”北京浩瀚深度信息技术股份有限公司总裁张跃在发布会上表示,互联网在给我们生活和生产带来便利的同时,也带来了一些困扰,如何防止互联网中的数据被恶意利用,是整个社会关注的焦点,同时也是浩瀚深度的责任和使命。
2018年6月28日是浩瀚深度的成立24周年纪念日,在这样一个具有特殊意义的日子,浩瀚深度基于对DPI的深刻理解,面向业界发布全新的HDT5000流量管理系统和Sniper业务引擎,向“做称量互联网天下的国之栋梁”这一目标迈进。
北京浩瀚深度信息技术股份有限公司CTO陈陆颖发布DPI新产品
互联网已经成为人类活动的“第五空间”。北京浩瀚深度信息技术股份有限公司CTO陈陆颖表示,互联网流量的激增以及业务的快速灵活部署,使得网络架构向高带宽、智能化、弹性化、综合化方向演进。随着云计算、大数据、软件定义网络、IPv6、5G、云网融合等技术的发展,为了满足网络升级的需要,DPI技术正在向着高性能、低时延、集成化、软件化方向发展。DPI+大数据是实现互联网可视、可管、可控的基础构架。
浩深度产品总监侯新军在发布会上详细介绍了HTD5000的性能和特点。HDT5000在业界率先实现单板支持线速4×100GE 接口,在拥有高性能、高可靠特性的同时,也具备良好的拓展性和灵活性。HDT5000采用ATCA双星结构,支40G或100G背板,对外可提供丰富的业务接口,包括100GE 10GE LAN/WAN、10GPOS。整机支持4.8Tbps流量接入能力,支持深度串接和并接两种工作模式,可以通过光开关板提供可靠的光路直通保护功能、支持双电源冗余配置、满足电信级可靠性要求。
作为通用流量管理平台,HDT5000还可以很好地支持第三方提供的交换板、分流板或业务处理卡,同时还能够支持100万条ACL过滤规则和线速识别超过2000种互联网协议和应用,可通过升级配置文件,实现对新应用的支持。
浩瀚深度产品总监李现强详细介绍了智能网络安全可视化引擎Sniper。Sniper提供多达2000种的应用识别能力,并提供API接口,支持用户自定义下发规则。而其高效的算法使得Sniper占用的内存资源和CPU资源很小,使其可广泛应用于路由器、交换机、业务网关等运营商网络设备,也可集成于智能路由器、WIFI、智能终端等大众消费类电子产品中。
目前,Sniper已在实际网络中得到部署和应用。Sniper致力于为物联网、SDN、5G等新技术提供可视化支持,为智慧家庭、智慧企业、智慧城市以及所有需要可视化的智能网络提供技术服务,让智能设备更安全,让智能网络可视化,让未来生活更美好。
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。