实体
Harsh Singhal
Harsh Singhal
PulseAugur coverage of Harsh Singhal — every cluster mentioning Harsh Singhal across labs, papers, and developer communities, ranked by signal.
总计 · 30天
2
90 天内 3
发布 · 30天
0
90 天内 0
论文 · 30天
0
90 天内 0
层级分布 · 90 天
主题
情绪 · 30 天
2 天有情绪数据
最近 · 第 1/1 页 · 共 3 条
-
人工智能在数据丢失防护中的作用：从检测走向判断
传统的数据丢失防护（DLP）工具通过模式匹配专注于检测，但这种方法存在局限性。一项最新研究发现，来自正则表达式和以个人身份信息（PII）为重点的模型，其80%以上的发现都是误报，这凸显了人工判断的必要性。作者 Harsh Singhal 提出，能够理解上下文和组织特定信息的代理式人工智能系统，更适合弥合数据安全中检测与决策之间的差距。
-
科技领导者被敦促质疑AI和自动化需求
在实施人工智能和自动化之前，技术领导者被建议提出关键问题，以确保这些举措符合真正的业务需求。专家建议深入探讨AI解决方案将要解决的具体问题、预期成果以及底层流程是否已经优化。重点应放在解决核心业务挑战上，而不是为了技术而采用技术，因为更简单的解决方案可能更有效。
-
人工智能安全呼应昔日战役：从杀毒与反垃圾邮件中汲取教训
随着人工智能威胁的兴起，安全行业正经历一个熟悉的模式，这与杀毒、反垃圾邮件和Web应用程序安全领域的过往周期相似。Glean的Harsh Singhal指出，尽管提示注入和模型供应链妥协等人工智能安全挑战看似新颖，但其底层结构是概率性的，需要自适应防御。以往安全战役的关键教训，如纵深防御、用于检测的快速反馈循环以及可审计性的重要性，对于保护人工智能系统仍然至关重要。