Security
PulseAugur coverage of Security — every cluster mentioning Security across labs, papers, and developer communities, ranked by signal.
9 天有情绪数据
-
Snowflake 旨在成为企业人工智能的控制平面
Snowflake 正将自己定位为企业人工智能的中央控制平面，专注于生产、数据治理和安全性。该公司旨在管理人工智能代理并在企业环境中确保数据完整性。这一战略举措凸显了 Snowflake 在企业人工智能运营中发挥关键作用的雄心。
-
阿里云通过新数据中心扩展在韩国的业务，并加强AI服务
阿里云已在韩国开设其第三个数据中心，扩大了在该地区的业务基础设施。新设施将支持公司不断增长的AI代理相关服务，旨在加强其云服务。此次扩张凸显了阿里云致力于为韩国市场提供强大的云基础设施和安全解决方案。
-
作者在 DEV Community 上构建工具以按标签跟踪文章表现
作者开发了一个 Python 脚本来跟踪他们在 DEV Community 上按标签分类的文章的表现。该脚本分析了诸如点赞和评论等指标，以确定哪些主题最能引起读者的共鸣。初步分析显示，“mcp”标签的平均表现最佳，但进一步检查发现，一篇文章严重影响了包括“mcp”、“security”、“agents”和“ai”在内的多个标签的结果。这一发现凸显了异常文章对平均表现指标的影响，并表明需要进行比简单平均值更细致的分析。
-
人工智能与加密货币的融合：探索去中心化计算和人工智能代理
人工智能与加密货币的融合正在创造新的可能性，特别是在去中心化计算和人工智能代理等领域。这些技术正在探索在数据市场、模型访问、智能合约、数字所有权和增强安全性方面的应用。此次整合旨在利用区块链的能力来满足人工智能对数据和处理日益增长的需求。
-
新的DRBENCHER基准测试AI代理的综合浏览和数学技能
研究人员推出了DRBENCHER，这是一个旨在评估AI代理结合网络浏览和多步数学计算能力的基准。与以往单独评估这些技能的基准不同，DRBENCHER从知识图中综合问题，要求代理识别实体、检索属性并执行特定领域的计算。该基准涵盖五个领域：生物化学、金融、地球物理学、安全和历史。人工评估显示有效率为76%，其中相当一部分错误归因于过时的知识图数据，而即使是先进的前沿模型在该基准上的准确率也仅为20%。
-
AI 生成代码面临错误、安全和复杂性方面的挑战
AI 生成的代码带来了严峻的挑战，主要围绕引入错误和安全漏洞。此外，这些代码的复杂性以及后期理解的难度给开发人员带来了巨大的障碍。这些问题共同影响了使用 AI 辅助开发的软件的可靠性和可维护性。
-
到2026年，人工智能将通过10项新的智能功能彻底改变智能手机
人工智能有望在2026年显著改变智能手机，引入十项新功能，提升用户体验。这些进步将涵盖摄影、实时翻译、电池管理和安全等领域，使设备更智能、功能更强大。
-
CIO 将安全和 IT 现代化投资置于首位
首席信息官们正优先投资于安全和 IT 现代化。这一战略重点旨在加强数字基础设施并确保强大的数据保护。这一趋势表明，正朝着加强基础 IT 系统以支持更广泛的数字化转型举措转变。
-
Okta斥资约2亿美元收购AI安全初创公司Permiso
Okta已同意以约2亿美元的全现金交易收购AI身份安全初创公司Permiso Security。此次收购旨在加强Okta在保护AI代理和其他机器身份方面的能力，因为企业越来越多地部署自主软件。Permiso的技术专注于检测云环境中AI代理的可疑活动和恶意行为，从而增强Okta的身份安全产品。
-
平台工程 2.0 应对 AI 安全与合规风险
平台工程 2.0 被提出作为一种解决方案，以应对人工智能日益增长的安全与合规风险。这一从早期平台工程方法演变而来的方法旨在更有效地应对这些挑战。更新后的方法侧重于减轻潜在威胁，并确保在人工智能开发和部署中遵守相关法规。
-
Google 的自拍照登录被抨击为安全噩梦
Google 新的基于自拍照的登录系统因存在重大的安全和隐私风险而受到批评。批评者认为，要求用户上传面部数据进行身份验证是“安全噩梦”，并引发了对潜在数据收集的担忧。
-
Basis AI 使用 LLM 查找 Linux 网络堆栈中的错误
Basis AI 开发了一种使用大型语言模型（LLM）来识别和消除 Linux 网络堆栈中错误的方法，特别针对 nftables 组件。该方法利用基于 LLM 的验证来增强关键网络基础设施的安全性和可靠性。目标是在漏洞被利用之前主动发现并修复它们。
-
德国BSI发布人工智能可信度草案目录
德国联邦信息安全局（BSI）发布了一份草案目录，概述了人工智能系统可信度的标准。该文件旨在为评估和确保人工智能应用的可靠性和安全性建立标准。BSI正在就该草案目录征求公众意见。
-
独立GP Ashley Smith 筹集 2500 万美元，用于投资人工智能和安全初创公司
独立GP Ashley Smith 推出第二支基金，总额达 2500 万美元。这支新基金将专注于投资人工智能和安全领域（以及其他领域）的早期初创公司。此举标志着 Smith 继续致力于支持新兴科技公司。
-
银行快速采用人工智能，安全准备不足
金融机构正在迅速采用人工智能技术，其速度超过了必要安全措施的开发和实施。人工智能的加速整合带来了重大风险，因为目前的安保协议可能无法应对这些先进系统带来的复杂性和漏洞。人工智能采用与安全准备之间的差距凸显了银行业面临的关键挑战。
-
LLMOps 将 Evals、可观测性和安全性集成到 CI/CD 流水线中
本文详细介绍了 LLMOps 的实现，LLMOps 是专注于管理大型语言模型 (LLM) 的 MLOps 的一种专门形式。它强调将 Evals、可观测性和安全性集成到自动化的 CI/CD 流水线中，每次 GitHub 推送都会触发。该方法将提示视为代码，利用版本管理和自动化评估来确保部署前的质量和安全。与传统 MLOps 的关键区别包括提示版本控制、幻觉监控和成本管理。
-
Fastly 使用基尼系数进行 AI 驱动的边缘容量规划
Fastly 为其边缘网络开发了一种新颖的容量规划模型，该模型利用了通常在经济学中用于衡量不平等的指标——基尼系数。事实证明，与传统的机器学习模型相比，这种方法在预测游戏发布或体育赛事直播等重大事件期间的流量波动方面更有效。基尼系数有助于 Fastly 理解流量不平等，这直接影响缓存行为、CPU 利用率和整体网络余量，从而能够做出更准确的基础设施投资决策。
-
FreeBSD 使用 AI 查找和修复安全漏洞
FreeBSD 项目已启动一项新计划，利用人工智能识别和修复其操作系统中的安全漏洞。该 AI 辅助项目旨在通过主动发现和解决潜在弱点来增强 FreeBSD 的安全态势。该举措强调了将 AI 工具集成到核心软件开发和维护流程中的日益增长的趋势。
-
Fast Company 展示了应对商业和社会需求的 AI 创新
Fast Company 重点介绍了一些利用人工智能解决重大业务挑战和推动各行业发展的项目和公司。这些举措在安全、健康和其他关键领域找到了人工智能的创新应用，展示了该技术推动变革和解决复杂问题的潜力。
-
Skillshare集中管理AI代理提示，带来新的安全漏洞
Skillshare正在开发一个共享软件层来管理AI代理指令文件，允许用户从单个目录中同步超过60个AI工具的编码提示。然而，这种整合带来了重大的安全风险，因为这些技能文件中26%包含当前安全扫描无法检测到的风险模式。一个被攻破的指令文件可能会影响所有连接的AI模型。