ZDNet至顶网软件频道消息:互联网的蓬勃发展,以及信息化水平的不断提高,导致网络安全的防护变得更加复杂和困难。《网络运维与管理》杂志指出,传统的安全防护体系不能适应当今的网络安全需求。
盈世Coremail也认为,网络技术和形态的变化,相应也会引发安全威胁的变化,“现在我们要打的不只是简单的防卫战,而是纵深的抗击战。”在新兴的安全威胁面前,电子邮件的安全防护技术和体系将发生怎样的变化呢?
专家指出,移动终端安全、大数据和云查杀,将成为未来邮件安全技术的三个关键词。
移动办公安全是电子邮件供应商首要解决的问题,因为89.7%的人说有移动办公需求(该调查结果来源于IT168)。现在,中国拥有12亿手机用户,他们随时都可能使用自己的手机访问公司邮箱,邮件收发过程中潜藏的泄密风险难以预测。
其次,大数据时代,使得邮件信息,尤其是机密邮件信息更容易成为黑客的攻击目标,因此电子邮件供应商需要利用云技术,保障邮件数据安全。
无缝集成+远程擦除
在移动办公趋势下,很多邮件供应商都推出了移动应用。然而,很多移动电子邮件应用并不安全。某安全机构的报告显示,“九成移动应用存在安全漏洞”,这些漏洞会导致公司和个人的邮件数据泄露。
盈世Coremail,是国内最早关注移动互联网的邮件系统供应商之一,2011年就推出Coremail Push移动应用。Coremail基于多年的电子邮件研发经验、以及对移动互联网的思考,挑选微软正版授权的Active sync协议进行合作。该协议已经内置到各类手机邮件客户端,兼容性和安全性都得到验证。同时,Coremail还将Push应用与客户自建的Coremail邮件服务器无缝集成,确保客户能够完全、自主地管理企业邮箱。
为防止移动设备上的机密信息泄漏,Coremail Push配置了数据远程擦除功能。如果用户的手机、平板电脑等移动设备不慎丢失,那么通过Coremail Push可以设备上所有的邮件、联系人、日程信息删除,把设备系统还原为出厂默认状态。
最重要的是,用户可以利用Coremail邮件系统的“全终端多设备同步”功能,将丢失设备上的数据同步到其他移动设备上,不耽误任何工作。
大数据+云技术
大数据时代的来临,对电子邮件行业的影响是首当其中,最可怕的不只是垃圾邮件泛滥,还有垃圾邮件的传播渠道和特征不断演变。
卡巴斯基实验室研究发现:今年第一季度,针对手机用户的垃圾邮件攻击数量有所增长,而且欺诈者开始冒充手机应用发送虚假消息、传播恶意软件和病毒。分析指出,手机用户,习惯于同步联系人列表以及通过邮件同步接收手机应用发送的消息,这就为黑客提供了新型的攻击媒介。
此外,垃圾邮件攻击者也越来越聪明,攻击伎俩更加诡秘和复杂。“要精准辨别各类垃圾邮件,可能真的要像孙悟空一样练成火眼金睛才行”,安全专家认为,诸如Coremail反垃圾云服务这样融合了大数据和云技术的产品,才能更好地应对垃圾邮件的威胁。
Coremail邮件系统提供的反垃圾云服务,通过对6亿用户垃圾信息样本的采集,以及反垃圾邮件数据库实时更新技术,全面抵御垃圾邮件的侵袭。据悉,所有实时更新的数据,都来源于国内百万探针邮箱、以及数以亿计的数据收集分析网关。基于这样庞大的数据资源,Coremail再启用反垃圾邮件策略分析中心(CAC中心)进行分析,就能及时、高效、精准地过滤垃圾邮件。
“有了Coremail云反垃圾平台,我们再也不用担心新型的或变异的垃圾邮件,就算是改头换脸云反垃圾平台也能让它们无所遁形”,某公司的IT经理高兴地说,自从部署了Coremail反垃圾云服务后,公司同事都反映垃圾邮件大幅度减少。
好文章,需要你的鼓励
邻里社交应用Nextdoor推出重新设计版本,新增本地新闻、实时警报和名为"Faves"的AI功能,用于发现本地商户和地点。该应用与3500家本地出版商合作提供新闻内容,通过Samdesk和Weather.com提供天气、交通、停电等实时警报。Faves功能利用15年邻里对话数据训练的大语言模型,为用户提供本地化AI推荐服务,帮助用户找到最佳餐厅、徒步地点等本地信息。
Skywork AI推出的第二代多模态推理模型R1V2,通过创新的混合强化学习方法,成功解决了AI"慢思考"策略在视觉推理中的挑战。该模型在保持强大推理能力的同时有效控制视觉幻觉,在多项权威测试中超越同类开源模型,某些指标甚至媲美商业产品,为开源AI发展树立了新标杆。
英国生物银行完成了世界上最大规模的全身成像项目,收集了10万名志愿者的超过10亿次扫描数据,用于研究人体衰老和疾病过程。该项目历时11年,每次扫描耗时5小时,投资6200万英镑。目前已有8万人的成像数据供全球研究人员使用,剩余数据将于年底前发布。项目已开发出能预测38种常见疾病的AI工具,并在心脏病、痴呆症和癌症诊断方面取得突破。
这项由北京大学等多所高校联合完成的研究,首次对OpenAI GPT-4o的图像生成能力进行了全面评估。研究团队设计了名为GPT-ImgEval的综合测试体系,从文本转图像、图像编辑和知识驱动创作三个维度评估GPT-4o,发现其在所有测试中都显著超越现有方法。研究还通过技术分析推断GPT-4o采用了自回归与扩散相结合的混合架构,并发现其生成图像仍可被现有检测工具有效识别,为AI图像生成领域提供了重要的评估基准和技术洞察。