ZDNet至顶网软件频道消息:金融是国内最早开展信息化的行业之一,经过几十年信息化建设与应用,金融机构内积累了海量的历史数据。随着移动互联、云计算、大数据等新兴技术的发展和终端应用的日趋频繁,金融机构信息数据的持续激增并高度集中,在这样的形势下,金融信息安全备受关注,尤其是涉及金融机构核心技术、敏感信息等数据的安全性面临更为严峻的考验。
关注金融安全,自主中间件筑就安全基石
金融业关系国家经济命脉,一直是网络攻防战的重要阵地。据外媒报道,美国一项名为“追踪金钱”的监测项目,就专门关注国际上银行金融交易往来,美国为此专门建立了一个名为Tracfin的金融数据库,用以存储从各个金融机构得到的信息,早在2011年,这一数据库的信息量就高达1.8亿条。
数据泄露只是金融业面临的安全风险之一,金融IT基础设施、应用系统等软硬件的安全性也非常重要。目前,我国金融行业的网络基础设施、大型机、数据库、操作系统、核心业务系统等几乎都被国外垄断,存在着难以预知的安全风险。另一方面,随着金融业务的快速发展,相关数据整合将越来越频繁,如何避免数据在存储、传输、使用等过程中被国外机构非法监听或窃取,进而保障金融信息安全?很显然,国产软硬件产品或平台的使用将成为关键,这就需要国内金融IT建设者们、以及各类本土IT厂商共同努力。
东方通是中国中间件的开拓者和领导者,很多技术产品的产生和发展均来自于金融行业的客户需求驱动,是经过市场验证的过硬产品。例如在银行业文件传输方面,东方通推出的以TongGTP和TongWTP为核心的专业解决方案,支持金融数据传输的同时,还能对传输任务、进度等进行集中管控,打造出可靠、高效、安全、可管理的文件传输服务基础设施。东方通文件服务平台已成功应用于众多城市商业银行及国有商业银行,并向政策性银行、农信社等领域快速延伸。
除了文件服务平台,东方通的其他产品及服务也在国产软件中承载着“替代”的重任。例如TongLINK/Q已广泛应用于小额批量支付、二代网银互联、电子商业汇票等6大支付业务系统20余种业务类型;在国家外汇管理局国产Java服务器应用项目中,TongWeb成功替代了国外同类产品,其应用范围还涉及人行电子商业汇票等金融信息化领域。此外,东方通交易中间件TongEASY等产品也实现了规模化市场应用,以安全可控的基础平台促进金融数据整合与IT系统运行,为金融信息安全铸就了安全可控的坚实基础。
着眼未来,东方通高擎基础软件“国产化”新旗帜
近年来,我国积极倡导和保护自主创新,鼓励自主核心技术的研发和应用,可见国产化态度越来越积极和坚决。各行业去“IOE”、去“IOH”浪潮此起彼伏。本土企业经过长期的筹谋和持续积累,在技术水平、产品成熟性等方面逐渐拉近与跨国企业的距离,国产软硬件产品获得了证明自己实际应用价值的良好机遇。在金融行业,目前一些大型银行机构已陆续开展国产化的技术调研和项目推进。东方通凭借着在金融行业规模化应用的成功实践,已成为全国产“替代”进程中最受关注的软件厂商。
为此,东方通更加积极地通过多种措施推动和践行国产化:一是制定技术替代策略,通过应用开发接口优化、联调测试等方式,提高技术替代的效率;二是技术标准策略,东方通已参与JavaEE等国际标准制定,并推出TongWeb等与国际先进水平同步的产品;三是深入挖掘用户需求,提供针对性的产品及解决方案,取得了良好的市场效果。此外,东方通还积极与产业链上下游企业深入合作,借助产业链的力量,对抗跨国企业的一体化IT解决方案,加快国产化IT软硬件替代进程。今年5月,东方通就携手神州信息等四家本土领军企业,共同组建了“安全可靠解决方案应用推广联盟”。同时,东方通还与浪潮等国内主要IT软硬件企业联合成立国产主机系统产业联盟,依托产业各方在产品、技术、行业资源等方面的优势互补,不断增强我国自主IT产业的核心竞争力与市场号召力。
近日,东方通发布公告,收购经营服务器虚拟化以及云管理平台系列软件业务的北京同德一心科技有限公司100%股权。此次收购,使东方通在基础软件领域的布局更加完善,标志着东方通开始从国产中间件专业厂商转型成为基础软件产品及云计算、大数据整体解决方案提供商。
可以预见,在当前日益复杂的信息安全形势下,在各项国产化政策的给力支持下,金融机构、本土IT厂商等产学研用各方将进一步努力,加速推进国产软硬件替代步伐,增强金融IT系统的自主可控能力。东方通必将会用更加先进的产品和技术与自身积累多年的市场应用优势相结合,走出一条国产基础软件创新、完全自主可控的全新模式。
好文章,需要你的鼓励
这项研究由浙江大学、复旦大学等机构联合完成,提出了ReVisual-R1模型,通过创新的三阶段训练方法显著提升了多模态大语言模型的推理能力。研究发现优化的纯文本冷启动训练、解决强化学习中的梯度停滞问题、以及分阶段训练策略是关键因素。ReVisual-R1在各类推理基准测试中超越了现有开源模型,甚至在某些任务上超过了商业模型,为多模态推理研究开辟了新途径。
这项研究提出了一种名为"批评式微调"的创新方法,证明仅使用一个问题的批评数据就能显著提升大语言模型的推理能力。研究团队对Qwen和Llama系列模型进行实验,发现这种方法在数学和逻辑推理任务上都取得了显著提升,平均提高15-16个百分点,而且只需要强化学习方法1/20的计算资源。这种简单高效的方法为释放预训练模型的潜在推理能力提供了新途径。
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。