至顶网软件频道消息: 微软正试图通过新的安全操作系统和针对微控制器的服务来保护边缘设备。
这个名为Azure Sphere的新堆栈包括经过认证的微控制器、用于这些微控制器的"Azure Sphere"操作系统以及与这些设备相关"Azure Sphere安全服务"。

据悉,Azure Sphere的负责人是Galen Hunt,最新头衔是微软Azure Sphere合作伙伴总经理。
其实,这一新举措并非没有先例。去年,有一篇关于"Sopris项目"的文章,这是微软研究院为保护低成本互联网连接设备进行的一个项目。而Hunt是该项目的负责人之一。
Sopris的项目团队表示,他们正在与芯片合作伙伴联发科(MediaTek)合作,修改他们的一款控制器--支持Wi-Fi的MT7687--以创建高度安全的微控制器原型。
微软的研究人员表示,早期的研究结果表明,"即使是对价格最敏感的设备也应该重新设计,以实现对社会安全至关重要的高设备安全性水平。"
微软在RSA 2018上宣布推出Azure Sphere。根据4月16日宣布该计划的博客透露,该公司宣布推出的新Azure Sphere认证微控制器将实时和应用处理器与微软的内置定制芯片安全技术和连接功能相结合。微软的官员们表示,这种芯片的安全性包括向Xbox "学习"的如何确保这些微控制器和设备的安全。
第一款Azure Sphere芯片将是MediaTek MT3620。微软在这些被其称为"Pluton"的安全多控制器中加入了一个新的安全子系统。根据微软Azure Sphere网站透露,这些控制器本身包含了Cortex-A处理器的强大功能以及Cortex-M类处理器的实时保护。
Azure Sphere OS包含了一个定制化的Linux内核,以及用于隔离代码的安全应用程序容器。由于微软现在更关心的是销售Azure服务而不是让Windows嵌入地到处都是,所以老实说,在这里依靠Linux来定制内核并不令人感到意外。但该公司仍然在吹嘘这是它第一天提供定制的Linux内核。(几年前,微软确实为数据中心交换机构建了一个定制的Linux交换机操作系统,但它并不真正"销售"这个操作系统。)
Azure Sphere安全服务提供身份验证、威胁响应并提供有关设备和应用程序故障的信息。开发人员可以使用Visual Studio Tools for Azure Sphere编写应用程序,并可将其Azure Sphere设备连接到Azure以获取遥测数据、消息传递以及使用Azure IoT Hub和其他服务。
微软官方表示,Azure Sphere到今天还在进行私有预览,开发工具包将在今年年中推出。他们表示,微软预计到2018年年底,第一批Azure Sphere设备将会"上市"。
微软今天也发布了其他一些RSA公告。
该公司推出了Microsoft Automated Threat Detection and Remediation。该功能建立在其Windows Defender Advanced Threat Protection服务之上,增加了条件访问以提供实时风险评估。它将在未来的Windows 10更新中出现。(我不确定这是否意味着会出现在Redstone 4或者5中--我估计很有可能会出现在5中--但是微软表示它现在已经在进行预览了。)
该公司的官员们表示,微软正在为客户和开发人员打造一个Microsoft Intelligent Security Graph的界面。
好文章,需要你的鼓励
洛杉矶大火一年后,亚马逊Ring安全服务推出Fire Watch功能以降低野火风险。该功能集成在Ring应用的邻里版块中,计划今春全美推广。系统依托非营利组织Watch Duty的野火预警,当检测到野火时会通知附近用户,符合条件的户外摄像头将启用AI图像识别监测火情。Ring还推出AI异常事件预警和主动警告功能。但隐私问题仍存争议,多个州因隐私法限制相关AI功能使用。
剑桥大学研究团队首次系统探索AI在多轮对话中的信心判断问题。研究发现当前AI系统在评估自己答案可靠性方面存在严重缺陷,容易被对话长度而非信息质量误导。团队提出P(SUFFICIENT)等新方法,但整体问题仍待解决。该研究为AI在医疗、法律等关键领域的安全应用提供重要指导,强调了开发更可信AI系统的紧迫性。
数据平台Snowflake将谷歌Gemini模型集成到其Cortex AI中,让客户在数据环境边界内访问基础模型。Cortex AI支持跨云推理,无论客户环境运行在AWS、Azure还是谷歌云上。该平台已支持OpenAI、Anthropic等多家模型提供商,采用按需付费模式。客户可通过SQL或API直接访问模型,分析多模态数据并构建AI应用场景。
威斯康星大学研究团队开发出Prithvi-CAFE洪水监测系统,通过"双视觉协作"机制解决了AI地理基础模型在洪水识别上的局限性。该系统巧妙融合全局理解和局部细节能力,在国际标准数据集上创造最佳成绩,参数效率提升93%,为全球洪水预警和防灾减灾提供了更准确可靠的技术方案。