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
据报道,苹果公司高管已就收购Perplexity AI展开内部讨论。这家总部位于旧金山的公司运营着一款由人工智能驱动的消费者搜索引擎,能够生成自然语言回复而非传统网页列表。Perplexity在最近融资中获得140亿美元估值,月活跃用户超过1500万,每月查询量增长20%。苹果企业发展副总裁已与多位高管讨论此收购想法。
清华大学团队开发了CAMS智能框架,这是首个将城市知识大模型与智能体技术结合的人类移动模拟系统。该系统仅需用户基本信息就能在真实城市中生成逼真的日常轨迹,通过三个核心模块实现了个体行为模式提取、城市空间知识生成和轨迹优化。实验表明CAMS在多项指标上显著优于现有方法,为城市规划、交通管理等领域提供了强大工具。
数据中心防护涂层正成为应对能耗上升和温室气体排放的关键解决方案。随着行业快速扩张带来环境挑战,这些创新涂层技术为平衡数字化增长与环境责任提供重要工具。专业涂层可延长设施寿命、降低维护成本,同时通过隔热涂层、反射涂层等技术优化能效,减少冷却系统负担。未来涂层将与被动冷却技术结合,支持可持续发展目标实现。
MIT研究团队发现了一个颠覆性的AI训练方法:那些通常被丢弃的模糊、失真的"垃圾"图片,竟然能够训练出比传统方法更优秀的AI模型。他们开发的Ambient Diffusion Omni框架通过智能识别何时使用何种质量的数据,不仅在ImageNet等权威测试中创造新纪录,还为解决AI发展的数据瓶颈问题开辟了全新道路。