AWS近日推出了多项新功能帮助客户检测云环境中的恶意软件,保护软件应用。
AWS在re:Inforce大会上发布了这些功能,并将其作为两款现有服务——Amazon GuardDuty和Amazon Detective——的一部分提供给客户。
GuardDuty是一种托管服务,旨在检测云环境中的恶意活动,例如,该服务可以检测黑客什么时候尝试从重要的云应用下载业务数据,此外还可以发现其他类型的恶意活动。
AWS将扩展GuardDuty的功能集,新增一个名为GuardDuty Malware Protection的工具,让该服务不仅可以检测恶意活动,还可以检测恶意文件。
GuardDuty Malware Protection工具可以扫描各种文件中的恶意软件。AWS表示,该工具能够检测Windows和Linux程序中的恶意代码,以及PDF文档、软件安装程序、脚本和其他很多类型的文件。
该服务可以在企业的AWS环境中检测到可疑活动时,自动启动恶意软件扫描。“例如,当EC2实例与已知为恶意的命令和控制服务器通信或者正在对其他EC2实例执行DoS或者暴力攻击的时候,就会触发恶意软件扫描,”AWS EMEA地区首席布道师Danilo Poccia在近日发表的一篇博文中进行了详细介绍。
GuardDuty Malware Protection通过在附加到实例的Amazon EBS卷中搜索恶意软件。EBS卷是用于保存实例文件的存储容量池。GuardDuty Malware Protection创建实例的EBS卷副本,然后在不影响原始数据的情况下,扫描该副本以查找恶意软件。
GuardDuty Malware Protection通过集中式控制台提供恶意软件扫描结果,可示在EC2实例中检测到的恶意软件类型、发现的恶意文件数量以及其他数据点。
如果管理员需要有关恶意文件的其他数据,那么控制台会提供一个快捷方式,可以快速启动AWS Amazon Detective服务,该服务提供了多项功能可以让管理员用来调查数据泄露问题。除了推出GuardDuty的增强功能之外,AWS还在re:Inforce大会上发布了Detective的更新。
更新之后的Detective现在可用于调查那些会影响到运行在Amazon Elastic Kubernetes Service(EKS)的工作负载的网络安全事件,该服务是Amazon对Kubernetes的一种托管实施。
管理员调查数据泄露,并找出导致数据泄露的原因,以及有多少系统受到影响,这往往需要收集有关事件的大量技术信息。据AWS称,Detective简化了流程,可以自动收集泄露有关的数据,并使用机器学习对数据进行梳理以便分析。
为了帮助企业调查影响那些影响EKS容器工作负载的网络安全事件,Detective现在可以从EKS中提取数据了。Detective可以从基于EKS的Kubernetes环境中收集用户和应用活动的数据,分析在所谓Kubernetes控制平面(一组用于运行Kubernetes平台关键软件组件的云实例)中生成的活动。
AWS首席开发者布道师Channy Yun在博客文章中解释称:“Detective使用CloudTrail自动关联用户活动,使用Amazon VPC Flow日志自动关联网络活动,无需你手动启用、存储或者保留日志。”
AWS还公布了网络安全产品组合的更新。AWS公布了AWS Wickr预览版,一种端到端加密的企业通信服务,基于Amazon.com去年收购的软件产品。此外,AWS还将推出一些功能,让企业在购买第三方软件产品之前更容易地对其安全性进行评估。
AWS通过这些新功能扩展了已经很广泛的网络安全功能阵容。AWS提供的服务可供企业用来设置防火墙、保护他们的安全密钥以保护业务数据并阻止分布式拒绝服务攻击。AWS的网络安全产品组合还涵盖了其他多种用途。
好文章,需要你的鼓励
前谷歌资深工程师David Petrou创立的AI初创公司Continua宣布完成800万美元种子轮融资,由GV领投。该公司开发AI智能体技术,可加入SMS、iMessage和Discord等群聊平台,为用户协作提供智能支持。Continua能够在群聊中自动设置提醒、发起投票、添加日历邀请或生成待办清单,解决群聊混乱问题。公司通过微调技术让AI理解群聊动态,具备社交智能,只在需要时提供帮助。
艾伦人工智能研究院开发的MolmoAct是首个开源的机器人空间推理模型,通过"看懂-规划-执行"三步思考法让机器人具备类人的空间理解能力。它不仅在多项基准测试中表现优异,还支持直观的视觉轨迹调教,用户可直接在屏幕上画线指导机器人行为。研究团队完全开源了模型、代码和数据集,为全球机器人研究提供强大基础平台。
Anthropic宣布为企业客户增加Claude单次提示词的信息处理量,以吸引更多开发者使用其AI编程模型。Claude Sonnet 4现支持100万token上下文窗口,可处理75万词或7.5万行代码的请求,是此前限制的5倍,超过OpenAI GPT-5的40万token。该功能也将通过Amazon Bedrock和Google Cloud等云合作伙伴提供。更大的上下文窗口有助于AI模型更好地处理软件工程问题和长期自主编程任务。
这项由北京大学和清华大学联合完成的研究首次提出时间自奖励语言模型,通过"锚定拒绝"和"未来引导选择"策略解决了AI自学习中的梯度消失问题。该方法让AI既能从过去的低水平样本中学习反面教材,又能向未来的高水平样本学习正面目标,成功维持了清晰的学习对比信号,在多个基准测试中显著优于传统自奖励方法。