和以往一样,今年安全依然是微软Ignite 2022的重头戏,微软公布了广泛的产品更新以及旨在帮助企业为数据和应用程序提供更好保护的多项新功能。
此次微软安全产品更新的主要焦点集中在Microsoft Defender for Cloud上,这款多云安全产品把保护的范围从微软Azure扩大到了其他云平台。
Microsoft Defender for Cloud以前是两个独立的产品:Azure Security Center和Azure Defender,旨在为混合云环境提供高级别的威胁防护。去年微软对该平台重新进行命名,宣布与AWS的公有云平台进行集成,之后还集成了Google Cloud。
此次Microsoft Defender for Cloud新增的功能旨在通过跨工作负载扩展威胁保护范围,从而帮助组织加强他们的云安全态势,其中集成的DevOps安全性是一大亮点。
Microsoft Defender for DevOps是一款全新的产品,旨在提供跨多个DevOps环境的更高可见性,为团队提供了一种方法来集中管理DevOps安全性,同时加强代码中的云资源配置。此外,该产品还可以帮助团队在多云环境和多管道环境中优先处理代码中的关键问题。Microsoft Defender for DevOps现在已经提供了预览版,在发布时将支持GitHub、Azure DevOps,并且还会进一步扩展支持范围。
同样推出预览版的还有Microsoft Defender Cloud Security Posture Management,这是一款新的工具,可以提供跨多云资源的集成安全洞察,覆盖DevOps环境、运行时基础架构和外部攻击面。微软表示,Defender CSPM提供了基于新的云安全图的主动攻击路径分析,旨在帮助识别互连工作负载中最有可能被利用的资源。
Microsoft Defender for Cloud中的其他新功能还包括新的云安全基准,这是一个全面的多云安全框架,可以映射跨云和行业框架的最佳实践,以确保多云安全合规性。与此同时,扩展的工作负载保护功能此前针对Azure和AWS上运行采取基于代理的方法,现在也增加了对无代理扫描功能的支持。
Microsoft 365 Defender
微软针对Windows、Office和其他关键软件的保护工具套件新增了反勒索软件功能,微软表示,Microsoft 365 Defender现在可以在检测到勒索软件攻击时自动中断这些攻击行为。
这要归功于Microsoft 365 Defender可以持续不断地收集和关联端点、文档、身份、电子邮件和云应用的信号,将它们作为统一事件进行管理,这样就可以在攻击造成任何损害之前及早识别这些攻击,增强信心。
微软表示,时间对于勒索软件攻击来说至关重要。因此,Microsoft 365 Defender自动发现受影响资产(例如用户身份或端点)的功能会带来巨大的好处,通过这种方式,它可以防止勒索软件横向传播,从而显着降低攻击造成的损失,并使公司更容易进行恢复。
Microsoft Entra Identity Governance
Microsoft Entra Identity Governance是微软安全身份和访问管理产品Microsoft Entra下的一个全新产品,目前已经提供了预览版。微软表示,该产品将帮助组织确保正确的人在正确的时间获得正确的资源。换句话说,它是一款适用于本地环境和基于云的用户目录综合身份治理产品,有望帮助组织简化运营、整合多种身份解决方案以及支持合规性。
Microsoft Entra Identity Governance的功能包括可自动执行重复任务的生命周期工作流、与本地资源的连接以确保所有用户策略一致,以及权利管理中的职责分离以确保合规性。
Microsoft Entra本身也进行了更新,新增了一项新功能Workload Identities,这是一种用于管理和保护数字工作负载(例如应用和服务)身份的工具,还可以控制对云资源的访问。有了它,客户就可以使用条件访问创建基于风险的策略,检测和响应受损的工作负载身份,并实施访问权限以强制执行最低权限访问。
另一项新功能是基于证书的身份验证,一种新的多因素身份验证方法,符合美国网络安全行政命令,现在也处于预览状态。微软表示,企业可以采用这种易于部署的、防网络钓鱼的身份验证方式。
最后,Microsoft Entra新增了围绕条件访问身份验证上下文的功能,使客户能够更精细地设置访问策略,包括用户在应用中执行的特定操作。现在该功能已经面市,让企业客户可以在关键业务应用中进行密钥更改或者访问机密数据时要求加强身份验证。
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。