微软近日宣布了 "安全未来计划"(Secure Future Initiative),这是一项广泛的内部工作,旨在提高其产品的安全性。
该项目的首要目标是降低代码漏洞进入该公司软件产品的几率。此外,如果安全漏洞确实进入了产品,微软还会努力加快修复速度。微软还计划加强网络安全运营的一些其他部分,例如其管理客户登录请求的方式。
这一行动是在微软遭遇了两起备受瞩目的网络安全事件之后推出的。安全未来计划的首要任务是减少微软产品中安全漏洞的出现。为此,公司将让开发人员更多地使用内存安全编程语言,如Java、C#和Python。用这些语言编写的代码不太容易受到某些类型漏洞的影响,而这些漏洞会被黑客用来窃取数据。
应用程序保存数据的RAM被划分为许多称为缓冲区(buffer)的小段。内存安全语言会自动管理数据在缓冲区之间的移动。因此,开发人员不必手动编写内存管理代码,这意味着出现漏洞的机会更少。
微软还计划以其他方式增强其产品的安全性。该公司的开发人员将更广泛地采用由GitHub开发的开源工具CodeQL,它可以自动扫描代码查找漏洞。此外,微软还将简化威胁建模的方式,即在内部系统中搜索安全漏洞的流程。
除了减少进入生产阶段的漏洞数量,微软还希望能更快地修复开发人员在发布前没有发现的漏洞。公司设定的目标是将云服务漏洞的修复速度提高一倍。
作为这项工作的一部分,微软正在推出一种新的、被称为dSDL的修复方法。它依靠CI/CD(即持续集成和持续交付)软件来促进安全补丁的快速发布。CI/CD工具可以将部署软件工作中很多原来耗时费力的手工任务自动化,让开发人员能够每天推出多达数次的应用程序更新。
微软安全执行副总裁Charlie Bell在一篇博文中写道:“我们将采用持续集成和持续交付(CI/CD)的概念,在编码、测试、部署和运行过程中不断集成针对新兴模式的保护措施。”
微软的安全未来计划还有其他内容。该公司计划为客户推出更安全的默认设置,并增加对微软身份验证库(Microsoft Authentication Library)等身份验证库的使用。这些软件工具可以让黑客更难以使用窃取或伪造的登录凭证登录客户账户。
最后,微软将把用于支持其部分身份识别功能的加密密钥转移到“集成、加固的 Azure HSM”。HSM(即硬件安全模块)是一种耐高温芯片或服务器,专门用于存储敏感数据。微软表示,系统中的加密密钥会经常刷新,以进一步提高安全性。
Bell详细介绍说:“签名密钥不仅在静态和传输过程中加密,在计算过程中也会加密。”“密钥的轮换也将是自动化的,允许高频更换密钥,完全不存在人为访问的可能性。”
好文章,需要你的鼓励
CPU架构讨论常聚焦于不同指令集的竞争,但实际上在单一系统中使用多种CPU架构已成常态。x86、Arm和RISC-V各有优劣,AI技术的兴起更推动了对性能功耗比的极致需求。当前x86仍主导PC和服务器市场,Arm凭借庞大生态系统在移动和嵌入式领域领先,RISC-V作为开源架构展现巨大潜力。未来芯片设计将更多采用异构计算,多种架构协同工作成为趋势。
苏州大学研究团队提出"语境降噪训练"新方法,通过"综合梯度分数"识别长文本中的关键信息,在训练时强化重要内容、抑制干扰噪音。该技术让80亿参数的开源模型在长文本任务上达到GPT-4o水平,训练效率比传统方法高出40多倍。研究解决了AI处理长文档时容易被无关信息干扰的核心问题,为文档分析、法律研究等应用提供重要突破。
Vast Data与云计算公司CoreWeave签署了价值11.7亿美元的多年期软件许可协议,这标志着AI基础设施存储市场的重要转折点。该协议涵盖Vast Data的通用存储层及高级数据平台服务,将帮助CoreWeave提供更全面的AI服务。业内专家认为,随着AI集群规模不断扩大,存储系统在AI基础设施中的占比可能从目前的1.9%提升至3-5%,未来五年全球AI存储市场规模将达到900亿至2000亿美元。
清华大学团队首次揭示了困扰AI训练领域超过两年的"幽灵故障"根本原因:Flash Attention在BF16精度下训练时会因数字舍入偏差与低秩矩阵结构的交互作用导致训练崩溃。研究团队通过深入分析发现问题源于注意力权重为1时的系统性舍入误差累积,并提出了动态最大值调整的解决方案,成功稳定了训练过程。这项研究不仅解决了实际工程问题,更为分析类似数值稳定性挑战提供了重要方法论。