零信任(Zero Trust)是一种安全框架,不信任任何实体,无论内部或外部,并要求对身份、设备、软件、数据和网络进行持续验证。零信任“永不信任,始终验证”的原则旨在防止数据泄露、网络攻击和未经授权的访问。
在人工智能(AI)时代,数据是推动创新和竞争优势的“燃料”,而保护数据免受安全威胁对于数据的完整性至关重要,因此零信任话题在AI时代显得尤为突出。正如Gartner®在2023年4月13日发布的《2023年零信任安全项目实施战略路线图》报告中所述:无论是遭受重大网络安全事件影响,或仅是为了应对不断变化的威胁环境,组织机构都开始采用零信任战略来帮助其免受此类威胁的风险和冲击。
随着全球AI技术的蓬勃发展,AI PC也正逐渐展现出其巨大的市场潜力和应用前景。基于对用户需求的重视和洞察,戴尔科技将通过构建由高效的基础算力、安全的数据保护、开放的AI应用三层架构组成的AI PC战略,帮助企业创新升级,推动AI能力惠及千行百业。在关键的数据层方面,戴尔科技注重确保系统出厂时的纯净性,不会主动预装AI模型,也不会收集用户信息和业务数据;并通过采用戴尔科技独有的加密芯片以及ControlVault安全解决方案等技术, 有效保障用户数据和本地登录信息的安全性。此外,借助安全稳固的供应链,每一台戴尔科技PC的部件都拥有独立的序列号,可以进行追溯,以防止恶意替换或篡改。
管理设备和软件安全并非易事,因为它涉及到诸多因素,例如设备库存、健康状况、配置、加密、更新、备份、恢复、远程控制、擦除和报废等。另外,设备与软件安全也并非一成不变,而是会随着时间、地点、以及网络和用户行为等环境的改变而发生变化。而这正是Dell Connected PCs大有可为之处,凭借可适应多种类型用户与安全情况的灵活性,其能够确保终端用户连接到已知的、安全的加密移动网络。
Dell Connected PCs 如何支持零信任:功能和优势
Dell Connected PCs 是指带有移动宽带的笔记本电脑,可以像智能手机一样在无法确保安全Wi-Fi连接时访问互联网。“零信任”理念贯穿Dell Connected PCs 的设计全过程。
许多Dell Connected PCs机型,如Latitude 9330二合一笔记本和Precision机型等均配备了端点安全解决方案套件Dell Trusted Workspace所提供的多层防御。
安全的移动宽带
咨询机构Forrester在2023年3月10日发布的《衡量您的零信任成熟度》报告中指出:“对于许多组织机构而言,安全网络是最难实现的成熟能力。安全专业人士抱怨扁平网络太多,分段很少或陈旧,且缺乏对网络整体的可见性和控制。”借助移动宽带功能,戴尔科技设备能够利用4G LTE、5G等蜂窝网络安全可靠地连接互联网,替代存在不可靠、不安全或不可用隐患的Wi-Fi网络,尤其是在远程或移动场景中。移动宽带通过提供以下功能和优势增强设备和连接的零信任安全:
多一层防御
通过使用Dell Connected PCs,企业既可以增强其设备和软件的安全,实现零信任,提升用户体验、生产力和满意度,推动AI应用的用例扩充和创新,同时又能通过消除对不安全网络的依赖提高安全性。
正如Gartner在2023年7月18日的《2023年零信任网络技术成熟度曲线™》报告中所写:“想要减少攻击面、限制扫描并利用攻击,策略便是隐匿现有网络和应用,使其不被发现。”
戴尔科技可利用其商用PC增强安全性和用户体验。戴尔科技的商用PC不仅可以通过操作系统内的强大防御功能降低网络攻击风险,还可以利用移动宽带技术保证安全且加密的网络连接。
好文章,需要你的鼓励
腾讯今日开源混元MT系列语言模型,专门针对翻译任务进行优化。该系列包含四个模型,其中两个旗舰模型均拥有70亿参数。腾讯使用四个不同数据集进行初始训练,并采用强化学习进行优化。在WMT25基准测试中,混元MT在31个语言对中的30个表现优于谷歌翻译,某些情况下得分高出65%,同时也超越了GPT-4.1和Claude 4 Sonnet等模型。
腾讯ARC实验室推出AudioStory系统,首次实现AI根据复杂指令创作完整长篇音频故事。该系统结合大语言模型的叙事推理能力与音频生成技术,通过交错式推理生成、解耦桥接机制和渐进式训练,能够将复杂指令分解为连续音频场景并保持整体连贯性。在AudioStory-10K基准测试中表现优异,为AI音频创作开辟新方向。
今年是Frontiers Health十周年。在pharmaphorum播客的Frontiers Health限定系列中,网络编辑Nicole Raleigh采访了Startup Health总裁兼联合创始人Unity Stoakes。Stoakes在科技、科学和设计交汇领域深耕30多年,致力于变革全球健康。他认为,Frontiers Health通过精心选择的空间促进有意义的网络建设,利用网络效应推进创新力量,让企业家共同构建并带来改变,从而有益地影响全球人类福祉。
Meta与特拉维夫大学联合研发的VideoJAM技术,通过让AI同时学习外观和运动信息,显著解决了当前视频生成模型中动作不连贯、违反物理定律的核心问题。该技术仅需添加两个线性层就能大幅提升运动质量,在多项测试中超越包括Sora在内的商业模型,为AI视频生成的实用化应用奠定了重要基础。