直击RSAC现场:人工智能工具成为今年最热门话题!
偷偷努力,悄无声息地变强,然后惊艳所有人!哈哈,小伙伴们又来学习啦~今天我将给大家介绍《直击RSAC现场:人工智能工具成为今年最热门话题!》,这篇文章主要会讲到等等知识点,不知道大家对其都有多少了解,下面我们就一起来看一吧!当然,非常希望大家能多多评论,给出合理的建议,我们一起学习,一起进步!
今年在旧金山举行的RSAC大会上有一个热门话题:人工智能工具。生成式人工智能在网络安全工具中的潜力引发了网络安全专业人士的兴趣。但是人们对人工智能在网络安全中的实际应用,以及用于建立人工智能模型的数据的可靠性提出了质疑。
网络安全战略顾问、GoogleCloud和Cyversity的董事会成员M.K. Palmore在采访中表示:我们目前正处于与人工智能交手的第一局,我们还不知道人工智能对网络安全行业的影响会有多大,也不知道我们最终能看到什么结果。但我们心存希望,整个公司目前也正朝着一个方向努力,这也表明我们看到了人工智能对行业产生积极影响的价值和用途。

不过Palmore也承认,目前我们在人工智能的发展方面确实还有更多的事情要做。他认为随着事物的变化发展,我们都必须转向适应这种新的模式,让这些大型语言模型(llm)和人工智能可供我们使用。Presidio首席信息安全官Dan Lohrmann认为,人工智能在网络安全领域还处于早期阶段。在RSAC大会上提及人工智能工具的话题时,他认为这将是一场变革,人工智能将改变很大一部分产品。这可能会改变进攻方和防守方,就像我们如何组建红队和蓝队那样。
此外他还指出,在精简安全团队使用的工具方面,还有很长的路要走。他说:“我认为我们永远无法实现单一的窗格的资源监控和管理,但目前已经是我见过最精简的程度了。
将AI添加到安全工具
在2023年RSAC大会期间,不少公司都讲述了他们是如何在安全工具中使用生成性人工智能的,例如,谷歌推出了其生成式人工智能工具和安全LLM、Sec-PaLM。Sec-PaLM是基于Mandiant在漏洞、恶意软件、威胁指标和行为威胁参与者概况方面的前沿情报而构建的。
谷歌Cloud的用户体验总监斯蒂芬•海(stephen Hay)表示,LLMs现在达到了一个临界点,它可以以一种以前无法做到的方式将信息语境化。这代表我们现在有了真正的生成式人工智能。
与此同时,亚马逊网络服务(Amazon Web Services)首席信息安全官办公室主任Mark Ryland强调了如何用生成式人工智能检测威胁活动。日常中多关注有意义的数据,尽量减少误报。且唯一能有效做到这一点的方法就是多多训练机器学习,这也是我们安全服务的核心。
该公司最近宣布了一种名为Amazon Bedrock的新工具,用于在AWS上进行构建,其中包含了生成式人工智能。Amazon Bedrock是一项新服务,可以通过API访问来自AI21 Labs、Anthropic、Stability AI和Amazon的基础模型(fm)。此外,Tenable还推出了专门为研究界设计的生成式人工智能安全工具。另外,一份名为《生成式人工智能如何改变安全研究》的报告最近也发布了,该报告探讨了LLMs如何在逆向工程、调试代码、提高web应用程序安全性和云工具可见性等研究领域降低复杂性和提高效率。
该报告指出,ChatGPT正在以“惊人的速度”发展。关于网络安全平台中的人工智能工具,Tenable首席安全官Bob Huber表示,这些工具允许你建立一个数据库,例如,如果你正在寻找渗透测试,目标是X,可能存在哪些漏洞,通常这是一个手动过程,你必须进入并进行搜索,但人工智能可以帮助你更快地获取这些东西。
另外,他补充说目前已经看到一些公司开始使用LLMs。同时他也指出,LLMs所基于的数据并不一定是经过验证的或准确的,因此需要对此设置护栏。因此用自己的数据构建的LLMs,更值得信赖。
有人担心与GPT这样的LLMs挂钩可能会影响安全性。作为安全从业者,了解风险是很重要的。但Huber指出,人们目前还没有足够的时间去了解生成式人工智能的风险。这些工具都旨在简化防御者的工作,但黑莓威胁研究与情报副总裁伊斯梅尔·巴伦苏埃拉指出了生成式人工智能的局限性。
和其他任何工具一样,我们作为防御者会使用,其他攻击者也会使用它。所以说这些生成式人工智能工具的最佳使用方式就是将其作为助手来使用。很明显,它的确可以促进我们的发展。但如果是期望它能彻底改变一切,那答案是否定的。
文中关于人工智能,安全工具的知识介绍,希望对你的学习有所帮助!若是受益匪浅,那就动动鼠标收藏这篇《直击RSAC现场:人工智能工具成为今年最热门话题!》文章吧,也可关注golang学习网公众号了解相关技术文章。
联合索引该如何选择合适的列?
- 上一篇
- 联合索引该如何选择合适的列?
- 下一篇
- 医学图像的深度学习的完整代码示例:使用Pytorch对MRI脑扫描的图像进行分割
-
- 调皮的薯片
- 真优秀,一直没懂这个问题,但其实工作中常常有遇到...不过今天到这,看完之后很有帮助,总算是懂了,感谢up主分享文章!
- 2023-05-07 20:49:52
-
- 神勇的导师
- 太详细了,已加入收藏夹了,感谢大佬的这篇文章内容,我会继续支持!
- 2023-05-07 09:32:08
-
- 动听的唇彩
- 这篇文章内容太及时了,楼主加油!
- 2023-05-07 02:18:16
-
- 拉长的缘分
- 这篇技术贴太及时了,很详细,很棒,已收藏,关注作者了!希望作者能多写科技周边相关的文章。
- 2023-05-06 00:55:21
-
- 科技周边 · 人工智能 | 1小时前 |
- Hugging Face Datasets map batched 返回长度不一致时怎么定位
- 213浏览 收藏
-
- 科技周边 · 人工智能 | 1小时前 |
- Hugging Face Datasets flatten 怎么展开嵌套字段并保留特征类型
- 455浏览 收藏
-
- 科技周边 · 人工智能 | 1小时前 |
- Hugging Face Datasets with_format 和 set_format 混用后为什么列类型变了
- 228浏览 收藏
-
- 科技周边 · 人工智能 | 1小时前 | 兼容性 · LiteRT Select TF Ops TFLITE_BUILTINS TensorFlow模型转换 不支持算子
- LiteRT 转换遇到不支持算子时怎么判断是否启用 Select TF Ops
- 226浏览 收藏
-
- 科技周边 · 人工智能 | 1小时前 | 人工智能 · LiteRT SignatureDef 多输入模型 端侧推理
- LiteRT SignatureDef 多输入模型怎么按签名准备推理张量
- 191浏览 收藏
-
- 科技周边 · 人工智能 | 1小时前 |
- Keras 自定义 train_step 怎么让正则损失继续参与梯度
- 343浏览 收藏
-
- 科技周边 · 人工智能 | 1小时前 | 人工智能 · 深度学习 · Keras RaggedTensor keras.Input ragged=True TensorFlow backend 模型保存 load_model 变长序列
- Keras RaggedTensor 输入模型保存后怎么保持变长序列结构
- 250浏览 收藏
-
- 科技周边 · 人工智能 | 1小时前 | 人工智能 · Keras NaN mixed_float16 mixed precision loss scale 输入范围 dtype policy
- Keras mixed_float16 训练出现 NaN 怎么区分 loss scale 和输入范围
- 337浏览 收藏
-
- 科技周边 · 人工智能 | 1小时前 | 人工智能 · 深度学习 · PyTorch strict state_dict load_state_dict module. 前缀 检查点迁移
- PyTorch state_dict 参数名前缀变化后怎么兼容旧检查点
- 436浏览 收藏
-
- 科技周边 · 人工智能 | 1小时前 | 人工智能 · 深度学习 · 内存优化 · 内存 PyTorch 按需加载 mmap checkpoint torch.load map_location state_dict
- PyTorch torch.load 开启 mmap 后为什么读取参数时才占用内存
- 475浏览 收藏
-
- 前端进阶之JavaScript设计模式
- 设计模式是开发人员在软件开发过程中面临一般问题时的解决方案,代表了最佳的实践。本课程的主打内容包括JS常见设计模式以及具体应用场景,打造一站式知识长龙服务,适合有JS基础的同学学习。
- 543次学习
-
- GO语言核心编程课程
- 本课程采用真实案例,全面具体可落地,从理论到实践,一步一步将GO核心编程技术、编程思想、底层实现融会贯通,使学习者贴近时代脉搏,做IT互联网时代的弄潮儿。
- 516次学习
-
- 简单聊聊mysql8与网络通信
- 如有问题加微信:Le-studyg;在课程中,我们将首先介绍MySQL8的新特性,包括性能优化、安全增强、新数据类型等,帮助学生快速熟悉MySQL8的最新功能。接着,我们将深入解析MySQL的网络通信机制,包括协议、连接管理、数据传输等,让
- 500次学习
-
- JavaScript正则表达式基础与实战
- 在任何一门编程语言中,正则表达式,都是一项重要的知识,它提供了高效的字符串匹配与捕获机制,可以极大的简化程序设计。
- 487次学习
-
- 从零制作响应式网站—Grid布局
- 本系列教程将展示从零制作一个假想的网络科技公司官网,分为导航,轮播,关于我们,成功案例,服务流程,团队介绍,数据部分,公司动态,底部信息等内容区块。网站整体采用CSSGrid布局,支持响应式,有流畅过渡和展现动画。
- 485次学习
-
- PubMedQA
- 深入了解PubMedQA生物医学问答数据集,涵盖其核心功能、使用方法及在临床决策、药物研发等场景的应用,助力提升NLP模型性能。
- 452次使用
-
- H2O EvalGPT
- H2O EvalGPT是H2O.ai推出的开源LLM评估平台,提供详细的大模型性能排行榜、行业特定基准测试及A/B测试功能,助您快速选择最适合项目的高性能大语言模型。
- 520次使用
-
- LMArena
- LMArena是加州大学伯克利分校推出的AI模型匿名评测平台。通过盲测投票机制,用户可对比不同大模型回答并生成实时排行榜,助力开发者优化模型及用户选择最佳AI工具。
- 536次使用
-
- HELM
- 深入了解斯坦福推出的HELM(Holistic Evaluation of Language Models)大模型评测体系。本文解析其核心功能、安装配置步骤及应用场景,涵盖准确性、公平性、鲁棒性等多维度指标,助力开发者全面优化语言模型性能。
- 482次使用
-
- MMBench
- MMBench是由上海人工智能实验室等机构联合推出的多模态基准测试平台,提供细粒度能力评估、大规模数据集及VLMEvalKit工具。本文详细介绍其核心功能、安装使用方法及应用场景,助力开发者全面评估多模态模型性能。
- 304次使用
-
- 本地大模型反复输出同一句话怎么调整生成参数
- 2026-09-06 501浏览
-
- Python 调用大模型时如何用结构化输出校验 JSON:从解析失败到可重试
- 2026-08-29 501浏览
-
- AI写作工具免费版安装教程(含豆包Clawdbot)
- 2026-05-30 501浏览
-
- WPS AI能自动生成PPT吗?输入主题一键制作演示文稿
- 2026-05-27 501浏览
-
- Canva手机闪退解决方法及适配指南
- 2026-05-25 501浏览

