2015年12月16日,北京——FIDO联盟中国唯一创始成员联想云服务集团宣布与国内知名通信运营商中国电信达成合作,为其旗下移动支付产品翼支付提供基于FIDO身份认证技术的指纹支付功能,支持包括苹果iphone5S及以上机型,以及华为Mate 8、、ZUK Z1、三星S6/S6 Edge/S6 Edge+和联想P1等主流支持指纹机型。用户通过翼支付消费或转账,扫描自己的指纹便可完成支付。这不仅消除了用户在传统认证方式中需记忆密码的烦恼,让他们享受更快捷、更安全的支付体验,更是联想云致力通过FIDO身份认证技术助力构建安全在线支付环境的重要体现。
联想云服务业务集团总裁贺志强表示:“此次与中国电信翼支付的合作是联想FIDO身份认证技术在安全在线支付领域的又一次里程碑性质的合作。从携手支付宝、京东钱包,到如今的翼支付,我们一直致力于通过持续开拓与上下游合作伙伴的广泛合作,将联想FIDO身份认证技术的国际标准应用到更广泛的行业,从而推动整个在线支付体系的安全构建,为广大用户提供安全与便捷兼并的支付体验。”
移动互联网与传统行业的加速融合,各类与生活紧密关联的应用不断推陈出新,吸引了众多传统行业用户开始使用移动互联网。据《第36次中国互联网络发展状况统计报告》显示,截至2015年上半年,我国手机支付用户规模分别达到2.76亿,是2013年的3倍。随着移动支付成为用户在线交易的主要支付方式,其安全性及便捷性问题日益凸显。
传统密码支付方式存在着巨大安全漏洞,无论密码多复杂,或者以指纹、面部特征等形式存在,只要通过网络发送这些特征,就可能被截取或复制,而存储了这些特征的服务器也存在被盗的风险。而一次性口令虽然提高了安全性,但仍然不够易用,比如用户需判断口令短消息是否真实可靠,或需随时携带硬件才能使用特定服务(如银行U盾或动态口令卡)。
FIDOl联盟亚太区主席、联想云服务集团互联网认证业务总经理柴海新表示:“联想很高兴能够和翼支付一起,将基于FIDO标准的身份认证技术,应用于支付场景,更好地服务于终端用户;同时,也特别期望,能够和国内的上下游厂商一起,建立符合中国国情和政府规范的,国内身份认证标准。”
联想FIDO身份认证适配所有支持FIDO的智能终端设备,它将用户的指纹、人脸和虹膜等生物特征存储于智能终端设备的安全硬件中,对用户身份的识别全部在安全硬件中(独立隔离区域)完成。与传统通过互联网传递用户特征数据不同,验证通过后设备会使用私钥对认证信息进行签名并发送至登陆服务器,而登陆服务器则使用公钥进行验签从而完成身份认证。通过这种新型身份认证技术,用户则不必再担心商家服务器被攻破,导致密码被窃取或泄露。
FIDO联盟于2012年成立,由联想、PayPal等6家高科技公司组成,致力于打造产业支持的、基于开放协议标准的在线认证技术,并通过努力使这种技术也将如Wifi、GPS、USB一样,成为一种国际认可的行业标准,逐步取代用户对传统密码的依赖。作为FIDO联盟的发起者之一,联想FIDO身份认证技术已在多款智能硬件设备上得以应用,包括Galaxy S5、Galaxy S6、Note 5等拥有指纹识别功能的所有三星智能终端机型、ZUK最新发布的Z1手机等。与此同时支付宝、京东钱包、翼支付等主流在线支付应用也采用这一技术进行在线身份验证。借助此次合作势头,联想FIDO身份认证业务还将继续积极拓展合作伙伴,致力通过世界级安全的在线身份认证技术为中国用户打造安全的支付环境。
好文章,需要你的鼓励
本文探讨如何使用生成式AI和大语言模型作为倾听者,帮助用户表达内心想法。许多主流AI如ChatGPT、Claude等被设计成用户的"最佳伙伴",或试图提供心理健康建议,但有时用户只想要一个尊重的倾听者。文章提供了有效的提示词技巧,指导AI保持中性、尊重的态度,专注于倾听和理解,而非给出建议或判断。同时提醒用户注意隐私保护和AI的局限性。
北京大学团队开发出WoW世界模型,这是首个真正理解物理规律的AI系统。通过200万机器人互动数据训练,WoW不仅能生成逼真视频,更能理解重力、碰撞等物理定律。其创新的SOPHIA框架让AI具备自我纠错能力,在物理理解测试中达到80.16%准确率。该技术将推动智能机器人、视频制作等领域发展,为通用人工智能奠定重要基础。
人工通用智能和超级人工智能的出现,可能会创造出一种全新的外星智能形态。传统AI基于人类智能模式构建,但AGI和ASI一旦存在,可能会选择创造完全不同于人类认知方式的新型智能。这种外星人工智能既可能带来突破性进展,如找到癌症治愈方法,也可能存在未知风险。目前尚不确定这种新智能形态是否会超越人类智能,以及我们是否应该追求这一可能改变人类命运的技术突破。
香港大学和蚂蚁集团联合推出PromptCoT 2.0,这是一种让AI自动生成高质量训练题目的创新方法。通过"概念-思路-题目"的三步策略,AI能像老师备课一样先构思解题思路再出题,大幅提升了题目质量和训练效果。实验显示该方法在数学竞赛和编程任务上都取得了显著提升,为解决AI训练数据稀缺问题提供了新思路。