2023年11月10日-13日,由中国电信携手合作伙伴举办的“2023数字科技生态展”在广州举行。华为擎云围绕政企移动通讯及数据信息安全保障等重点业务场景,现场展示量子密话版终端、可信通话定制终端、双系统定制终端及职业健康管理等一系列解决方案,有效助力政企移动业务安全开展,协作效率数智化提升。
多样定制化安全终端,护航政企移动业务信息安全
移动办公时代,以手机为代表的移动终端已经成为人们现代生活不可或缺的通讯工具。随着终端之间的信息互联互通越来越频繁,企业内部的数据孤岛被打通,同时也带来了数据泄密、隐私泄露等诸多安全挑战。如何更好地保护企业信息安全、消除数据安全盲区,成为摆在众多企业面前的一道难题。为此,华为擎云充分发挥核心安全优势,聚焦通信安全、信息安全,从“端、管、云”等多维度打造了立体化的安全防护体系,为企业的信息安全护航。
此次现场展出的基于HUAWEI Mate 60系列打造的量子密话版终端,基于量子安全技术对通话内容进行加密防护,能有效提高手机在使用过程中的安全性,防止用户通话或文件传输过程中的数据泄露,同时还能为企业用户提供群聊加密、音视频通话加密、消息阅后即焚等功能,有效满足客户在通信交流、移动办公等复杂场景下对信息安全的需求。此外,依托于华为HEM解决方案平台的设备管控、内容定制能力,该定制终端还可支持业务专用APP预置、保活、防卸载,并且提供开机画面及企业logo定制,满足更多个性化需求。此外,针对通话过程中呼叫双方身份难以识别的问题,现场展台还同步展出了基于HUAWEI Mate 60系列打造的可信通话定制终端,支持全网可信身份识别,提供可信身份录入、授权、认证、展示及注销的全流程服务,企业用户可以根据不同场景选择不同身份或不带身份进行对外呼叫,使用户身份管理更加灵活。
伴随企业数字化转型的深入,企业客户对信息安全和数据安全的要求越来越高,尤其在对外的沟通与协作过程中,更需实现对工作数据的深度安全管理。在此背景下,华为擎云携手合作伙伴推出了基于HUAWEI Mate60 系列打造的双系统定制终端,采用安全双系统设计,能够从系统底层区分生活及工作区的数据及应用,两个系统之间“完全隔离且同时运行”,后台系统收到消息能够及时通知前台系统,有效避免企业用户错漏重要信息。同时,安全双系统之间支持NFC感应切换、一键切换、指纹切换等不同切换方式,让使用更加便利。
安全、效率双管齐下,落实职工健康安全管理
除了企业信息安全备受关注外,职工安全也成为企业生产经营管理高质量发展的重要因素,对此,华为擎云基于智能穿戴设备推出了职业健康管理解决方案,以保障职工工作环境安全和职工身体健康为立足点,实现职工生产作训全流程的健康动态监测及健康数据管理,为企业构筑全方位的职业健康管理系统。
以能源行业为例,一线矿工的身心健康缺乏行之有效的系统管理,针对这一行业痛点,华为擎云基于自身穿戴设备帮助煤炭行业打造了一套从监测到预测、从治疗到预防的健康管理方案:在井下作业时,井上管理人员可以通过华为擎云穿戴设备、矿井工业网络,以及协同合作伙伴打造的数据看板实时监测职工体征及作业环境状况。如遇职工体征异常或安全风险时,配合系统的双向预警能力,穿戴设备支持井下职工健康信息异常告警自动上传,增强企业对职工健康管理的掌控能力,降低职工因健康信息管理不到位所导致的健康风险;在井上日常工作中,穿戴设备支持连接华为运动健康APP,并将实时监测的心率、睡眠、运动、血氧等健康数据同步上传管理平台,企业管理者可针对不同职工健康状态,实施差异化的健康干预和关怀方案。
在此次数字科技生态大会上,华为擎云聚焦企业数字化转型中的“安全”问题,面向移动办公和健康管理等应用场景,推出行业定制终端及解决方案,为千行百业带来丰富的场景应用和创新价值,未来,华为擎云也将继续携手更多合作伙伴不断拓宽、拓深应用场景,全面护航企业数字化发展再启新程。
好文章,需要你的鼓励
这项研究介绍了VisCoder,一个经过专门微调的大语言模型,用于生成可执行的Python可视化代码。研究团队创建了包含20万样本的VisCode-200K数据集,结合了可执行代码示例和多轮修正对话。在PandasPlotBench基准测试中,VisCoder显著优于同等规模的开源模型,甚至在某些方面超越了GPT-4o-mini。研究还引入了自我调试评估模式,证明了反馈驱动学习对提高代码可执行性和视觉准确性的重要性。
这项研究提出了"适应再连续学习"(ACL)框架,一种创新的方法解决预训练模型在连续学习中的稳定性-可塑性困境。通过在学习新任务前先对模型进行适应性调整,ACL使模型既能更好地学习新知识(提高可塑性),又能保留已有知识(维持稳定性)。实验证明,该框架能显著提升各种连续学习方法的性能,为解决人工智能系统中的"灾难性遗忘"问题提供了有效途径。
这篇研究首次关注了CLIP模型文本编码器的对抗鲁棒性问题,提出了LEAF方法(Levenshtein高效对抗性微调)来增强文本编码器的稳健性。实验表明,LEAF显著提高了模型在面对文本扰动时的性能,在AG-News数据集上将对抗准确率从44.5%提升至63.3%。当集成到Stable Diffusion等文本到图像生成模型中时,LEAF显著提高了对抗噪声下的生成质量;在多模态检索任务中,它平均提高了10个百分点的召回率。此外,LEAF还增强了模型的可解释性,使文本嵌入的反演更加准确。
BenchHub是由韩国KAIST和Yonsei大学研究团队开发的统一评估平台,整合了38个基准中的30万个问题,按技能、学科和目标类型进行精细分类。研究显示现有评估基准存在领域分布偏差,而BenchHub通过自动分类系统和用户友好界面,让用户能根据特定需求筛选评估数据。实验证明模型在不同领域的排名差异巨大,强调了定制化评估的重要性。该平台支持多语言扩展和领域特化,为研究人员和开发者提供了灵活评估大语言模型的强大工具。