梅塔发布会数据不佳，股价下跌。扎克伯格计划发展元宇宙，开放操作系统。梅塔计划开源空间计算OS，类似谷歌安卓。扎克伯格希望通过广告变现，将Horizon社交网络整合进操作系统。国内团队可能会开发基于Horizon OS的产品。扎克伯格抄袭Vincent Pro的作业，但风险较高。成功与否取决于Instagram和WhatsApp的表现。

Meta开放混合现实系统Horizon OS给第三方硬件制造商使用，华硕、联想和Xbox已在开发基于Horizon OS的设备。微软发布VASA-1 AI框架，能生成精确逼真的对口型视频。三星印度推出免费换屏政策解决S21和S22亮线问题。Apple回收机器人Dave和Taz来到中国。Medium从5月起禁止发布完全由AI生成的付费文章。Microsoft Store网页版支持免跳转下载安装包。英伟达CEO预测人形机器人将成为主流产品。Apple计划在合肥开设首家Apple Store零售店。微软Edge浏览器可能在百度搜索中追加推广追踪符。少数派BANG!CASE手机壳完成预售，新版周边已发货。

Palo Alto Networks防火墙产品受到疑似国家支持的黑客攻击，漏洞被追踪为CVE-2024-3400，涉及PAN-OS 10.2、PAN-OS 11.0和PAN-OS 11.1防火墙版本软件中的两个缺陷。攻击者利用这些缺陷进行了两阶段的攻击，Palo Alto Networks已列出需要打补丁的PAN-OS防火墙系统版本。建议用户尽快修补漏洞，以防范潜在威胁。

本文总结了PAN-OS在野攻击漏洞CVE-2024-3400的技术细节，包括Cookie路径穿越漏洞和Telemetry命令注入漏洞的组合利用。攻击者可利用这些漏洞实现远程任意代码执行。

绿盟科技CERT监测到Palo Alto Networks发布安全公告，修复了PAN-OS中的命令注入漏洞。受影响版本为PAN-OS < 11.1.0-h3。官方已发布修复版本，请用户尽快升级。

Temos o prazer de anunciar que o Fireworks AI e o MongoDB estão se unindo para tornar a inovação com IA generativa mais rápida, eficiente e segura. O Fireworks AI foi fundado no final de 2022 por veteranos do setor e integrantes da equipe PyTorch da Meta que se concentraram na otimização do desempenho, na melhoria da experiência do desenvolvedor e na execução de aplicativos de IA em grande escala. É essa experiência que o Fireworks AI traz para sua plataforma de IA de produção, selecionando e otimizando os principais modelos abertos do setor. O benchmarking da empresa mostra que os modelos de IA generativa executados no Fireworks AI operam com velocidades de inferência até 4 vezes mais rápidas do que as plataformas alternativas, com taxa de transferência e escala até 8 vezes maiores. Os modelos são uma parte da pilha de aplicação. No entanto, para que os desenvolvedores possam desbloquear o poder da IA generativa, eles também precisam trazer dados corporativos para esses modelos. É por isso que o Fireworks AI fez uma parceria com o MongoDB, abordando um dos desafios mais difíceis para a adoção da IA. Com o MongoDB Atlas, os desenvolvedores podem unificar com segurança dados operacionais, dados não estruturados e incorporações vetoriais para criar com segurança aplicações e experiências de IA consistentes, corretas e diferenciadas. Juntos, o Fireworks AI e o MongoDB oferecem uma solução para desenvolvedores que desejam aproveitar modelos de código aberto altamente selecionados e otimizados e combiná-los com os dados proprietários da própria organização – e fazer tudo isso com velocidade e segurança incomparáveis. Modelos ultrarrápidos do Fireworks AI: permitindo velocidade, eficiência e valor Com plataforma de inferência ultrarrápida, o Fireworks AI seleciona, otimiza e implanta mais de 40 modelos diferentes de IA. Essas otimizações podem resultar simultaneamente em economia significativa de custos, latência reduzida e taxa de transferência aprimorada. A plataforma oferece isso por meio de: Modelos prontos para uso, modelos otimizados e complementos: o Fireworks AI fornece uma coleção de modelos de base de texto, incorporação e imagem de alta qualidade. Os desenvolvedores podem aproveitar esses modelos ou ajustar e implantar os seus próprios, combinando-os com seus dados proprietários por meio do MongoDB Atlas. Recursos de ajuste fino: para melhorar ainda mais a precisão e a velocidade do modelo, o Fireworks AI também oferece um serviço de ajuste fino usando sua CLI para ingerir objetos formatados em JSON de bancos de dados como o MongoDB Atlas. Interfaces e API simples para desenvolvimento e produção: o playground do Fireworks AI permite que desenvolvedores interajam com modelos diretamente no navegador. Ele também pode ser acessado de forma programática por meio de uma REST API conveniente. Isso é compatível com a API OpenAI e, portanto, interopera com o ecossistema LLM mais amplo. Livro de receitas: um livro de receitas simples e fácil de usar que fornece um conjunto amplo de receitas prontas para uso que podem ser adaptadas para vários casos de uso, incluindo ajuste fino, geração e avaliação. Fireworks AI e MongoDB: definindo o padrão para IA com modelos selecionados, otimizados e rápidos Com o Fireworks AI e o MongoDB Atlas, os aplicativos são executados em ambientes isolados, garantindo tempo de atividade e privacidade, protegidos por controles de segurança sofisticados que atendem aos padrões regulatórios mais rígidos: Como um dos principais fornecedores de API de modelo de código aberto, o Fireworks AI fornece 66 bilhões de tokens por dia (e esse número só cresce). Com o Atlas, você executa seus aplicativos em uma plataforma comprovada que atende a dezenas de milhares de clientes, desde startups de alto crescimento até as maiores empresas e governos. Juntas, a solução conjunta do Fireworks AI e do MongoDB permite: RAG ou perguntas e respostas a partir de um vasto conjunto de documentos: ingerir inúmeros documentos para produzir resumos e dados estruturados que podem alimentar a IA conversacional. Classificação por meio de pesquisa semântica/similaridade: classifique e analise conceitos e emoções de chamadas de vendas, videoconferências e muito mais para garantir inteligência e estratégias melhores. Ou organize e classifique um catálogo de produtos usando imagens e texto do produto. Imagens para extração de dados estruturados: extraia o significado das imagens para produzir dados estruturados que possam ser processados e pesquisados em uma variedade de aplicativos de visão – de fotos de banco de imagens à moda, detecção de objetos e diagnósticos médicos. Inteligência de alerta: processe grandes quantidades de dados em tempo real para detectar e alertar automaticamente sobre casos de fraude, ameaças à segurança cibernética e muito mais. Figura 1: o tutorial do Fireworks mostra como trazer seus próprios dados para LLMs com o RAG e o MongoDB Atlas Introdução ao Fireworks AI e ao MongoDB Atlas Para ajudar você a começar, analise o tutorial Otimizando o RAG com o MongoDB Atlas e o Fireworks AI, que mostra como criar um aplicativo de recomendação de filmes e envolve Banco de dados MongoDB Atlas que indexa filmes usando incorporações. (Vector Store) Um sistema para geração de incorporação de documentos. Usaremos a API de incorporação do Fireworks para criar incorporações a partir de dados de texto. (Vetorização) O MongoDB Atlas Vector Search responde às consultas do usuário convertendo a consulta em uma incorporação, buscando os filmes correspondentes. (Mecanismo de recuperação) O modelo Mixtral usa a API de inferência do Fireworks para gerar as recomendações. Você também pode usar o Llama, o Gemma e outros modelos OSS excelentes, se desejar. (LLM) Carregando o conjunto de dados Mflix de amostra do MongoDB Atlas para gerar incorporações (conjunto de dados) Também podemos ajudar você a projetar a melhor arquitetura de acordo com necessidades da sua organização. Sinta-se à vontade para entrar em contato com a equipe responsável pela sua conta ou entre em contato com a gente por aqui para agendar uma sessão colaborativa e explorar como o Fireworks AI e o MongoDB podem otimizar seu processo de desenvolvimento de IA.

No cenário dinâmico da segurança cibernética, as organizações enfrentam uma série de desafios que exigem soluções inovadoras respaldadas por tecnologias de ponta. Um dos problemas mais urgentes é a crescente sofisticação das ameaças cibernéticas, como ataques de malware, ransomware e phishing, que estão se tornando mais difíceis de detectar e mitigar. Além disso, a rápida expansão das infraestruturas digitais ampliou a superfície de ataque, tornando mais difícil para as equipes de segurança monitorar e proteger todos os pontos de entrada e saída. Outro desafio significativo é a escassez de profissionais qualificados em segurança cibernética. Pesquisas independentes estimam que há apenas cerca de 4 milhões deles em todo o mundo, o que deixa muitas organizações vulneráveis a ataques. Esses desafios ressaltam a necessidade de tecnologias avançadas que possam aumentar os esforços humanos para proteger ativos e dados digitais. Como a IA generativa pode ajudar? A IA generativa surgiu como uma ferramenta poderosa para enfrentar esses desafios de segurança cibernética. Ao usar modelos de linguagem grande (LLMs) para gerar novos dados ou padrões com base em conjuntos de dados existentes, a IA generativa pode oferecer soluções inovadoras em várias áreas importantes: Detecção e resposta aprimoradas a ameaças A IA generativa pode ser usada para criar simulações de ameaças cibernéticas, incluindo ataques sofisticados de malware e phishing. Essas simulações ajudam no treinamento de modelos de machine learning para detectar com mais precisão ameaças novas e em evolução. Além disso, a IA generativa pode contribuir para o desenvolvimento de sistemas de resposta automatizados que reagem a ameaças em tempo real. A supervisão humana será sempre necessária, mas isso reduz a necessidade de intervenção e trabalho manual, permitindo uma atenuação mais rápida dos ataques. Por exemplo, com a supervisão adequada, a IA pode instalar automaticamente patches em sistemas vulneráveis ou ajustar as regras de firewall para bloquear vetores de ataque. Esse recurso de resposta rápida automatizada é particularmente valioso na atenuação de vulnerabilidades de dia zero, quando o período entre a descoberta de uma vulnerabilidade e sua exploração por invasores pode ser muito curta. Aprendizagens práticas com a análise post mortem de eventos de segurança Na sequência de um incidente de segurança cibernética, a realização de uma análise post mortem completa é fundamental para entender o que aconteceu, por que aconteceu e como eventos semelhantes podem ser evitados no futuro. A IA generativa pode desempenhar um papel fundamental nesse processo, sintetizando e resumindo dados complexos de várias fontes, como registros, tráfego de rede e alerta de segurança. Ao analisar esses dados, a IA generativa identifica padrões e anomalias que possam ter contribuído para a violação de segurança e oferecem insights que podem ter sido ignorados por analistas humanos devido ao grande volume e à complexidade das informações. Além disso, ela pode gerar relatórios abrangentes que destacam as principais descobertas, fatores causais e vulnerabilidades em potencial, agilizando o processo post mortem. Esse recurso acelera o processo de recuperação e aprendizado, e também permite que as organizações implementem estratégias de correção mais eficazes, fortalecendo sua postura de segurança cibernética. Geração de dados sintéticos para treinamento de modelos profundos A falta de dados do mundo real para o treinamento de sistemas de segurança cibernética é um obstáculo significativo. A IA generativa pode criar conjuntos de dados sintéticos e realistas que espelham o tráfego de rede genuíno e o comportamento do usuário sem expor informações confidenciais. É possível usar esses dados sintéticos para treinar sistemas de detecção, melhorando sua precisão e eficácia sem comprometer a privacidade nem a segurança. Automatização da detecção de phishing O phishing continua sendo um dos vetores de ataque mais comuns. A IA generativa pode analisar padrões em e-mails e sites de phishing, gerando modelos que preveem e detectam tentativas de phishing com alta precisão. Ao integrar esses modelos a sistemas de e-mail e navegadores da web, as organizações podem filtrar automaticamente o conteúdo de phishing e protegendo os usuários contra possíveis ameaças. Resumo: as oportunidades e os riscos A IA generativa promete revolucionar as práticas de segurança cibernética com automatização de processos complexos, aprimoramento de detecção e de resposta a ameaças e apresentação de análises mais profundas das ameaças. À medida que a indústria continua integrando a IA generativa às estratégias de segurança cibernética, é crucial observar o uso ético dessa tecnologia e o potencial de uso indevido. No entanto, os benefícios que ela oferece no fortalecimento das defesas digitais são inegáveis, tornando-a uma ferramenta inestimável na batalha contínua contra as ameaças cibernéticas. Como o MongoDB pode ajudar? Com o MongoDB, suas equipes de desenvolvimento podem criar e implementar defesas cibernéticas robustas, corretas e diferenciadas em tempo real com mais rapidez e em qualquer escala. Para entender como o MongoDB faz isso, considere que a pilha de tecnologia de IA é composta por três camadas: A computação subjacente (GPUs) e os LLMs As ferramentas de ajuste fino dos modelos e as ferramentas de aprendizado e inferência no contexto em relação aos modelos treinados Os aplicativos de AI e as experiências relacionadas do usuário final O MongoDB opera na segunda camada da pilha. Ele permite que os clientes tragam seus próprios dados proprietários para qualquer LLM em execução em qualquer infraestrutura de computação para criar aplicativos de segurança cibernética orientados por IA generativa. O MongoDB é capaz de fazer isso porque adota a IA generativa para cuidar dos problemas mais complexos relacionados à segurança cibernética. O MongoDB Atlas unifica com segurança dados operacionais, dados não estruturados e dados vetoriais em uma plataforma multinuvem e totalmente gerenciada, evitando a necessidade de copiar e sincronizar dados entre diferentes sistemas. A arquitetura baseada em documentos do MongoDB também permite que as equipes de desenvolvimento modelem com facilidade relacionamentos entre os dados do seu aplicativo e as incorporações de vetores. Isso permite análises e insights mais profundos e rápidos dos dados relacionados à segurança. Figura 1: o MongoDB Atlas reúne todos os serviços de dados necessários para criar aplicativos modernos de segurança cibernética em uma API unificada e uma plataforma de dados para desenvolvedores. A arquitetura aberta do MongoDB é integrada a um rico ecossistema de estruturas de desenvolvedores de AI, LLMs e provedores de incorporação. Combinado com nossos recursos de estrutura multinuvem líderes do setor, isso permite que sua equipe de desenvolvimento tenha flexibilidade para agir com rapidez e impedir que sua empresa fique presa a um determinado fornecedor de nuvem ou tecnologia de IA, o que representa uma vantagem importante em um mercado tão dinâmico. Confira nossa página de recursos de IA para saber mais sobre como criar aplicativos baseados em IA com o MongoDB. Como usar a IA generativa e o MongoDB em aplicativos reais de segurança cibernética Inteligência de ameaças A ExTrac usa a IA e o MongoDB Atlas para analisar dados de milhares de fontes e prever riscos à segurança pública. Inicialmente, a plataforma ajudava os governos de países ocidentais a prever conflitos, mas agora está se expandindo para prestar serviços a empresas, como gerenciamento de reputação e muito mais. O modelo de dados de documento do MongoDB permite que a ExTrac gerencie dados complexos com eficiência, aprimorando a identificação de ameaças em tempo real. O Atlas Vector Search ajuda a aumentar os modelos de linguagem e a gerenciar as incorporações de vetores para textos, imagens e vídeos, acelerando o desenvolvimento de recursos. Essa abordagem permite que a ExTrac modele tendências com eficiência, rastreie narrativas em evolução e preveja riscos para seus clientes, mas sem abrir mão da flexibilidade e do poder do MongoDB para lidar com dados de qualquer formato e estrutura. Saiba mais no nosso estudo de caso da ExTrac. Avaliações de segurança cibernética A VISO TRUST usa a IA para agilizar a avaliação de riscos cibernéticos de terceiros, tornando as informações complexas de segurança do fornecedor rapidamente acessíveis para uma tomada de decisão fundamentada. Com o Amazon Bedrock e o MongoDB Atlas, a plataforma VISO TRUST automatiza a devida diligência da segurança do fornecedor, reduzindo significativamente a carga de trabalho das equipes de segurança. Sua abordagem orientada por IA envolve inteligência de artefatos que classifica documentos de segurança, detecta organizações e prevê locais de controle de segurança em artefatos. O MongoDB Atlas hospeda texto incorporado para proporcionar um sistema de recuperação denso que aprimora a precisão dos LLMs com geração aumentada por recuperação (RAG), fornecendo percepções de segurança instantâneas e acionáveis. Esse uso inovador da tecnologia permite que a VISO TRUST ofereça avaliações de risco cibernético rápidas e dimensionáveis, com reduções significativas de trabalho e tempo para empresas como a InstaCart e a Upwork. O banco de dados de documentos flexível do MongoDB e o Atlas Vector Search desempenham papéis essenciais no gerenciamento e na consulta de grandes quantidades de dados, apoiando a missão da VISO TRUST de fornecer inteligência abrangente em riscos cibernéticos. Saiba mais no nosso estudo de caso da Viso Trust. Como dar os primeiros passos A IA generativa alimentada por LLMs aumentada com seus próprios dados operacionais codificados como incorporações vetoriais está abrindo muitas novas possibilidades no campo da segurança cibernética. Se quiser saber mais sobre a tecnologia e suas possibilidades, dê uma olhada no nosso learning byte sobre o Atlas Vector Search. Em apenas 10 minutos, você terá uma visão geral de diferentes casos de uso e como começar. 1 1 Hill, M. (2023, 10 de abril). A escassez de mão de obra em segurança cibernética atinge 4 milhões, apesar do significativo esforço de recrutamento. OSC.

En el panorama en constante evolución de la ciberseguridad, las organizaciones enfrentan una multitud de desafíos que exigen soluciones innovadoras que aprovechen tecnologías de vanguardia. Uno de los problemas más apremiantes es la creciente sofisticación de las amenazas cibernéticas, incluidos el malware, el ransomware y los ataques de phishing, que son cada vez más difíciles de detectar y mitigar. Además, la rápida expansión de las infraestructuras digitales ha ampliado la superficie de ataque, lo que dificulta que los equipos de seguridad supervisen y protejan cada punto de entrada y salida. Otro reto importante es la escasez de profesionales cualificados en ciberseguridad que, según encuestas independientes, ronda los 4 millones de empleados en todo el mundo, lo que deja a muchas organizaciones vulnerables a los ataques. Estos desafíos subrayan la necesidad de tecnologías avanzadas que puedan aumentar los esfuerzos humanos para proteger los activos y datos digitales. ¿Cómo puede ayudar la IA Generativa? La IA Generativa (gen AI) se ha convertido en una poderosa herramienta para abordar estos desafíos de ciberseguridad. Al aprovechar los modelos de lenguaje grande (LLM) para generar nuevos datos o patrones basados en conjuntos de datos existentes, la IA generativa puede proporcionar soluciones innovadoras en varias áreas clave: Mejor detección y respuesta a amenazas La IA Generativa se puede utilizar para crear simulaciones de amenazas cibernéticas, incluidos sofisticados ataques de malware y phishing. Estas simulaciones pueden ayudar a entrenar modelos de aprendizaje automático para detectar amenazas nuevas y en evolución con mayor precisión. Además, la IA Generativa puede ayudar en el desarrollo de sistemas de respuesta automatizados que reaccionen a las amenazas en tiempo real. Aunque esto nunca eliminará la necesidad de supervisión humana, reducirá la necesidad de intervención manual y el trabajo, permitiendo una mitigación más rápida de los ataques. Por ejemplo, con la supervisión adecuada, puede aplicar automáticamente parches a sistemas vulnerables o ajustar las reglas del firewall para bloquear los vectores de ataque. Esta capacidad de respuesta rápida automatizada es particularmente valiosa para mitigar las vulnerabilidades del día cero, donde la ventana entre el descubrir una vulnerabilidad y aprovecharla por parte de los atacantes puede ser muy corta. Aprendizajes prácticos a partir del análisis del eventos de seguridad a posteriori Después de un incidente de ciberseguridad, realizar un análisis exhaustivo a posteriori es crucial para comprender qué sucedió, por qué sucedió y cómo se pueden prevenir eventos similares en el futuro. La IA Generativa puede desempeñar un papel fundamental en este proceso al sintetizar y resumir datos complejos de una multitud de fuentes, incluidos registros, tráfico de red y alertas de seguridad. Mediante el análisis de estos datos, la AI Generativa puede identificar patrones y anomalías que pueden haber contribuido a la violación de la seguridad, ofreciendo perspectivas que los analistas humanos podrían pasar por alto debido al gran volumen y complejidad de la información. Además, puede generar informes exhaustivos que ponen de relieve los hallazgos clave, los factores causantes y las vulnerabilidades potenciales, agilizando el proceso del análisis a posteriori. Esta capacidad no solo acelera el proceso de recuperación y aprendizaje, sino que también permite a las organizaciones implementar estrategias de reparación más efectivas, fortaleciendo en última instancia su postura de ciberseguridad. Generación de datos sintéticos para el entrenamiento profundo de modelos. La escasez de datos del mundo real para entrenar sistemas de ciberseguridad es un obstáculo importante. La IA Generativa puede crear conjuntos de datos sintéticos realistas que reflejen el tráfico de red genuino y el comportamiento de los usuarios sin exponer información sensible. Estos datos sintéticos se pueden utilizar para entrenar sistemas de detección, mejorando su precisión y efectividad sin comprometer la privacidad o la seguridad. Automatización de la detección de phishing El phishing sigue siendo uno de los vectores de ataque más comunes. La IA Generativa puede analizar patrones en correos electrónicos y sitios web de phishing, generando modelos que predigan y detecten intentos de phishing con alta precisión. Al integrar estos modelos en sistemas de correo electrónico y navegadores web, las organizaciones pueden filtrar automáticamente el contenido de phishing, protegiendo a los usuarios de posibles amenazas. Recapitulemos: las oportunidades y los riesgos La IA Generativa promete transformar las prácticas de ciberseguridad al automatizar procesos complejos, mejorar la detección y respuesta a amenazas y proporcionar una comprensión más profunda de las amenazas cibernéticas. A medida que la industria continúa integrando IA Generativa en las estrategias de ciberseguridad, es crucial permanecer atento al uso ético de esta tecnología y al potencial de uso indebido. Sin embargo, los beneficios que ofrece para fortalecer las defensas digitales son innegables, lo que lo convierte en un activo invaluable en la batalla en curso contra las amenazas cibernéticas. ¿Cómo ayuda MongoDB? Con MongoDB, sus equipos de desarrollo pueden construir e implementar defensas cibernéticas sólidas, correctas y diferenciadas en tiempo real más rápido y a cualquier escala. Para entender cómo MongoDB hace esto, considere que la pila de tecnología de IA comprende tres capas: La computación subyacente (GPU) y LLM Herramientas para el ajuste fino de los modelos y para el aprendizaje en contexto y la inferencia a partir de los modelos entrenados. Las aplicaciones de IA y las experiencias de usuario final relacionadas MongoDB opera en la segunda capa de la pila. Permite a los clientes aportar sus propios datos a cualquier LLM que se ejecute en cualquier infraestructura informática para crear aplicaciones de ciberseguridad impulsadas por IA. MongoDB hace esto abordando los problemas más difíciles al adoptar la IA Generativa para la ciberseguridad. MongoDB Atlas unifica de manera segura los datos operativos, los datos no estructurados y los datos vectoriales en una única plataforma cloud completamente administrada, evitando la necesidad de copiar y sincronizar datos entre diferentes sistemas. La arquitectura basada en documentos de MongoDB también permite a los equipos de desarrollo modelar fácilmente las relaciones entre los datos de sus aplicaciones y las incrustaciones vectoriales. Esto permite un análisis y una comprensión más profundos y rápidos de los datos relacionados con la seguridad. Figura 1: MongoDB Atlas reúne todos los servicios de datos necesarios para construir aplicaciones modernas de seguridad cibernética en una API unificada y una plataforma de datos para desarrolladores. La arquitectura abierta de MongoDB está integrada con un rico ecosistema de marcos de desarrollo de IA, LLM y proveedores de incrustación. Esto, combinado con nuestras capacidades multi-cloud líderes en la industria, permite a sus equipos de desarrollo la flexibilidad para moverse rápidamente y evitar el bloqueo a cualquier proveedor de cloud o tecnología de IA en particular en este espacio de rápida evolución. Consulte nuestra página de recursos de IA para obtener más información sobre cómo crear aplicaciones basadas en IA con MongoDB. Aplicación de IA Generativa y MongoDB a aplicaciones de ciberseguridad del mundo real Inteligencia frente a amenazas ExTrac utiliza análisis basados en IA y MongoDB Atlas para predecir los riesgos de la seguridad pública analizando datos de miles de fuentes. La plataforma ayudó inicialmente a los gobiernos occidentales a prever conflictos, pero se está extendiendo a las empresas para la gestión de la reputación y otras cuestiones. El modelo de datos de documento de MongoDB permite a ExTrac administrar datos complejos de forma eficaz, mejorando la identificación de amenazas en tiempo real. Atlas Vector Search ayuda a aumentar los modelos de lenguaje y administrar las incrustaciones vectoriales para textos, imágenes y videos, acelerando el desarrollo de características. Este enfoque permite a ExTrac modelar tendencias de manera eficiente, rastrear narrativas en evolución y predecir el riesgo para sus clientes, aprovechando la flexibilidad y el poder de MongoDB para manejar datos de cualquier forma y estructura. Obtenga más información en nuestro caso de éxito de ExTrac. Evaluaciones de seguridad cibernética VISO TRUST aprovecha la AI para agilizar la evaluación de los riesgos cibernéticos de terceros, haciendo que la información de seguridad compleja de los proveedores sea de fácil y rápido acceso para una toma de decisiones informada. Utilizando Amazon Bedrock y MongoDB Atlas, la plataforma de VISO TRUST automatiza la debida diligencia de la seguridad del proveedor, reduciendo significativamente la carga de trabajo para los equipos de seguridad. Su enfoque basado en IA implica inteligencia de artefactos que clasifica documentos de seguridad, detecta organizaciones y predice ubicaciones de control de seguridad dentro de los artefactos. MongoDB Atlas aloja incrustaciones de texto para un sistema de recuperación denso que mejora la precisión de las LLM a través de la generación aumentada de recuperación (RAG), proporcionando información de seguridad instantánea y procesable. Este uso innovador de la tecnología permite a VISO TRUST ofrecer evaluaciones de riesgos cibernéticos rápidas y escalables, con reducciones significativas en el trabajo y el tiempo para empresas como InstaCart y Upwork. La base de datos de documentos flexible de MongoDB y Atlas Vector Search desempeñan funciones críticas en la administración y consulta de grandes cantidades de datos, lo que respalda la misión de VISO TRUST de ofrecer inteligencia integral de riesgos cibernéticos. Obtenga más información en nuestro caso de éxito de Viso Trust. Pasos para comenzar La IA Generativa potenciada por los LLM aumentados con sus propios datos operativos codificados como incrustaciones vectoriales está abriendo muchas posibilidades nuevas en el ámbito de la ciberseguridad. Si desea obtener más información sobre esta tecnología y sus posibilidades, eche un vistazo a nuestro byte de aprendizaje Atlas Vector Search. En solo 10 minutos obtendrá una descripción general de los diferentes casos de uso y cómo empezar. 1 Hill, M. (10 de abril de 2023). A pesar de la importante campaña de contratación, la escasez de mano de obra en ciberseguridad alcanza los 4 millones. CSO.

国家智能网联汽车创新中心开始报名第3期初阶训练营，培训内容包括Rust编程语言基础和驱动开发等，优秀学员有机会入职该中心。

NixOS是一种复杂但强大的Linux发行版，具有丰富的包和高质量的官方包仓库Nixpkgs。它采用声明式配置和模块化系统，使得定制和维护变得简单，同时鼓励用户深入了解系统细节。尽管NixOS存在一些历史债务，但社区正在积极解决问题，未来前景乐观。