Deep - AaaS Hub (Page 5)

Deep

AI挖掘3000论文建锂电池数据库

韩国科学技术院（KAIST）的研究团队近日推出了一款名为LLMB的AI智能体，通过自动化挖掘超过3600篇科学论文，成功构建了迄今最全面的锂金属电池（LMB）数据库。该工作发表于《ACS Central Science》，旨在加速电池研发的“开发-验证”周期。LLMB整合了大语言模型（LLM）与专门的图表挖掘工具，能够从文献中大规模提取材料组成、操作条件及循环性能等关键数据，并利用机器学习模型预测电池容量，揭示了溶剂极性等微观特性与电池性能之间的隐藏关联。多模态数据提取：LLMB如何从3606篇文献中构建8074个电池单元数据库 LLMB采用模块化架构，利用专门的大语言模型执行细胞命名、分类及数值提取等任务，覆盖29个实体类别。其核心工具Material Graph Digitizer（MatGD）基于YOLOv8架构识别并移除文本、图例等非数据元素，再通过DBSCAN算法根据RGB颜色矢量分离数据曲线。后处理模型自动完成SMILES转换和单位标准化，确保数据库的实用性。最终从3606篇论文中提取出8074个电池单元，包含详细的组件规格和循环数据。在文本挖掘中，细胞名称提取的F

Latest

微软推出MDASH AI系统查找安全漏洞

在网络安全攻防的军备竞赛中，人工智能正从辅助工具跃升为关键作战单元。继Mozilla借助Anthropic Mythos大规模修复Firefox漏洞后，微软于5月13日正式公布其自主研发的代理式AI漏洞检测系统MDASH（Microsoft Security multi-model agentic scanning harness）。这一系统在本周补丁星期二中成功定位了16个Windows漏洞，标志着AI驱动的漏洞发现从理论探索正式进入工程化落地阶段。微软副总裁Taesoo Kim强调，MDASH通过协调超过100个专门AI代理，在多个前沿与精简模型之间进行协同、辩论与验证，实现了端到端的可利用漏洞发现。 MDASH架构：百个AI代理协同，零误报证明工程能力不同于依赖单一模型的传统方案，MDASH采用“多模型代理编组”策略。据微软官方博客披露，该系统在一个私有测试驱动程序上，以零误报的结果成功发现了全部21个植入漏洞（planted vulnerabilities）。在对过去五年微软安全响应中心（MSRC）确认的漏洞案例进行回顾性测试中，MDASH对clfs.sys的召回率达到

Deep

Agentic AI安全挑战与企业防御策略

随着AI从聊天助手进化为能够自主执行任务的智能体，安全逻辑正经历根本性变革。2026年初，OpenClaw凭借其强大的任务规划、文件读写和API调用能力，在GitHub上狂揽超过24万星标，成为科技圈焦点。然而，这种“自作主张”的能力也撕开了全新的攻击面，让企业CISO们惊出一身冷汗。OWASP火速发布《2026年十大智能体应用安全风险》报告，标志着防范AI Agent被劫持利用已成为行业公敌。本文将从OpenClaw揭示的安全风险出发，结合亚马逊云科技的防御实践，探讨企业如何在Agentic AI时代构建坚实的安全基石，平衡效率与安全，驱动业务狂飙。失控的代理人：OpenClaw揭开的三大安全伤疤 AI Agent带来的安全威胁并非传统软件漏洞的简单平移，而是一种带有自主意识的系统性风险。结合OWASP的权威框架与OpenClaw的现状，这种风险主要集中在以下三个致命维度。 * 生态失控引发的供应链投毒：OpenClaw依赖的ClawHub社区面临恶意插件泛滥危机，短短几周内伪装成合法工具的恶意Skills暴增142%，数量突破800+，导致用户浏览器会话、密码甚至加密货

Latest

Snowflake升级智能与Cortex Code，强化AI代理能力

在人工智能技术快速演进的背景下，企业正寻求更智能、更集成的解决方案来优化数据驱动的工作流程。Snowflake作为数据云平台的领先者，近日宣布对其Snowflake Intelligence和Cortex Code进行一系列重大更新，旨在强化其平台上的代理式AI能力。这些更新不仅聚焦于企业数据整合、工作流自动化和开发者环境扩展，还通过引入新功能如Deep Research和移动应用支持，为业务用户和开发者提供更无缝的体验。此举标志着Snowflake正从传统的数据存储和分析平台，向一个全面的AI驱动操作环境转型，有望重塑企业如何利用AI处理复杂任务和提升生产力。核心更新：强化代理式AI与数据整合 Snowflake的更新主要集中在Snowflake Intelligence和Cortex Code两大组件上，旨在为业务用户和开发者提供一个统一的平台。Snowflake Intelligence通过整合来自Project SnowWork的见解和客户反馈，演变为一个个性化的AI代理，能够学习用户偏好和工作流，自动执行任务如准备演示文稿或多步骤分析。同时，Skills功能的普遍可用

Deep

四大MFT平台实测：Files.com、Thru、Cerberus FTP、Serv-U对比

在数字化转型加速的背景下，企业文件传输（MFT）平台已成为确保数据安全、提升运营效率的关键基础设施。近期，一项针对四款主流MFT平台——Files.com、Thru、Cerberus FTP Server和Serv-U MFT Server的深度基准测试揭示了它们在部署、安全、自动化及用户体验方面的显著差异。测试基于实际试用环境，涵盖从设置到监控的全流程，为技术决策者提供了宝贵的行业洞察。本文基于原始资料，提取核心价值，分析这些平台如何应对现代企业需求，特别是在云原生与本地部署之间的权衡。测试环境与方法测试在伊斯坦布尔基于对称1,000 Mbit/s线路（128 MB/s上传容量）进行，使用AWS m6i.xlarge实例为Cerberus（Windows Server 2025）和Serv-U（Linux）提供支持。所有观察均来自试用账户或安装软件的实际使用，确保结果客观可靠。部署与访问差异 Files.com和Thru为完全云托管平台，无需安装步骤，注册后即可通过浏览器访问管理面板，适合快速部署和远程管理。