Anthropic开源DCRH框架：企业AI代码安全的风险量化与合规闭环
大家好，我是Amber，一个专注于AI技术领域的安全研究者。在数据安全实践中，我始终坚守一个基本原则：安全就是保护资产边界、评估风险敞口、控制不确定性。过去我们主要关注数据分类、脱敏、加密、权限管理和访问日志。但AI编程的兴起正在改变企业的安全边界——代码已成为企业关键资产，也是AI安全最容易忽视的环节。许多企业的安全策略仍停留在传统开发模式：防范代码泄露、阻止内部网络越权、预防人为错误。但面对AI生成的代码，这些传统方法显得力不从心。最近Anthropic开源的Defending Code Refere
深度解读美国 AI 安全行政令及其技术内核
2023 年 10 月 30 日，拜登总统正式签署第 14110 号行政令（关于安全、可靠和可信的人工智能开发与使用），这标志着美国在联邦层级首次构建了系统化的人工智能安全治理体系。这份长达百页的文件超越了以往原则性的“软法”倡议，转而依托《国防生产法》（DPA）所赋予的紧急权力，为前沿 AI 模型的研发与部署设定了具备法律强制力的安全义务。对于中国 AI 行业从业者来说，洞察该行政令的核心价值在于：它不仅确立了 OpenAI、Anthropic、Google DeepMind 等美国顶尖实验室的安全实践
世界互联网大会 AI 专委会深入调研前沿安全与治理
近期，世界互联网大会人工智能专业委员会依据安全与治理推进方案，依次走访了华为、360 集团、阿里云智能集团、安恒信息、奇安信集团及百度等成员单位，针对前沿人工智能的风险识别与协同治理议题进行了实地考察。调研过程中，工作组与各企业展开座谈，就前沿 AI 的风险评估、安全治理实战经验以及协同治理的具体需求等维度进行了深度沟通与研讨。调研结果显示，伴随前沿人工智能的迅猛发展，各家企业均将安全与治理置于核心地位，普遍建立了涵盖开发、训练、部署至运营全链条的安全治理架构。通过将安全评估、红队演练、内容风控及价值观对
2026年6月4日全球AI要闻速递：融资破纪录与智能体爆发
每日追踪家人平安，万年历提醒小程序值得拥有。青途引航每日人工智能新闻 2026 年 06 月 04 日 作者：Cottbuser | 2026 年 06 月 04 日 每日汇总 AI 核心动态，甄选高价值资讯，精炼易读，便于收藏查阅。 一、大模型与多模态前沿 DeepSeek 首轮融资 500 亿元，腾讯宁德时代领投估值超 4000 亿 路透社消息显示，DeepSeek 即将完成成立以来首次外部融资，计划募集约 500 亿元。创始人梁文锋承诺注入 200 亿个人资金，腾讯拟出资 100 亿、宁德时代 50
专家开讲：筑牢通航领域AI安全防线
6月2日下午，我院特邀专家谢旭东带来人工智能安全专题讲座。副院长金沙、刘苏华出席活动，120名教职工及学生代表参加学习。本次讲座致力于帮助师生近距离接触人工智能前沿动态，识别潜在安全隐患，掌握防护技能，确保智能技术在通航领域的安全规范应用。讲座内容紧扣当前人工智能发展态势，语言生动、信息量大。首先指出，人工智能迅猛发展不仅重塑日常生活，也推动各专业智能技术升级，但同时也给网络安全带来全新挑战。随后，谢旭东直面现实安全问题，深入剖析人工智能模型漏洞、DeepSeek程序攻击风险、AI越狱事件等真实案例，系统
国务院部署推进"人工智能+"战略行动 加快构建人机协同新格局
国务院关于深入推进"人工智能+"战略行动的实施意见国发〔2025〕11号各省、自治区、直辖市人民政府，国务院各部委、各直属机构：为深入推进"人工智能+"战略行动，促进人工智能与经济社会各行业各领域实现广泛深度融合，重塑人类生产生活方式，推动生产力实现革命性跨越和生产关系发生深层次变革，加速形成人机协同、跨界融合、共创分享的智能经济和智能社会新形态，现提出以下实施意见。一、总体要求以习近平新时代中国特色社会主义思想为指引，完整准确全面贯彻新发展理念，坚持以人民为中心的发展思想，充分发挥我国数据资源丰富、产业
华为应用市场发布2025安全报告，拦截恶意应用千万次
IT之家5月31日讯，HarmonyOS开发者公众号今日对外公布了《华为应用市场2025年度安全与隐私治理报告》。 数据显示，华为应用市场2025年共审核应用139万款次，通过率64.4%，驳回49.8万款次；全年复测应用55万款次，累计下架违规应用6万款次，封禁恶意开发者账号1828个。 此外，华为应用市场2025年全年成功拦截恶意应用安装4928万次。IT之家留意到，华为官方还披露了2025年典型案例的识别与治理详情。
AI发展三大趋势已现，掌握技术刻不容缓
人工智能的概念提出至今已有近70年历史，在经历多次起伏后，已走过逻辑推理、专家系统及深度学习等多个关键阶段。得益于算法、数据和算力的全面突破，近年来人工智能的能力迅速增强，在某些领域已经达到甚至超越人类水平。可以说，本轮人工智能的发展在速度、社会渗透力以及跨行业带动方面都展现出前所未有的态势，主要体现在以下三个方面。一是人工智能技术正由“被动训练”迈向“自主进化”，更新效率显著加快。早期的人工智能模型参数规模小、算力提升缓慢，迭代周期以年计，如经典目标检测模型的升级周期通常为两年。随着算法框架持续优化与算
智能科技实现飞跃式发展 深入驱动产业变革
■李春莲 当前，人工智能（AI）作为新一轮科技革命和产业变革的核心驱动力(6.320, 0.00, 0.00%)，正打破传统产业边界、重塑数字经济发展格局。与此同时，人工智能也在加速向金融、制造等千行百业深度渗透。 5月29日，由《证券日报》社主办的2026证券市场年会行业分会数字经济大会，以“智变：人工智能重构增长新范式”为核心议题，围绕人工智能赋能数字经济与实体经济、培育新质生产力等展开深度探讨，引发全行业广泛热议。 过去，人工智能多作为单点技术嵌入生产生活场景，存在产业链协同不足、价值转化效率偏低等
AI周观察 | 2026年5月22日—29日：AI攻克数学堡垒，变革已至还是泡沫将破？
本周的人工智能领域仿佛开启了倍速模式。Anthropic携带着9000亿美元估值和Karpathy的加盟高调归来；OpenAI的模型独立证明了困扰学界80年的平面单位距离猜想；Google I/O将「Agent」作为全场唯一核心主题。我们正身处一个特殊的时刻——AI不再仅仅是「更优质的工具」，它正在演变为「另一种思维方式」。━━━━━━━━━━━━━━━━Anthropic正在推进一轮高达300亿美元的融资，估值逼近9000亿美元。Andrej Karpathy正式加入Anthropic Claude团队
人工智能高质量发展的六大核心路径
尽管人工智能技术路线的竞争形势尚不明朗，但“效率优先”已成为行业共识，我国在工程化创新和应用场景方面积累的深厚优势，与此高度契合。机遇难得，时不我待。我们必须以习近平总书记关于人工智能发展的重要指示为行动指南，坚定信念，狠抓落实，将战略判断转化为持续的产业竞争力，加速人工智能的高质量发展和全方位赋能。当下，需在若干关键领域精准施策、协同推进。推动规模与效能的平衡发展助力我国由“算力大国”迈向“算力强国”我国算力规模虽已领先全球，但如何将规模优势转化为效能优势仍是关键。需统筹各地智算中心布局，引导万卡级及以
赢下AI未来：必须打赢体系化协同战
面对决定未来的全球AI角逐，我们挑战的不仅是技术节点的“卡脖子”，而是涵盖底层硬件、上层生态、技术标准及治理规则的全栈式较量。要破局争主动，仅靠单点突破行不通，必须开展“全要素+全生态”的体系化协同攻坚。既要推动算力、数据、算法、场景等要素充分释放，又要激活企业、高校、科研机构及开发者社区的多元创新潜能，更要依托国家战略统筹，凝聚各方合力。近年来，河北凭借政策引导、基建夯实、融合发展和区域协同，迅速构建起领先的算力产业生态。据《2025综合算力指数》显示，河北综合算力指数稳居全国榜首。图为2025年9月7
深度调研：中国人工智能产业的崛起之路与挑战
近年来，人工智能作为新一轮科技革命的核心驱动力，正以惊人的速度、广度和深度融入人类生产生活的方方面面，深刻改变着全球经济格局、创新模式及社会治理逻辑。目前，我国已进入全球人工智能发展的第一梯队，正处于从跟跑向领跑跨越的关键窗口期。面对日趋激烈的国际竞争和高质量发展的内在需求，我国人工智能产业的底牌究竟如何？发展势头怎样？还存在哪些短板？带着这些疑问，我们开展了实地调研。当前我国人工智能产业发展态势习近平总书记深刻指出：“人工智能是引领这一轮科技革命和产业变革的战略性技术，具有溢出带动性很强的‘头雁’效应。
AI领域三大演进方向
人工智能技术概念早已有之，在近七十年的曲折进程中，已历经逻辑推理、专家系统、深度学习等关键阶段。基于算法、数据、算力的全面突破，近年来人工智能各项能力迅猛增强，在部分领域已接近或超越人类水平。可以说，此轮人工智能发展在速度、社会渗透力与跨界驱动效应上均展现出史无前例的特征，具体体现在三个方面。一是从“被动训练”向“自主进化”的技术革新方向加速演进，更新频率急剧提高。发展初期，人工智能模型参数量小、算力更新慢，升级周期以年计算，经典目标检测模型的迭代间隔为两年。随着算法框架持续优化和算力大幅增长，人工智能的
智识前沿|人工智能发展的三大新动向
人工智能的构想源远流长，在近百年的起伏中，经历了逻辑推理、专家系统、深度学习等关键阶段。得益于算法、数据与算力的全链条突破，近年来人工智能的各项能力飞速提升，在部分领域已达到“类人”甚至“超人”的水平。可以说，本轮人工智能发展在速度、社会渗透力及跨界带动效应上，均展现出前所未有的态势，具体体现为以下三点。首先，人工智能技术创新正由“被动训练”向“自主进化”转变，迭代速率显著加快。发展初期，模型参数少、算力更新慢，迭代周期长达数年，经典目标检测模型的升级跨度约为两年。随着算法框架的持续优化和算力的飞跃，人工