龙蜥社区安全联盟闭门会举办,新增 4 家成员单位

简介: 龙蜥社区安全联盟新增四家新成员,一起共同探索和碰撞联盟发展思路,制定并落地实施联盟发展规划。

2023 年 11 月 2 日,龙蜥社区组织策划了安全联盟闭门会,共有 23 位来自平台厂商、安全厂商等代表走进杭州阿里巴巴云谷园区,本次会议由龙蜥社区安全委员会主席龙勤主持。各位委员在会上积极讨论了联盟近期的工作进展和未来的工作规划,并对申请加入联盟的厂商进行了表决。

 

会议特别邀请到龙蜥社区理事长马涛做开场致辞。马涛强调,联盟致力于构建安全生态、推动社区健康发展的重要性。“无论是社区,还是联盟,我们最终能够在这里形成合力,通过协同的方式共同将事情一起做成,推动社区健康的发展。一个人能走得快,但是大家一起能走得更远。”同时,他也希望龙蜥社区在安全方向的建设和生态合作、技术合作,都能够在这个联盟里持续推进。


(图/龙蜥社区理事长马涛做开场致辞)


安全委员会主席龙勤介绍了联盟的成立过程及其发展目标,并欢迎了所有成员单位。他表示,联盟始终遵循开放共享、共建共治的理念,积极联合各厂商在漏洞挖掘、适配认证、安全技术成果转换落地等方面进行合作,为用户提供可靠安全的龙蜥产品。


(图/龙蜥社区安全委员会主席龙勤发言)


会上,联盟委员针对安势科技、青藤云安全、哨云科技及三未信安 4 家安全厂商的加入申请做了投票表决,现场一致全票通过。未来,四家新成员将和龙蜥安全联盟一起共同探索和碰撞联盟发展思路,制定并落地实施联盟发展规划。


(图/ 申请厂商加入表决)


安全委员会副主席、浪潮信息产品安全总监何伟向大家同步近期联盟工作进展,介绍了工程管理结果漏洞管理的流程和平台,包括漏洞的感知、评估、修复等,以及管理平台的作用和各个层次的风险分类,还涉及到 SLA、官网运营、联盟信息、安全认证等内容。最后,针对漏洞管理的未来发展计划做了分享,并对联盟的支持和各个成员的贡献表示了感谢。


(图/安全委员会副主席、浪潮信息产品安全总监何伟发言)


安全委员会委员张世乐提到了联盟的发展计划和合作方向,各委员都积极发表了想法。联盟代表表示他们的目标是在基于三方安全的服务上做得更好,并希望能够打造有技术竞争力和市场竞争力的产品。他们计划在未来半年内建立知识库和讨论平台,以加强团队间的交流与合作。同时,还希望在技术上进行研发和适配,并结合容器操作系统和安全产品,推进金融领域的深度融合。他们认为建立安全生态是发展的重要途径,并鼓励大家提出短期和长期的合作方向。


在自由交流环节,诸多委员均结合自身企业的优势,对未来与联盟的合作规划发表了想法和建议。


(图/蚂蚁集团李强、统信软件尚超、海光信息应志伟、瑞星李健4位委员在会上发言)


会议结束后,安全联盟闭门会参会成员一同参观了阿里云展厅,最后并进行合影留念:


(图/安全联盟闭门会参会人员合影)


本次活动感谢金美琴、张世乐、王轶飞、张天佳、夏敏琪、范晓涵、龙向、贺迪等人的组织。

相关文章
|
供应链 安全 架构师
OASA 年中研讨会成功举办,新增 8 家厂商加入联盟,推进 3 个合作方向
联盟成员通过软件安全、硬件安全、软件供应链安全合作方向,实现共赢。
|
7月前
|
人工智能 安全 架构师
开放、协同,2025 云栖大会“操作系统开源与 AI 进化分论坛”精彩回顾
唯有通过生态开放与技术共享,才能加速 AI 技术的普惠与产业化落地。
|
3月前
|
存储 人工智能 运维
阿里云全新发布的 UModel 是什么
当可观测数据被建模为可理解、可行动的上下文图谱,AIOps 才真正拥有了落地的土壤。
342 35
|
5月前
|
消息中间件 存储 人工智能
官宣上线!RocketMQ for AI:企业级 AI 应用异步通信首选方案
RocketMQ 专门为 AI 场景推出了全新Lite Topic 模型,目前已在阿里云云消息队列 RocketMQ 版 5.x 系列实例上正式发布,并会逐步贡献到 Apache RocketMQ 开源社区,欢迎大家使用。
443 49
|
5月前
|
消息中间件 人工智能 Apache
Apache RocketMQ × AI:面向 Multi-Agent 的事件驱动架构
本文介绍基于Apache RocketMQ构建异步化Multi-Agent系统的创新实践,通过语义化Topic实现Agent能力发现,结合Lite-Topic与事件驱动架构,支持任务闭环、上下文隔离与动态编排,为Agentic AI提供高效、可靠的协同机制。
325 3
Apache RocketMQ × AI:面向 Multi-Agent 的事件驱动架构
|
11月前
|
人工智能 供应链 安全
|
7月前
|
存储 人工智能 安全
函数计算进化之路:AI Sandbox 新基座
AI Agent 的兴起催生了一种全新的、独特的云工作负载类型。它既不完全符合传统 IaaS(对于零散、突发的使用场景而言过于昂贵和笨重)的模式,也打破了第一代 FaaS(函数即服务,因其无状态和较弱的隔离保证而无法满足需求)的设计假想。市场迫切需要一种新型运行时——它必须兼具虚拟机的状态化和隔离性与 Serverless 的经济性和弹性。这正是阿里云函数计算(Function Compute, FC)架构演进所要解决的核心问题。
|
9月前
|
机器学习/深度学习 人工智能 算法
深度强化学习在异构环境中AI Agent行为泛化能力研究
随着人工智能技术的迅猛发展,AI Agent 在游戏、智能制造、自动驾驶等场景中已逐步展现出强大的自适应能力。特别是深度强化学习(Deep Reinforcement Learning, DRL)的引入,使得智能体能够通过与环境的交互,自动学习最优的行为策略。本文将系统性地探讨基于深度强化学习的AI Agent行为决策机制,并结合代码实战加以说明。
深度强化学习在异构环境中AI Agent行为泛化能力研究
|
人工智能 数据可视化 大数据
GIS前沿技术
GIS前沿技术
512 1

热门文章

最新文章