Splunk Inc.宣布正式推出Splunk App for Stream,该应用软件为收集实时的流式线上数据提供了一种全新软件途径。线上数据是一种通过网络在应用程序之间进行传输的独特机器数据,无需代码插装即能提供业务活动、应用性能、安全性与IT基础架构问题等方面的信息。当运行Splunk Enterprise 与Splunk Cloud时,Splunk App for Stream能够轻松收集线上数据,为安全、欺诈检测、合规性、应用管理、IT运行与业务分析提供更多洞察力。Splunk Enterprise或Splunk Cloud客户均可免费使用Splunk App for Stream。
Splunk解决方案营销高级总监Leena Joshi表示:“Splunk App for Stream是我们自去年收购Cloudmeter后推出的首款产品,它提供了一种能进一步提升客户使用Splunk软件所获价值的新途径。不同于部署困难(尤其是在公有云基础架构中)、基于设备的传统解决方案,Splunk App for Stream能够让客户即时访问企业内部或公有云、私有云、混合云基础架构内的线上数据。Splunk App for Stream为我们的客户打开了获取全新数据集的大门,提供了持续的IT、安全与业务洞察力。”
451 Research研究总监Peter Christy表示:“Splunk App for Stream是Splunk软件平台的一项富有价值的新拓展。凭借Splunk业经验证的可扩展性与强大分析力,线上数据的深度分析将彻底改变当今IT行业的游戏规则。”
Splunk App for Stream能被快速部署,收集、聚合及过滤来自公有云虚拟机、虚拟桌面等网络端点以及来自路由器、交换机、防火墙等网络边界的线上数据。凭借高度精细的过滤器与由应用界面定义的聚合规则,客户能够灵活地控制数据量,同时只收集与其特定分析需求相关的线上数据。通过将线上数据与日志、时间、指标等其它机器数据相关联,客户现在可以获得对应用与基础架构性能、运行、交易路径、系统宕机、基础架构关系、安全漏洞、合规性以及消费者行为等方面有价值的全新洞察力。
Splunk App for Stream经典应用案例包括:
Splunk软件欧洲代理商与数据分析咨询公司LC Systems的数据分析管理顾问Mika Borner表示:“Splunk App for Stream对我们使用Splunk Enterprise的客户而言是一个巨大的福利。我们的电信、IT、零售、金融及其它行业客户,现在无需插装代码即可使用流式线上数据获得对安全事故、合规性、应用与基础架构问题以及运行效率的更精准的洞察力。作为一种软件解决方案,Splunk App for Stream恰如客户的一双新眼睛,可清晰查看来自公有云的线上数据,而这在之前是难以企及的。”
好文章,需要你的鼓励
机器人和自动化工具已成为云环境中最大的安全威胁,网络犯罪分子率先应用自动化决策来窃取凭证和执行恶意活动。自动化攻击显著缩短了攻击者驻留时间,从传统的数天减少到5分钟内即可完成数据泄露。随着大语言模型的发展,"黑客机器人"将变得更加先进。企业面临AI快速采用压力,但多数组织错误地关注模型本身而非基础设施安全。解决方案是将AI工作负载视为普通云工作负载,应用运行时安全最佳实践。
MBZUAI研究团队发布了史上最大的开源数学训练数据集MegaMath,包含3716亿个Token,是现有开源数学数据集的数十倍。该数据集通过创新的数据处理技术,从网页、代码库和AI合成等多个来源收集高质量数学内容。实验显示,使用MegaMath训练的AI模型在数学推理任务上性能显著提升,为AI数学能力发展提供了强大支撑。
面对心理健康专业人士短缺问题,谷歌、麦肯锡和加拿大重大挑战组织联合发布《心理健康与AI现场指南》,提出利用AI辅助任务分担模式。该指南构建了包含项目适应、人员选择、培训、分配、干预和完成六个阶段的任务分担模型,AI可在候选人筛选、培训定制、客户匹配、预约调度和治疗建议等环节发挥作用。该方法通过将部分治疗任务分配给经过培训的非专业人员,并运用AI进行管理支持,有望缓解治疗服务供需失衡问题。
这项由多个知名机构联合开展的研究揭示了AI系统的"隐形思维"——潜在推理。不同于传统的链式思维推理,潜在推理在AI内部连续空间中进行,不受语言表达限制,信息处理能力提升约2700倍。研究将其分为垂直递归和水平递归两类,前者通过重复处理增加思考深度,后者通过状态演化扩展记忆容量。