EMC公司已经收购了CloudLink——这是一家员工总数为二十名的加拿大企业,主要负责开发云数据安全软件——不过具体收购价格尚未公开。
CloudLink公司的软件名头为SecureVM,其能够为私有云环境提供端到端数据加密机制,范围涵盖闲置状态下以及正在使用当中的、面向虚拟服务器的全部数据。CloudLink公司自2013年开始成为EMC方面的指定合作伙伴,并提供:
- 用于云环境下虚拟存储及虚拟机内加密数据存储的Secure VSA。
- 用于云环境下虚拟机系统且不依赖于CSP的SecureVM。
- 用于云环境下应用文件(NAS)的SecureFILE。
- 用于实现政策控制与密钥(这部分密钥保留在客户站点或者云环境当中)交付的CloudLink Center管理系统。
CloudLink Center与EMC公司的RSA Data Protection Manager相集成。CloudLin公司位于加拿大渥太华,而且原本用名为AFORE公司。
CloudLink公司拥有超过五十家客户,而且每年运营收入超过一百万美元:这样的规模在EMC公司的眼中确实小得有些不值一提。CloudLink于2013年的A轮融资中从单一一家风险投资方处获得了600万美元,该公司联合创始人、CEO兼总裁为Alex Berlin。
CloudLink的各款产品都能够与AWS以及Azure相协作——例如与Azure Key Vault进行配合——此外还能够同IBM、EMC、VCE以及VMware的相关产品并行不悖,其同时支持Windows与Linux操作系统镜像。
根据风险投资行业五倍收益的比例来计算,那么本次收购活动的价位应该在3000万美元。不过就目前的情况看,EMC Ventures很可能正是2013年A轮融资中的那位投资者,因此收购这家由其自身支持的初创企业恐怕根本用不着花费3000万美元。
EMC公司总裁Chad Sakac还提供一些相关背景信息:
随着越来越多客户开始部署混合云模式,加密机制开始成为流程当中必不可少的重要一环。我们为几乎整个EMC产品组合(既包括存储阵列也涵盖SDS机型)提供丰富的存储级加密方案。
在少数例外情况下,我们目前尚未以原生方式提供此类保护功能(例如ECS对象存储与HDFS目前就尚无加密机制——不过其很快就会迎来丰富的基于存储桶的加密功能,而ScaleIO当下只拥有一套拥有基础混淆功能的轻量化加密方案——不过未来这一状况同样会得到改观)。
他进一步补充称,客户需要的加密机制需要独立于云环境之外、在基础设施当中以管理政策为基础、可应用于特定工作负载并以强制性方式执行:如果这类加密政策无法切实起效,虚拟机将不能正常运行。
如今Alex Berlin将加入到EMC公司的云安全部门当中,而他和他的团队也将入驻渥太华以迎接新的工作任务。
很明确,CloudLink的产品极可能与EMC方面的云环境下备份服务相整合。顺带一提,我们注意到CloudLink并没有被纳入RSA当中。
好文章,需要你的鼓励
这项研究提出了ORV(占用中心机器人视频生成)框架,利用4D语义占用作为中间表示来生成高质量的机器人操作视频。与传统方法相比,ORV能提供更精确的语义和几何指导,实现更高的时间一致性和控制精度。该框架还支持多视角视频生成(ORV-MV)和模拟到真实的转换(ORV-S2R),有效弥合了虚拟与现实之间的差距。实验结果表明,ORV在多个数据集上的表现始终优于现有方法,为机器人学习和模拟提供了强大工具。
这项研究由Writer公司团队开发的"反思、重试、奖励"机制,通过强化学习教导大型语言模型生成更有效的自我反思内容。当模型回答错误时,它会生成反思并二次尝试,若成功则奖励反思过程。实验表明,该方法在函数调用和数学方程解题上带来显著提升,最高分别改善18.1%和34.7%。令人惊讶的是,经训练的小模型甚至超越了同家族10倍大的模型,且几乎不存在灾难性遗忘问题。这种自我改进技术为资源受限环境下的AI应用开辟了新方向。
FuseLIP是一项突破性研究,提出了通过早期融合离散标记实现多模态嵌入的新方法。与传统CLIP模型使用独立编码器不同,FuseLIP采用单一编码器同时处理图像和文本标记,实现了更自然的模态交互。研究证明,这种早期融合方法在多种多模态任务上表现优异,特别是在需要理解图像结构而非仅语义内容的任务上。研究还开发了创新的数据集和评估任务,为多模态嵌入研究提供了宝贵资源。
ByteDance与浙江大学合作开发的MERIT是首个专为多语言多条件语义检索设计的基准数据集,包含320,000条跨5种语言的查询和135,000个产品。研究发现现有模型在处理多条件查询时过度关注全局语义而忽略特定条件元素,为此提出CORAL框架,通过嵌入重建和对比学习相结合的方式,使检索性能提升45.9%。这项研究不仅识别了现有方法的关键局限性,还为多条件交错语义检索领域的未来研究奠定了基础。