Acronis公司CEO Serguei Beloussoy认为,数据保护服务必须停止被动响应的设计思路,转而演变为数据完整性、安全性与存储事务的主动管理。
Acronis公司是一家存储软件供应商,其在创立之初主要经营备份与数据存储方案间的分离,同时开发出其它数据协作与管理服务。其服务方案跨越多种存储平台运行,并能够在各平台之间实现数据移动。
Beloussov指出,Acronis公司将努力实现数据分层:这一点非常重要。他认为,数据在规模与重要性方面将变得极为重要。而旧有备份与存储实现方案将不足以应对这些新的难题。
数据不再成为企业资产中的二等公民,而原有数据丢失以及任务恢复处理机制亦无法适应新时代下的新要求。“我们正积极打造一套主动的实时检测与修复方案,”Beloussov表示。
数据访问亦需要得到监控。如果访问过程出现错误,则必须检查数据以了解其是否已经被改变。若确实受到修改,则应及时加以修复。
Acronis公司CEO Serguei Beloussov
Beloussov认为Acronis公司的全部产品皆需要进行主动式转化,从而确保全部用户——包括各类规模的企业客户——都能够以主动方式加以使用。各类存储平台亦需要拥抱超融合与超大规模发展趋势,Beloussov同时补充称。
他为这样的变化潮流划定了三到五年的推进周期。他认为其中处理部分应该由“计算云”而非存储阵列本身执行,后者应单纯作为IP连接型块、文件与对象存储设备。Beloussov并未提到傻瓜式设备这一说法,但似乎在思路上与之较为接近。他认为存储阵列不需要亦没有立场承担起存储相关处理类任务。用他的话来主,Coho Data以及其它类似方案并不具备市场需求空间。
这里提到的“计算云”可以来自内部或者外部环境,包括私有或者公有云,且将由第三方负责管理——即使其来自内部环境。这是因为私有云拥有者往往很难直接对整套基础设施加以管理。
那么这种主动式数据管理服务要如何起效?Beloussov以勒索软件作为实例。他认为,勒索软件类似于一种瘟疫,而企业需要接种软件疫苗将其治愈。这就是一种数据服务,其能够访问勒索软件调查数据并进行机器学习,从而实现签名检测与识别。此项服务将检测勒索软件何时将攻击矛头指向客户数据集并将其冻结。另外,该服务还能够实时识别受影响的数据,并利用保存在缓存中的原始数据将其修复; 如果不存在原始数据,则利用触发式恢复方案加以解决。
最近发布的Notary区块链功能将有助于实现上述目标,其保证数据将拥有不可侵犯的强大能力。Acronis几年之前开始与区块链技术进行广泛合作。Beloussov表示:“我一位朋友的朋友是Ethereum公司的创始人,因此我们得以有机会进行沟通。”公证性(即认证文件的不可侵犯性)是区块链技术在比特币之后最为活跃的使用范例。
在Beloussov看来,如果区块链能够达到与其承诺相符的成功水平,那么其将彻底改变一切。Acronis拥有“其它新产品,其中相当一部分与区块链紧密相关。”
从整个市场情况来看,其它各家数据管理服务供应商现在应加紧了解Acronis公司如何利用区块链技术,并从中汲取灵感以实现类似的服务方案。
好文章,需要你的鼓励
zip2zip是一项创新技术,通过引入动态自适应词汇表,让大语言模型在推理时能够自动组合常用词组,显著提高处理效率。由EPFL等机构研究团队开发的这一方法,基于LZW压缩算法,允许模型即时创建和使用"超级tokens",将输入和输出序列长度减少20-60%,大幅提升推理速度。实验表明,现有模型只需10个GPU小时的微调即可适配此框架,在保持基本性能的同时显著降低计算成本和响应时间,特别适用于专业领域和多语言场景。
这项研究创新性地利用大语言模型(LLM)代替人类标注者,创建了PARADEHATE数据集,用于仇恨言论的无毒化转换。研究团队首先验证LLM在无毒化任务中表现可与人类媲美,随后构建了包含8000多对仇恨/非仇恨文本的平行数据集。评估显示,在PARADEHATE上微调的模型如BART在风格准确性、内容保留和流畅性方面表现优异,证明LLM生成的数据可作为人工标注的高效替代方案,为创建更安全、更具包容性的在线环境提供了新途径。
这项研究由中国科学技术大学的研究团队提出了Pro3D-Editor,一种新型3D编辑框架,通过"渐进式视角"范式解决了现有3D编辑方法中的视角不一致问题。传统方法要么随机选择视角迭代编辑,要么同时编辑多个固定视角,都忽视了不同编辑任务对应不同的"编辑显著性视角"。Pro3D-Editor包含三个核心模块:主视角采样器自动选择最适合编辑的视角,关键视角渲染器通过创新的MoVE-LoRA技术将编辑信息传递到其他视角,全视角精修器修复并优化最终3D模型。实验证明该方法在编辑质量和准确性方面显著优于现有技术。
这项研究提出了ComposeAnything,一个无需重新训练的框架,可显著提升AI图像生成模型处理复杂空间关系的能力。该技术由INRIA、巴黎高师和CNRS的研究团队开发,通过三个创新步骤工作:首先利用大型语言模型创建包含深度信息的2.5D语义布局,然后生成粗略的场景合成图作为先验指导,最后通过物体先验强化和空间控制去噪引导扩散过程。在T2I-CompBench和NSR-1K基准测试中,该方法远超现有技术,特别是在处理复杂空间关系和多物体场景时表现卓越,为AI辅助创意设计开辟新可能。