2020年,早期的远程办公加速各个企业恢复生产到现在的远程办公常态化。远程办公平台发挥着重要作用。同时随着远程办公激增的同时,网络威胁、人为意外等等带来的数据安全问题也层出不穷,如何保证云上的业务数据的不丢失也成为企业考虑的问题。
对于许多人来说,远程办公平台已成为企业生产力的核心工具,比如向远程办公模式的转变使得过去一年中Microsoft Teams的使用量激增,上个月的日活用户达到1.15亿,相比近一年前的2000万日活用户增长了475%,但保护Microsoft Teams的数据一直是一个挑战。“当远程办公逐步成为新常态后,Microsoft Office 365备份变得更加重要。然而,据我们今年发布的《Veeam 2020年数据保护趋势报告》显示,在使用Office 365的中国企业中,三分之二的企业只使用Office 365内置的备份功能,” Veeam中国区总经理张弘表示。因此基于数据的重要性,需要用专用数据保护功能来保护Teams的数据变得比以往任何时候都更加重要。
近日,云数据管理备份解决方案的领导者Veeam®Software(卫盟软件)发布了公司增长最快的产品——Veeam Backup for Microsoft Office 365的最新版本v5。v5新增了针对Microsoft Teams设计的专用备份和恢复功能,为Microsoft Teams提供定制化、颗粒级的恢复体验,为远程工作人员的关键Teams对话保驾护航,同时使用户能够比以往更容易地快速查找和恢复Teams数据,包括整个群组、具体渠道和设置。以确保业务连续性并防止数据丢失。
“当远程办公促使Microsoft Teams的使用量激增时,Veeam亦紧跟行业发展,迅速地在Veeam Backup for Microsoft Office 365 v5中实现了对Teams备份的支持,帮助用户比以往任何时候都更容易在Microsoft Teams中查找和恢复Teams数据,由此更进一步地帮助了企业在远程办公和管理中,实现全面访问和控制业务关键数据,同时保证数据安全。” 张弘谈到。
“没有人能够100%避免网络攻击,但未雨绸缪是关键。捷成拥有三步走的网络安全策略:识别、控制和恢复,而Veeam 可保证我们恢复数据。为了恢复及保留一份完整和最新的数据备份,我们必须确保备份工作每时每刻都顺利进行,并定期进行深度测试以确保我们的数据100%可恢复,”捷成集团资讯科技总监陈煜民表示。
Veeam首席技术官及产品战略高级副总裁Danny Allan表示,“虽然Microsoft Teams自带基础的数据保留功能,但它并不能完全防止意外删除或安全威胁导致的数据丢失,也不能出于合规性或监管目的而实现长期保留——这正是令许多公司担忧的关键。”确保Teams数据得到全面保护并易于恢复的重要组成部分。Veeam Backup for Microsoft Office 365的最新版本满足了这一关键业务需求。
Veeam Backup for Microsoft Office 365 v5现在为Microsoft Teams提供的支持包括:
专用的Microsoft Teams备份:对Microsoft Teams数据全面控制和保护;
更快、更容易的恢复:业界领先的恢复选项,专为Microsoft Teams打造;
无与伦比的eDiscovery:可在Microsoft Teams组件间进行颗粒搜索和查找,以实现无缝的治理和合规性。
此外,v5现在能够提供强大的可扩展性,新的架构增强提供了5倍的规模增长以支持更大型的企业,还提供可以同时浏览逾10万个对象的UI的能力。v5还将Office 365数据移动到对象存储的速度提高了2倍,同时能够并行处理大量SharePoint Online列表。
好文章,需要你的鼓励
微软将在今年夏季晚些时候推出Windows恢复力计划,著名的Windows蓝屏死机将被新的黑屏替代。这一变化是微软对2024年7月CrowdStrike故障事件的回应,该事件导致约850万台Windows设备瘫痪。作为Windows恢复力计划的一部分,微软正在重新设计Windows代码,让安全软件在内核外运行,以提高系统稳定性和恢复能力,减少因第三方安全软件问题导致的系统崩溃。
香港理工大学研究团队开发了突破性医学AI系统GEMeX-ThinkVG,让人工智能在分析胸片时能像医生一样详细解释诊断过程。该系统不仅能准确回答医学问题,还能标注具体的影像区域并提供完整的推理链条,解决了传统医学AI"黑盒子"问题。通过创新的强化学习训练方法,仅用八分之一数据就达到了传统方法的性能水平,为可解释医学AI开辟了新方向。
随着GPU成为AI工作负载训练和运营的关键,越来越多的云服务提供商开始提供云GPU实例。这为希望避免部署GPU硬件费用和复杂性的组织带来好消息。云GPU实例可按超大规模与专业化提供商、通用与专用实例、共享与独占服务器进行分类。选择时需考虑工作负载类型、GPU类型、成本、延迟和控制级别等因素。
希腊雅典理工大学团队开发CultureMERT-95M多文化音乐AI模型,通过两阶段持续预训练和任务算术方法,让AI系统学会理解希腊、土耳其、印度等非西方音乐传统。该模型在非西方音乐分类任务上提升4.9%准确率,同时保持西方音乐理解能力,为构建更包容的全球音乐AI系统奠定基础。