新冠疫情以来,中国企业迅速通过拥抱和采用云计算、容器化和虚拟化基础设施等技术来助力业务发展。但是,与此同时,云和虚拟化技术的加速采用为中国企业带来了更多的IT复杂性,并由此产生了数据安全等挑战。Veritas企业IT安全脆弱性报告显示,在过去12个月里,85%的中国企业都经历过不同时长的非计划性停机。中国企业已经切身感受到了IT安全能力滞后正在不断扩大,并在未来几年给企业带来巨大的成本和运营压力。
调研中的全球81%的IT主管表示,由于疫情催化的数字和云计划造成的IT安全问题,他们需要花费巨大的资源来弥补技术差距。在中国IT主管的预期中,为了弥补差距,在未来12个月内,他们需要平均雇佣27名全职IT员工,这与全球平均水平持平。此外,他们平均需要额外花费234万美元(约合人民币1,509万元),略低于全球平均水平的247万美元(约合人民币1,596万元)。
数据存储领域报告显示,中国企业只对65%的存储数据进行了分类或标记,这意味着很大一部分可能是关键业务的数据并没有得到充分的备份和恢复。这也意味着关键业务数据(无论存储在何处)的完全可见性和保护能力之间存在令人担忧的差距。
近日,Veritas大中华区技术服务销售总监顾海巍针对近期数据安全法的颁布实施以及《Veritas企业IT安全脆弱性报告》的内容分享了自己对多云环境下数据保护的看法。
毫无疑问,《数据安全法》作为纲领性法规,为今后企业如何合理地使用数据来推动整体社会效益的发展指明了方向。
顾海巍认为《数据安全法》对企业IT建设有三点意义:第一,明确了企业对数据安全的全生命周期进行管理。第二,明确了在使用以及出现事故时企业的安全义务是什么。第三,让成本变得非常清晰。
“《数据安全法》里不仅规定了法律责任,而且在第四章里明确规定数据安全保护义务,里面有一句话:必须确保数据安全,出现安全事故必须立即进行补救。这和目前Veritas提供的数据保护业务息息相关。” 顾海巍谈到。
企业应该尽早行动,来构建面向多云的数据保护
在后疫情和混合多云的时代背景下,客户面临越来越严峻的IT环境复杂性和数据管理挑战,其中混合多云环境就是带来IT脆弱性的重要来源。企业如果能够有效地实施数据安全、合规性、治理和业务弹性战略并涵盖整个IT环境——包括物理、虚拟和云,就能在后疫情时代的商业格局中处于占领先机。
因此企业应该尽早行动来进行数据保护,企业在转型过程中,特别是混合云环境中,想要避免数据威胁如勒索软件等造成的损害,生产和保护环境必须平行发展——当新的解决方案被引入到企业技术栈时,必须同时扩展安全防护能力对其进行覆盖,还要要充分考虑技术、成本、运营等因素。最好的策略是借助统一的数据保护平台实现标准化,来全面保护任何云、数据源、工作负载及部署模式。
为了消除IT脆弱性,管理能力差距所带来的脆弱性。Veritas通过打造统一的多云数据服务平台,帮助企业客户实现业务不停,数据不丢,应用上云,管理合规,为企业数字化转型打下坚实的基础。
“Veritas通过核心平台EDSP(多云数据服务平台)产品,为客户提供超过800种数据源,100 多种操作系统, 1400多种存储设备以及60类云平台的保护支持,消除客户对混合云保护上技能的要求,消除客户运维复杂性,同时也对不同大小规模的客户提供了部署上的灵活性” 顾海巍分享到。
Veritas从部署的灵活性、从管理的简便性两方面把难度降低,通过这种方式提高客户的业务韧性。比如NetBackup 9拥有迄今为止业界最灵活的部署模式,赋能客户自由地选择,并能够在横向扩展、纵向扩展或云存储模式中为超过800个工作负载保驾护航。这就是Veritas针对混合云现状为客户所提供的价值,顾海巍最后谈到。
好文章,需要你的鼓励
企业AI搜索公司Glean宣布年度经常性收入(ARR)达3亿美元,较15个月前的1亿美元增长三倍。尽管谷歌、微软、OpenAI等科技巨头纷纷入局企业AI搜索市场,Glean凭借"上下文图谱"技术深度理解企业业务需求,并帮助客户显著降低AI计算成本。该公司提供按用量计费和混合定价两种模式,客户涵盖Databricks、Reddit、Pinterest及三星等企业。Glean上轮融资后估值达72亿美元。
香港中文大学与MiniMax提出ClaimDiff-RL框架,将图像描述的AI训练从整体打分升级为逐条核查,有效解决了传统方式导致AI"少说保平安"的问题,同时在多项基准测试上超越Gemini-3-Pro-Preview。
杰夫·贝索斯旗下的蓝色起源公司在佛罗里达卡纳维拉尔角进行静态点火测试时,新格伦重型火箭发生爆炸。这是美国历史上最大规模的火箭爆炸之一,也是蓝色起源公司遭遇的最严重失败。所有人员安全,但该事故可能导致新格伦火箭项目长期暂停。此前该火箭已成功完成三次发射,并实现了助推器回收和重复使用。
ParaVT是一个由南洋理工等多校联合提出的并行视频工具调用框架,通过让AI同时分析多段视频并引入PARA-GRPO算法解决训练中的格式崩溃与工具跳过问题,在六项长视频理解测试中平均提升约7.9%。