NetApp今天发布了一项全新的网络安全服务Spot Security,以推动公有云业务的年化收入在未来几年内突破10亿美元。
和其他数据中心厂商一样,随着越来越多的企业客户开始把工作负载转移至外部,NetApp也将自身的产品路线图重点更多地转移到公有云上。
Spot Security是一项专门保护公有云环境的网络安全服务,它可以映射出云环境的所有组件,识别出那些配置不安全且有可能被黑客利用发起攻击的资源,此外还可以检测出可能导致数据泄露的异常用户行为。
Spot Security最大的亮点之一,是它不仅可以发现、还可以优先处理那些潜在的网络安全问题。现在IT团队面临一个共同挑战,那就是他们的网络安全工具会生成大量警报,但导致数据泄露的可能性又很小。因此管理员把大量时间浪费在调查误报上,而不是去解决更紧迫的问题。NetApp称,Spot Security能够找出最严重的漏洞,从而会简化IT团队的工作。
Spot Security通过分析企业云环境的拓扑结构,来确定哪些问题是最紧迫的。它会绘制出易受攻击的资源如何与环境中其他组件相连接的,以评估潜在漏洞的影响,此外通过评估多种类型的操作数据(包括有关网络流量和用户活动的信息,以及云厂商应用编程接口的数据)来做出决策。
在公有云中,快速查找和修复网络安全问题是非常重要的,因为企业组织的部署经常发生变化,有时甚至一天发生多次,每次更改部署配置或者更新应用,都有可能将网络安全漏洞引入环境,因此必须在黑客发现这些漏洞之前就快速检测并进行修复。
云环境经常变化的原因之一,是企业软件团队越来越多地采用持续集成和持续交付或(CI/CD)工具,这种工具对以前需要大量手动操作更新应用的流程实现了自动化,让开发人员每隔几个小时就可以发布新的代码,而代码频繁更新就意味着漏洞有更多机会进入环境中。
运行在云环境中的应用并非唯一频繁更新的IT资产,有时候底层基础设施资源也会定期更改。
很多企业组织通过使用spot实例来降低运成本,这实际上会导致云提供商数据中心的容量过剩。spot实例的成本低于标准虚拟机,但有一个问题:如果需要,云提供商可以在短时间内回收多余的容量,这时候spot实例就会停止,这也是为什么企业云基础设施资源配置会经常发生变化的原因之一。
帮助企业利用spot实例是NetApp Spot业务部门的重点之一。NetApp于去年收购了该公司,并推出了Spot Security服务。除了新的网络安全服务之外,Spot还提供工具让企业可以更轻松地使用spot实例,并帮助他们运行软件容器集群。
NetApp高级副总裁、Spot总经理Amiram Shachar表示:“我们将利用NetApp的市场声誉,把Spot作为一个引领云原生应用的品牌。”
目前Spot已经成为NetApp增长战略中的一个核心组成部分,更专注于公有云领域。上个季度NetApp的公有云收入(包括Spot)同比增长了155%,达到7900万美元。NetApp公司首席执行官George Kurian曾在今年8月向投资者称,NetApp计划在2025财年之前将公有云产品的年化收入增加至10亿美元。
他表示,NetApp将提供“一流的有机创新和无机创新”来推进这项计划,这里的无机创新,指的是未来可能进行更多收入。去年一年NetApp收购了三家初创公司,今年6月又收购了基于Kubernetes的分析和机器学习专业公司Data Mechanics。
好文章,需要你的鼓励
在Meta Connect大会上,Meta展示了新一代Ray-Ban智能眼镜的硬件实力,配备神经腕带支持手势控制,电池续航翻倍,摄像头性能提升。然而AI演示却频频失败,包括Live AI烹饪指导、WhatsApp通话和实时翻译功能都出现问题。尽管Meta在智能眼镜硬件方面表现出色,但AI软件仍远未达到扎克伯格提出的"超级智能"目标。文章建议Meta考虑开放AI生态,允许用户选择其他AI服务商,这可能帮助Meta在AI硬件市场获得优势。
人民大学团队开发了Search-o1框架,让AI在推理时能像侦探一样边查资料边思考。系统通过检测不确定性词汇自动触发搜索,并用知识精炼模块从海量资料中提取关键信息无缝融入推理过程。在博士级科学问题测试中,该系统整体准确率达63.6%,在物理和生物领域甚至超越人类专家水平,为AI推理能力带来突破性提升。
英伟达同意以50亿美元收购英特尔股份,双方将合作开发多代数据中心和PC产品。英伟达将以每股23.28美元的价格收购约4%的英特尔股份,成为其最大股东之一。两家公司将通过NVLink接口整合各自架构,实现CPU和GPU间的高速数据传输。英特尔将为英伟达AI平台定制x86处理器,并开发集成RTX GPU的x86系统级芯片,用于消费级PC市场。
Anthropic研究团队开发的REINFORCE++算法通过采用全局优势标准化解决了AI训练中的"过度拟合"问题。该算法摒弃了传统PPO方法中昂贵的价值网络组件,用统一评价标准替代针对单个问题的局部基准,有效避免了"奖励破解"现象。实验显示,REINFORCE++在处理新问题时表现更稳定,特别是在长文本推理和工具集成场景中展现出优异的泛化能力,为开发更实用可靠的AI系统提供了新思路。