Veeam今天发布了《Veeam 2023年云保护趋势报告》的调查结果,涵盖了四个关键的“服务”场景:基础设施即服务(IaaS)、平台即服务(PaaS)、软件即服务(SaaS),以及备份和灾难恢复即服务(BaaS/DRaaS)。调查发现,企业逐渐越来越意识到需要保护他们的SaaS环境。例如,近90%的Microsoft® 365的受访客户使用补充措施,而不是仅仅依靠内置的恢复功能。当发生网络和勒索软件攻击时,为快速恢复提前做好准备是使用备份的主要原因,合规监管则是第二大业务驱动因素。
Veeam首席技术官及产品战略高级副总裁Danny Allan表示:“随着向远程办公模式和当下的混合工作环境的大规模转变,云驱动工具和服务的采用越来越多,这使得各行业的混合IT和数据保护策略成为关注的焦点。随着网络安全威胁的不断增加,企业必须超越传统的备份服务,有目的地建立一个有最适合其业务需求和云策略的方法。此次的调研显示,工作负载继续从数据中心向云端流动并再回到数据中心,以及从一个云端向另一个云端流动,这使得数据保护策略更加复杂。调研结果表明,虽然现代IT企业在云和数据保护方面取得了显著进步,但仍有许多工作要做。”
《Veeam 2023年云保护趋势报告》的发现包括:
软件即服务(SaaS):
基础设施即服务(laaS): 尽管各种规模的组织现在都采用混合云架构,但这并不是通往云的单行道,这降低了现代数据中心的重要性。
平台即服务(PaaS):当大多数组织初步将服务器从数据中心“提升并转移”到基础设施即服务(laaS)时,大多数企业都认为,作为原生云服务运行基础的IT场景,如文件共享或数据库,是成熟的IT工作负载的未来:
备份和灾难恢复即服务(BaaS/DRaaS):几乎每一个IaaS/SaaS环境也以某种形式运用云服务作为其数据保护策略的一部分。
今年的报告与去年相比发生了重大转变,因为客户越来越有兴趣将备份外包,并获得“交钥匙”或“白手套”级别的管理服务,而不是由内部IT人员继续管理BaasS交付的基础设施。这一转变表明了对提供商的经验和信任正在增加,也可以表明过去一年IT人才供应链面临的挑战。
《Veeam 2023年云保护趋势报告》源自年度《Veeam数据保护趋势报告》,是第三方调研机构对来自7个国家(美国、英国、法国、德国、日本、澳大利亚、新西兰)的1700名客观的IT领袖进行调研的结果,关注于他们在生产和保护场景中使用云服务的情况,以便在当今云优先的数字环境中对整个现代IT企业的混合策略轨迹提供最大的单个视图。这项广泛的市场研究,是为了解与运营和保护云托管工作负载相关的责任和方法的不同观点,以及使用云驱动的数据保护时的考虑因素。
下载《Veeam 2023年云保护趋势报告》(Veeam Cloud Protection Trends Report 2023)了解更多详情: https://vee.am/CPT23 。想了解更多的信息,请访问http://www.veeam.com/cn/ .
关于本报告
Veeam®于2022年秋季委托一家独立调研机构进行了这项调查。该报告调查了1700名客观的IT领袖,关注于他们在生产和保护场景中使用云服务的情况,询问了每个场景的代表性人物,以便收集人物视角之间的差异,以及策略驱动和备份方法。
这是一项广泛的市场研究,研究对象是在云中运行至少一个生产工作负载(IaaS、PaaS或SaaS)的客观组织。这项调查是代表Veeam进行的,目的是了解与运营和保护云托管工作负载相关的各个角色的观点、职责和方法,以及使用云驱动的数据保护时的考虑因素。
好文章,需要你的鼓励
本文评测了六款控制台平铺终端复用器工具。GNU Screen作为老牌工具功能强大但操作复杂,Tmux更现代化但学习曲线陡峭,Byobu为前两者提供友好界面,Zellij用Rust编写界面简洁易用,DVTM追求极简主义,Twin提供类似TurboVision的文本界面环境。每款工具都有各自特点和适用场景。
韩国汉阳大学联合高通AI研究院开发出InfiniPot-V框架,解决了移动设备处理长视频时的内存限制问题。该技术通过时间冗余消除和语义重要性保留两种策略,将存储需求压缩至原来的12%,同时保持高准确性,让手机和AR眼镜也能实时理解超长视频内容。
网络安全公司Snyk宣布收购瑞士人工智能安全研究公司Invariant Labs,收购金额未公开。Invariant Labs从苏黎世联邦理工学院分拆成立,专注于帮助开发者构建安全可靠的AI代理工具和框架。该公司提供Explorer运行时观察仪表板、Gateway轻量级代理、Guardrails策略引擎等产品,并在工具中毒和模型上下文协议漏洞等新兴AI威胁防护方面处于领先地位。此次收购将推进Snyk保护下一代AI原生应用的使命。
纽约大学研究团队通过INT-ACT测试套件全面评估了当前先进的视觉-语言-动作机器人模型,发现了一个普遍存在的"意图-行动差距"问题:机器人能够正确理解任务和识别物体,但在实际动作执行时频频失败。研究还揭示了端到端训练会损害原有语言理解能力,以及多模态挑战下的推理脆弱性,为未来机器人技术发展提供了重要指导。