Veeam 日前开始设立 Splunk 连接器,以便用 Splunk 监控 IT 基础架构的客户能够监控 Veeam Backup 并获得有关问题的警报信息。
思科旗下的 Splunk 可从多个来源捕获、存储、索引和关联机器生成的实时 IT 基础架构数据。用户可以访问 Splunk 仪表板,监控基础架构并处理相关的问题。Splunk 称,《财富》500 强企业中有 92 家公司是旗下安全信息和事件管理(SIEM)软件的客户。Veeam 的备份和恢复产品拥有 50 多万客户,其中的大型企业客户也可能是 Splunk 的客户。Veeam App for Splunk 将 Veeam 加进了数据源。
首席运营官 John Jester 在一份声明中表示,“Veeam致力为每一位客户提供数据恢复能力,包括与领先的安全平台的紧密整合。”
该应用程序将与 Splunk 用户角色和位置管理进行整合,可处理由 Veeam Backup & Replication 发送到 syslog 服务器的事件,并为 Splunk 用户提供以下功能:
Jester 表示,“安全专业人员可以通过详细的仪表板、报告和警报利用 Splunk 密切监控他们的Veeam备份环境。应对网络攻击需要跨基础架构的整合,Veeam App for Splunk 可以将 Veeam 事件数据引入 Splunk,客户因而能够使用现有工具监控勒索软件、意外删除、恶意软件和其他网络威胁等安全事件。”
Veeam ONE v12.1 引入了 Syslog SIEM 集成。企业通常倾向于使用单一的 SIEM 设施,不必逐个检查应用程序(如 Veeam ONE)的安全状态和活动。Jester 很清楚这一点,他表示,“这意味着企业可以快速、轻松地在他们的 Veeam 备份环境中处理重要的监控和事件数据,这些可以在他们可能正在监控的其他源环境的同一个界面中呈现。”
Veeam 正在逐步成为企业友好型解决方案。Splunk 连接器的引入表明,Veeam 将追随竞争对手 Cohesity、Commvault、Druva、Rubrik 和 Veritas 的脚步,这些公司已经整合了 Splunk。Veeam 已经可以通过发送系统日志数据、SNMP陷阱和其他日志数据与Graylog、IBM的QRadar、Micro Focus ArcSight、LogRhythm和AlienVault 进行整合。Splunk App 是 Veeam 在 SIEM 整合道路上迈出的一步。
Veeam正稳步向企业级解决方案迈进。通过这个Splunk连接器,它正追随竞争对手Cohesity、Commvault、Druva、Rubrik和Veritas的脚步,这些公司已经有了Splunk集成。Veeam已经可以通过发送系统日志数据、SNMP陷阱和其他日志数据与Graylog、IBM的QRadar、Micro Focus ArcSight、LogRhythm和AlienVault进行集成。这个Splunk应用是Veeam在SIEM集成道路上的又一进步。
Veeam App for Splunk 支持 Splunk Enterprise 9.1.0 及更高版本和 Splunk Cloud Platform 9.1.2308 及更高版本,现在可以通过此处的 Splunkbase 购买。Veeam Data Platform 高级或高级许可证可免费提供 Veeam App for Splunk,其中包括 syslog 事件转发支持。
好文章,需要你的鼓励
随着AI广泛应用推动数据中心建设热潮,运营商面临可持续发展挑战。2024年底美国已建成或批准1240个数据中心,能耗激增引发争议。除能源问题外,服务器和GPU更新换代产生的电子废物同样严重。通过采用模块化可修复系统、AI驱动资产跟踪、标准化数据清理技术以及与认证ITAD合作伙伴合作,数据中心可实现循环经济模式,在确保数据安全的同时减少环境影响。
剑桥大学研究团队首次系统探索AI在多轮对话中的信心判断问题。研究发现当前AI系统在评估自己答案可靠性方面存在严重缺陷,容易被对话长度而非信息质量误导。团队提出P(SUFFICIENT)等新方法,但整体问题仍待解决。该研究为AI在医疗、法律等关键领域的安全应用提供重要指导,强调了开发更可信AI系统的紧迫性。
超大规模云数据中心是数字经济的支柱,2026年将继续保持核心地位。AWS、微软、谷歌、Meta、甲骨文和阿里巴巴等主要运营商正积极扩张以满足AI和云服务需求激增,预计2026年资本支出将超过6000亿美元。然而增长受到电力供应、设备交付和当地阻力制约。截至2025年末,全球运营中的超大规模数据中心达1297个,总容量预计在12个季度内翻倍。
威斯康星大学研究团队开发出Prithvi-CAFE洪水监测系统,通过"双视觉协作"机制解决了AI地理基础模型在洪水识别上的局限性。该系统巧妙融合全局理解和局部细节能力,在国际标准数据集上创造最佳成绩,参数效率提升93%,为全球洪水预警和防灾减灾提供了更准确可靠的技术方案。