说到CIO们最关心的问题可以总结为有三个,第一是灵活性,也就是企业推出新的应用有多快;第二是安全性,避免系统受到感染,并防御恶意软件;第三是高效,降低IT运营成本,减少工作量并提高效率。
Infoblox全球运营执行副总裁Thorsten Freitag
这些问题正是Infoblox所关注的,即提升网络的可用性、安全性和自动化水平。Infoblox全球运营执行副总裁Thorsten Freitag近日接受媒体采访时指出,“CIO要采取措施完成这三项目标,首先云计算产生了虚拟基础设施,它要有足够的灵活性;其次要保护数据不受攻击,消除安全漏洞风险;效率方面,最重要的是要使配置自动化,IT运营自动化。”
这三项指标看起来简单实则不易,就那拿虚拟化技术来说,不管是VMware还是微软,企业希望更快的获得虚拟服务,但实际效果并没有那么理想。除了虚拟化部分,还需要对其加快速度,比如IP地址的管理等。
阻碍IT发展的三大网络障碍
“通常情况下要通过手动方式进行这种网络配置,需要几周甚至更长的时间能完成。即使云的配置实现自动化了,但网络配置方面仍需要大量的手动工作或有太多的手动干预的过程,整体的速度较慢、效率比较低。”
Thorsten Freitag表示,“企业在安全、灵活性和效率上做了很多投资,但是现在看安全风险越来越高、灵活性在降低、效能也在降低。”
之所以这样说,是因为现在数据中心较多是自建和云端架构的混合,网络更为动态和复杂。在VMware虚拟机或Unix Bind服务器上看到DNS,管理员使用Excel表格进行IP地址管理并不少见。这些要求人工干预和管理的系统增加了复杂度、风险和成本,同时降低了灵敏度和灵活性。
Infoblox作用在网络基础设施和应用及终端的中间层,为该层提供重要的网络控制功能,例如DNS,DHCP和IPAM(统称为DDI)。首先处理针对关键基础设施的危险,防御外部攻击,防止恶意软件回呼。另外,为数据中心、分支机构和云交付稳定的高性能网络服务。然后,自动化最耗时的网络任务,如发现、变更和配置管理。
为了更容易理解Infoblox的关键价值,Thorsten Freitag拿一个用户举例到,“某大型生物科技公司要用VMware来建立他的私有云,所以用了大量的虚拟化基础设施,但是他们有很多网络配置任务是要用手动来完成。进行这些手动网络配置任务,虚拟机配置一般需要三周。利用Infoblox DDI的方案,加上云自动化适配器可以和VMware虚拟化设施以及其他公司的虚拟化设施进行整合和集成,通过这样一个集成能够自动化进行IP配置和虚拟机配置,总配置时间从几周骤减至几小时。”
这是Infoblox在自动化上发挥的出色功能,随着基础设施越来越大,有越来越多的设备需要管理,自动化是不能忽视的问题。如果需要很多人工干预或者人工管理,不可避免的会发生一些人工管理所带来的一些错误。通过Infoblox这种自动化的解决方案,能够提高服务水平,减少人工所带来的错误,并且使业务启动速度变得更快。
Thorsten Freitag还强调了Infoblox在安全尤其是DNS安全上发挥的独特价值,基于Infoblox丰富的DNS协议知识库,从而提供了独特的方法防御DNS攻击。它可以智能地区分正常的流量与攻击性流量,并在响应正常流量时自动将恶意的DNS流量丢弃。
现在,从高科技到零售业,从医疗保健科学到电信公司,从金融服务到政府机构,Infoblox为他们提供了优秀的网络控制基础。Gartner称,商用DDI解决方案可降低50%以上的(网络)OPEX。IDC的数据则显示,Infoblox是唯一一家在过去三年不断增加市场份额的DDI厂商。用户在Infoblox提供的解决方案中获得了价值。
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。