从专用服务转变到公共互联网,混合虚拟专用网络(hybrid VPN)会受到哪些影响?
随着企业努力解决不断增多的流量来源种类和不断增大的流量总量问题,IT团队也越来越积极研究将混合广域网(hybrid WAN)架构部署在专用服务和公共互联网上。这样的转变对于混合虚拟专用网络(hybrid VPN)来说意味着什么呢?
首先,让我们来讨论一个混合虚拟专用网络(hybrid VPN)所用到的一些服务:
因特网协议安全(IPsec) — 由于移动通信巨幅增长,因特网协议安全(IPsec) 成为了一个热点。在20世纪90年代末,大多数企业广域网都是建立在管理设备上,因特网协议安全(IPsec)隧道仅应用在跨国家性质的全球办公室。随着 基于虚拟专用网络(VPNs)的多协议标签交换(MPLS)的出现,服务质量(QoS)使得IT团队不再将IP骨干网作为他们的广域网。然而,最近业界认 为对于大多数应用程序和组织来说,因特网协议安全(IPsec)技术足够安全。唯一的例外可能是政府和金融机构。统一通信的火速发展,应用程序在任意位置 都可以被访问的需求,都在推动混合虚拟专用网络(hybrid VPN)采用因特网协议安全(IPsec)技术。
加密流量的缺点包括从服务质量(QoS)角度的失去控制,以及加密带来的开销。如果您的通信流量分布在一个单一的骨干网上,那么基于一个因特网虚拟专用网络(VPN),您的通信 性能应该具有很强的可预见性。当通信流量横穿多个运营商的IP骨干网时,情况就不一样了。而且,随着应用程序变得越来越复杂,如果没有确定连通性和吞吐量 都足够,有些通信可能会被扣留或限制访问。
3层多协议标签交换虚拟专用网络(MPLS Layer 3 VPN) — 数年来,由于其安全性、“任意到任意”的拓扑结构,以及使用服务质量(QoS)技术来决定应用程序优先级的能力,3层 MPLS VPN一直都是企业广域网通信的主食。MPLS VPN可以支持多种路由协议,拥有在全球基础上保证流量吞吐量,正常运行时间,抖动和延迟时间的服务级别协议,综上很容易理解为什么MPLS VPN变得如此受欢迎。
2层虚拟专用局域网服务网络(VPLS Layer 2 VPN) — 由于取消了第3层,企业可以基于任意到任意的基础,在地理距离上扩展其局域网。2层 VPNs的使用案例一般是根据需求来延长数据链路层,或者提供一个自管理3层能力。例如一个基于云计算的全球数据中心部署,VPLS可以确保局域网到局域 网的连通性,允许在任何由VPLS服务的位置添加诸如其它服务器的资源。随着客户端上将要运行越来越复杂的路由设置及非标要求,VPLS允许组织在他们各 自的路由上来定义层级。
运营商以太网产品 — 在混合广域网(hybrid WAN)设计组合中,运营商以太网代表着关键构建模块之一。选项包括:
SDH/SONET — 利用运营商的SDH和SONET性能已经造成以太网大比例使用传统网络。SDH和SONET转化为服务,由于高可用性可提供良好的运行时间。
Ethernet over MPLS/Virtual leased lines (VLL) — 该技术模拟了跨供应商的多协议标签交换(MPLS)网络规模的点对点和多点以太网电路。俗称为伪,这些电路提供相同的虚拟专用局域网服务(VPLS)功能,不含任意到任意属性。
Carrier Ethernet transport — 以太网最纯粹的形式,因为通信起始和终止都在以太网,城域范围内的理想选择。
请记住一点,为了了解您自己的网络体系结构,需要一个诊断方法来调整您组织战略的细节、技术资源以及预算。如果未经诊断,在整个服务合同的周期中,对于企业来说,技术实施过程将可能变成一个瓶颈,而不会带来优势。
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。