博科开放其API,让移动运营商能够将第三方分析软件连接到其最新的网络包代理(NPB)产品。
博科发布的网络可视性产品系列包括两个基于硬件的NPB、一个虚拟包代理和三个想噶un的应用程序。虚拟NPB和应用程序适用于那些正在虚拟网络功能的操作环境,以减少对昂贵的专用硬件的依赖。
通常来说,网络包代理要从交换机端口分析仪和测试访问点聚合、过滤并分发数据到网络监控、安全和管理工具中。测试访问点(TAP)是插入到网络中一个特定点的外接设备,用以监测数据。交换机端口提供类似TAP的功能,不过是内置在交换机里的,不需要额外的硬件。
博科提供其NPB的API能够将数据推送到分析工具中,用于安全、网络容量规划以及维护可接受服务水平当中去。越来越多的移动运营商也通过分析来向客户销售服务,基于其移动设备和智能程序的使用。
“对于NPB来说,这是一个谋求生存空间的解决方案,”IDC分析师Sathya Atreyam说道。“NPB需要正视其并非整个生态系统,而是生态系统的一部分。”
独特的API
博科开放API是为满足那些销售运营级分析的公司的需求,他们可以利用博科NPB上的数据和包探测,博科市场负责人Daniel Williams说道。包探测是基于软件的包处理引擎,从网络流量中解码和提取元数据。
博科在API方面的合作伙伴有Viavi Solutions Inc.、Guavus Inc.以及Avvasi Inc.。“我们正在积极地建立这个生态系统,”Williams说道。
网络可视性产品系列中的新品包括ICX包代理、虚拟包代理以及会话,提供了NPB基于软件的程序代码。同时,也包括一个用于管理系列中所有产品的可视化管理。
产品并不是全新的,不过源自其收购来的产品,包括MLXe包代理和数据包探测。后者是博科2014年通过收购得来的。
好文章,需要你的鼓励
工业升级的关键,或许在于智能本身。“工业+机器人”将成为通向下一阶段工业体系的核心抓手。——黄仁勋。
浙江大学等联合研究发现,AI强化学习效果取决于"模型-任务对齐"程度。当AI擅长某任务时,单样本训练、错误奖励等非常规方法也有效;但面对陌生任务时,这些方法失效,只有标准训练有用。研究团队通过大量实验证实,这种"舒适圈"现象比数据污染更能解释训练差异,为AI训练策略优化提供了新思路。
瑞士政府正式发布了自主研发的人工智能模型,该模型完全基于公共数据进行训练。这一举措标志着瑞士在AI技术自主化方面迈出重要一步,旨在减少对外国AI技术的依赖,同时确保数据安全和隐私保护。该模型的推出体现了瑞士对发展本土AI能力的战略重视。
巴赫切希尔大学研究团队通过对五种不同规模YOLO模型的量化鲁棒性测试发现,静态INT8量化虽能带来1.5-3.3倍速度提升,但会显著降低模型对噪音等图像损伤的抵抗能力。他们提出的混合校准策略仅在大型模型处理噪音时有限改善,揭示了效率与鲁棒性平衡的复杂挑战。