对于提供托管业务服务的通信服务提供商而言,虚拟客户终端设备提供了显著的优势。通过利用网络功能虚拟化和vCPE,供应商可迅速推出新服务,而不需要在客户位置部署新的硬件。vCPE还可以提高远程管理能力以及降低运营成本。
关于vCPE定义的探讨
企业使用客户终端设备(CPE)连接到电信网络以及访问通信服务提供商提供的服务。虚拟CPE(vCPE)是通信服务供应商向企业客户提供宽带服务的新方式--现在企业客户的大多数CPE功能(例如路由、NAT、VPN或防火墙)都是虚拟化,这些功能位于服务边缘或通信服务提供商数据中心。针对企业的vCPE是NFV市场机会的一部分。
部署vCPE
传统上来看,通信服务提供商通过在客户端安装一个或多个网络设备来向企业客户提供WAN服务,例如路由、防火墙和专用网络(VPN)等。vCPE可利用通用硬件虚拟化来简化网络服务的交付过程。同时,vCPE允许供应商迁移主要WAN功能到位于远程数据中心的软件。而在远程或分支机构,仍然需要硬件—无论是低成本服务器或交换机和路由器。通信服务提供商可远程配置和管理各种WAN功能,客户可通过门户网站访问他们的网络服务,让他们可根据需求来更改这些服务。
vCPE的市场机会
企业客户每年花费超过450亿美元在广域服务,例如MPLS、VPN和互联网。随着业务需求转变以及安全威胁增加,通信服务提供商需要调整自己的WAN服务来满足客户的需求。例如,对直接发送网络流量到互联网(而不是从分支机构到数据中心)的需求为SD-WAN服务创造了新市场。通信服务提供商正在利用vCPE快速交付新服务(例如SD-WAN和安全),让客户能够轻松地调整自己的服务组合,以及降低其Capex和Opex。根据Doyle研究公司表示,vCPE是NFV部署的最大驱动力之一,到2018年,它将占NFV相关服务的20%以上。
部署挑战
与很多新的复杂技术一样,vCPE面临很多部署挑战。大多数通信服务提供商拥有传统服务(例如MPLS),这些服务依赖客户现场的特定硬件部署。由于相对缺乏标准和大量网络软件供应商之间糟糕的互操作性,部署具有虚拟网络功能(VNF)的NFV服务具有挑战性。供应商必须仔细选择网络合作伙伴来提供WAN功能、服务自动化、管理、分析和安全。并且,这些新设计的服务必须可整合现有运营和业务支持系统(OSS/BSS)。
大量vCPE供应商
除了选择内部开发,通信服务提供商还可以选择vCPE供应商,包括如下:
• Active Broadband Networks
• ADTRAN
• 阿尔卡特朗讯
• Brocade
• 思科公司
• ClearPath
• Edgewater Networks
• Gainspeed
• Hewlett Packard Enterprise
• 瞻博网络
• Overture Networks
• RAD
• Riverbed
• VeloCloud
• Versa Networks
• Viptela
这只是部分供应商,还有很多其他供应商,包括很多网络安全供应商。
对通信服务提供商的建议
vCPE是通信服务提供商NFV部署的主要商业用例之一。vCPE驱动的新服务(例如SD-WAN和安全)可快速部署到企业客户,而且对传统费虚拟化网络没有很大影响。很多领先的通信服务提供商将在2016年和2017年部署vCPE。但对于部署vCPE和NFV的通信服务提供商,仍将面临很多挑战,包括缺乏NFV标准、众多供应商以及无法轻松地链接到现有OSS/BSS平台。
好文章,需要你的鼓励
Arelion升级其斯堪的纳维亚网络,连接超大规模数据中心以支持该地区蓬勃发展的AI市场。该网络基于1.6Tbps波长和可扩展400G相干可插拔光学技术,在奥斯陆、斯德哥尔摩和哥本哈根之间构建AI"超级高速公路"。升级将为企业客户提供增强的全球互联网骨干网接入和多样化连接服务。预计2025年第二季度末完成,并计划在2025年剩余时间及2026年继续投资。
这项由香港科技大学领导的研究首次建立了大语言模型安全守护栏的系统性评估框架。研究团队对13种主流守护栏进行了全面测试,提出了六维分类体系和SEU三维评估标准,揭示了不同守护栏在安全性、效率和实用性方面的权衡关系,为AI安全防护技术的选择和部署提供了科学指导。
CloudBees首席执行官Anuj Kapur表示,AI可能重新测试DevOps的基础假设,但警告不要为追求效率而创建黑盒代码。他指出,一些因担心错失机会而匆忙采用AI生成代码的客户正开始放缓步伐,变得更加谨慎。Kapur认为,将整代软件外包给提示工程将创建非人类生成的黑盒代码,虽然效率高但质量、测试覆盖率和漏洞问题值得担忧。
南加州大学研究团队开发出一种名为PILS的新技术,能够通过分析AI模型输出时的概率信息来破解隐藏的系统指令。这种方法通过观察AI生成文本过程中多个步骤的"思考轨迹",将隐藏提示的恢复成功率提高了2-3.5倍。研究发现AI模型的概率输出存在于低维空间中,可以用数学方法进行压缩和逆向分析。这项发现对AI安全具有重要影响,揭示了当前依赖隐藏指令的安全机制可能存在漏洞,为AI安全防护提出了新挑战。