至顶网网络与安全频道 04月01日 编译:Palo Alto Networks宣布以4.2亿美元的价格收购CloudGenix,后者是一家网络管理产品提供商,其产品可以帮助企业为员工提供更快的业务应用访问权限。
昨天宣布的这笔交易有望在截至7月31日的Palo Alto Networks第四季度完成。作为交易的一部分,CloudGenix联合创始人Kumar Ramachandran、Mani Ramasamy和Venkataraman Anand将加入Palo Alto Networks。
企业网络安全软件厂商Palo Alto Networks最近几个季度一直忙于收购。去年11月,Palo Alto Networks以1.5亿美元的价格收购了保护厂商Aporeto,2019年收购了几家入侵防御初创公司,总共花费超过10亿美元。CloudGenix的重点不是安全,但确实提供了一些网络保护功能,其技术将有助于在战略层面推动Palo Alto Networks的产品路线图。
CloudGenix的旗舰产品是一款名为AppFabric的SD-WAN平台,可以优化企业员工和业务应用之间的数据流量。CloudGenix声称可以将WAN成本降低达70%,此外还允许管理员优先考虑重要应用(例如视频会议服务)的流量,从而有助于加快连接速度。
AppFabric的网络保护功能采用控件的形式,使IT团队可以设置应用访问限制,例如管理员可以要求员工登录敏感应用时使用VPN工具。
Palo Alto Networks计划将CloudGenix的技术与自己的Prisma Access产品集成在一起。Prisma Access是一个网络安全平台,可以阻止恶意网站并检测由恶意软件生成的流量,限制员工访问敏感记录,以防止数据泄漏。
Palo Alto Networks通过将自己的流量保护功能与AppFabric的流量管理功能集成在一起,为客户提供更全面的、更具竞争力的解决方案。一站式的平台对企业具有很大的吸引力,因为这种平台让IT部门免去了手动将多点解决方案整合在一起的麻烦。这就是为什么Palo Alto Networks将去年收购获得的多项技术融合到一起,最终推出了Prisma Cloud平台的原因。
“交易完成之后,整合平台将为客户提供完整的SASE(安全访问服务边缘)产品,该产品具有同类最佳的、易于部署的、由云管理且以即服务形式交付等特点,”Palo Alto Networks首席执行官Nikesh Arora在一份声明中这样表示。
这次收购还将让Palo Alto Networks在快速发展的网络市场中占据一席之地。去年IDC发布了一项预测称,到2023年SD-WAN解决方案支出将以30.8%的复合年增长率增长,达到每年52.5亿美元。
在被Palo Alto Networks收购之前,CloudGenix筹集了9000多万美元资金。Palo Alto Networks为收购CloudGenix付出的4.2亿美元对于CloudGenix的投资者来说,无疑是一次可观的退出。其中CloudGenix的投资方包括贝恩资本风险投资公司、查尔斯河风险投资公司、梅菲尔德基金和英特尔公司。
好文章,需要你的鼓励
研究人员基于Meta前首席AI科学家Yann LeCun提出的联合嵌入预测架构,开发了名为JETS的自监督时间序列基础模型。该模型能够处理不规则的可穿戴设备数据,通过学习预测缺失数据的含义而非数据本身,成功检测多种疾病。在高血压检测中AUROC达86.8%,心房扑动检测达70.5%。研究显示即使只有15%的参与者有标注医疗记录,该模型仍能有效利用85%的未标注数据进行训练,为利用不完整健康数据提供了新思路。
西湖大学等机构联合发布TwinFlow技术,通过创新的"双轨道"设计实现AI图像生成的革命性突破。该技术让原本需要40-100步的图像生成过程缩短到仅需1步,速度提升100倍且质量几乎无损。TwinFlow采用自我对抗机制,无需额外辅助模型,成功应用于200亿参数超大模型,在GenEval等标准测试中表现卓越,为实时AI图像生成应用开辟了广阔前景。
AI云基础设施提供商Coreweave今年经历了起伏。3月份IPO未达预期,10月收购Core Scientific计划因股东反对而搁浅。CEO Michael Intrator为公司表现辩护,称正在创建云计算新商业模式。面对股价波动和高负债质疑,他表示这是颠覆性创新的必然过程。公司从加密货币挖矿转型为AI基础设施提供商,与微软、OpenAI等巨头合作。对于AI行业循环投资批评,Intrator认为这是应对供需剧变的合作方式。
中山大学等机构联合开发的RealGen框架成功解决了AI生成图像的"塑料感"问题。该技术通过"探测器奖励"机制,让AI在躲避图像检测器识别的过程中学会制作更逼真照片。实验显示,RealGen在逼真度评测中大幅领先现有模型,在与真实照片对比中胜率接近50%,为AI图像生成技术带来重要突破。