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
UniR(Universal Reasoner)是一种创新的推理增强方法,可为冻结的大语言模型提供即插即用的推理能力。由韩国科学技术院研究团队开发,该方法将推理能力分解为独立的轻量级模块,无需改变主模型结构。UniR的核心优势在于高效训练(仅更新小型推理模块)、出色的模型间迁移能力(小模型可指导大模型)以及模块组合能力(多个专用模块可通过logits相加组合使用)。在数学推理和翻译测试中,UniR显著超越现有微调方法,展示了轻量级模块如何有效增强大语言模型的推理能力。
Nebius团队开发了SWE-rebench,一个自动化管道用于从GitHub收集软件工程任务并进行去污染评估。该系统解决了两大挑战:高质量训练数据稀缺和评估基准容易被污染。通过四阶段处理(初步收集、自动安装配置、执行验证和质量评估),SWE-rebench构建了包含超过21,000个Python交互式任务的数据集,并提供持续更新的评估基准。研究发现部分语言模型在传统基准上的表现可能被污染效应夸大,而DeepSeek模型在开源模型中表现最为稳健。
这项研究提出了JQL(发音为"Jackal"),一种通过多语言方法提升大型语言模型预训练数据质量的创新系统。研究团队从拉马尔研究所等机构通过四阶段方法解决了多语言数据筛选的难题:先由人类评估内容教育价值创建基准数据,然后评估大型语言模型作为"评判者"的能力,接着将这些能力提炼到轻量级评估器中,最后应用于大规模数据筛选。实验表明,JQL在35种语言上显著优于现有方法,甚至能泛化到未见过的语言如阿拉伯语和中文,为多语言AI发展提供了高效可靠的数据筛选方案。
浙江大学和西湖大学研究团队开发的Styl3R实现了艺术风格化3D重建的重大突破,能在不到一秒内从少量未标定照片和任意风格图像创建具有多视角一致性的3D艺术场景。通过创新的双分支网络架构将结构建模与外观着色分离,系统不仅保持了原始场景结构,还准确捕捉了参考风格特征。与现有方法相比,Styl3R在处理速度和视觉质量上均显著领先,为创意内容制作开辟了全新可能。