提供人工智能驱动的安全网络的领导厂商瞻博网络(NYSE:JNPR)携手全球领先的数字服务提供商T-Systems,共同开发、提供SD-WAN基础设施,为拥有复杂网络和连接需求的企业提供端到端服务叠加(Overlay)解决方案。
在此项服务中,T-Systems专注普及基于安全服务平台的现代企业网络,从而交付多云服务应用以及包括“SD-WAN叠加服务”在内的标准化服务。该服务被称为“智能SD-WAN”,用于打造先进且安全的网络基础设施的核心由瞻博网络提供,而这样的网络基础设施,正是T-Systems实现其数字化转型战略的基本条件。
T-Systems已经成功为这些新服务找到了第一家旗舰客户——来自欧洲的某著名交通运输品牌,并预计这些服务将收获更多企业级客户,刺激营收增长。T-Systems致力于帮助企业客户在数字化转型的道路中找准方向,在降低复杂性、有效成本管理、提升数据保护能力这三个方面展现出卓越能力。此外,T-Systems也为客户提供优化的网络可视性,通过对网络这一核心资产的全面了解,帮助客户快速实现数字化目标。
新闻亮点:
为了开发这一系列新服务,T-Systems集成了瞻博网络的多种产品,包括:
• Contrail Service Orchestration ——这是一个可扩展的多租户软件平台,提供自动化分支机构连接管理能力,可让T-Systems改进网络服务交付,并在扩展整个多云网络的可视性的同时确保网络可靠性与敏捷性。
• SRX系列安全网关——这是一系列SD-WAN本地设备,提供全面的分层安全服务,针对已知和未知威胁都能提供高级防御功能。
• NFX系列网络服务平台——符合标准要求的安全CPE设备,帮助T-Systems按照客户需求迅速开发并交付网络服务。
• vSRX虚拟防火墙——具备和瞻博网络物理SRX系列防火墙一样的功能,但采取了虚拟形式,提供可扩展的安全服务,允许T-Systems在端到端多云SD-WAN服务中添加云站点。
• 所有瞻博网络基础设施在Junos® 操作系统上运行,该操作系统针对全新的网络云时代所需的模块化、开放性和可编程性进行了优化。Junos极为注重可靠性、安全性和灵活性,在实现网络操作自动化的同时,进一步提升了运行效率。
• 用于强化网络防御的全面的互连安全(Connected Security)套件,包括防火墙用户验证、应用安全和统一威胁管理和入侵探测与预防系统。瞻博网络互连安全在整个网络中提供多项安全保护能力,为用户和数据提供自动保护。
相关引言:
“为了帮助客户实现最佳结果,我们必须利用现有网络基础设施来建立一个威胁感知网“在我们看来,定制化的连接解决方案是客户实现数字转型及最终业务成功的基本要素。通过与瞻博网络进行合作,我们可以为企业客户提供端到端需求导向型基础设施,协助它们战胜数字化挑战,减少网络的复杂性。在瞻博网络的创新化解决方案的加持下,我们的解决方案不仅在技术及经济效益上提升了竞争力,也可以保持高度灵活且动态化的服务水平。”——Adel Al-Saleh,德国电信管理董事会董事,T-Systems首席执行官
“作为瞻博网络的长期合作伙伴,T-Systems选择了基于我们的技术来提供最新的SD-WAN解决方案,这不仅深化了我们的合作伙伴关系,同时也帮助他们在简化底层网络部署、运行及维护的同时,为企业提供集成众多安全可靠服务和能力的平台。云服务与软件定义网络的结合为T-Systems这样的供应商创造了一个战略性机遇,在客户面临基础设施复杂性问题时可以迅速有效地响应,从而在市场中脱颖而出。帮助T-Systems这样的客户实现业务目标,也是瞻博网络长期的使命。”——Rami Rahim,瞻博网络首席执行官
好文章,需要你的鼓励
在他看来,企业对AI的恐惧源自未知,而破解未知的钥匙,就藏在“AI平台+开源”这个看似简单的公式里。
斯坦福和魁北克研究团队首创"超新星事件数据集",通过让AI分析历史事件和科学发现来测试其"性格"。研究发现不同AI模型确实表现出独特而稳定的思维偏好:有些注重成就结果,有些关注情感关系,有些偏向综合分析。这项突破性研究为AI评估开辟了新方向,对改善人机协作和AI工具选择具有重要意义。
Pure Storage发布企业数据云(EDC),整合其现有产品组合,提供增强的数据存储可见性和基于策略的简化管理。EDC集成了Purity存储操作系统、Fusion资源管理、Pure1舰队管理和Evergreen消费模式等架构元素,提供类云存储管理环境。该方案支持声明式策略驱动管理,让客户专注业务成果而非基础设施管理。同时发布高性能闪存阵列和300TB直接闪存模块,并与Rubrik合作提供网络安全防护能力。
威斯康星大学研究团队提出"生成-筛选-排序"策略,通过结合快速筛选器和智能奖励模型,在AI代码验证中实现了11.65倍速度提升,准确率仅下降8.33%。该方法先用弱验证器移除明显错误代码,再用神经网络模型精确排序,有效解决了传统方法在速度与准确性之间的两难选择,为实用化AI编程助手铺平了道路。