数字经济的飞速发展,为人们衣食住行的方方面面带来了深刻的改变,数字化体验带来的极大便利的同时,也在推动着数字化应用如雨后春笋般的不断涌现。根据研究机构IDC的报告表明,从2019年到2025年,应用的数量呈现出至少5倍的增长趋势,预计到2025年,全球的应用规模将达到48亿。而应用爆炸式的增长,催生了应用间API访问接口的数量激增,众多企业也在借助API接口与互联网的Web技术创造API经济价值。
在云原生时代,应用追求更加细化的颗粒度,大多数应用以微服务形式构建,API 的使用带来应用结构分散化,API复杂的混合部署环境,以及企业为持续性进行软件开发,快速构建更多的API,都会为企业带来复杂且容易产生风险的API管理和安全挑战。同时,API的漏洞风险导致恶意 API 攻击流量的剧增,造成数据隐私泄密企业生产延迟,也容易对 API 安全策略缺乏信心,最终将损害企业业务的创新和发展。
F5作为全球应用交付和应用安全的领导者,针对API的安全可信访问做了大量的方案整合,打造出F5 API安全可信访问解决方案,覆盖从数据中心到边缘计算到云端的完整安全框架,为企业提供三大安全防护能力,帮助企业构筑应用安全的新防线。
能力一:零信任接入 构筑API安全的第一道防线
根据F5《2022年应用安全策略现状报告》显示,78% 的受访企业表示已实施或计划在未来12个月内实施 API 安全措施,以API安全为中心的安全防护成为了确保企业安全无虞的重要关键。针对企业所采取的API安全措施,调查结果表明,基于身份验证和授权的安全防护是企业对 API 漏洞的关键风险管理响应。不仅如此,在Web应用安全研究组织OWASP近期更新的 API TOP 10中,“失效的对象级授权”被列为防护的关键。由此可见,解决应用零信任接入控制成为了保障 API 安全第一道重要防线。
F5 API安全可信访问解决方案整合应用零信任接入,提供重点防护失效的对象级授权,在API访问流程中,能够做到在外部API访问和内部API调用间进行API接入的持续性安全验证,实现对接入控制的权限限制,保证接入应用的安全性。此外,F5采用的全代理模式,能够实现一边对接客户,一边对接应用,用户来回之间的请求会经过F5的层层安全检查,可以实现对敏感信息的修改、隐藏,以及对攻击行为的及时阻断,确保每个应用的安全。
能力二:不同部署环境 享受一致的安全防护
如今,应用正处于爆发式增长,需要有底层架构来支撑所有应用的运行。因此,为了能够支撑应用快速上线、发布,企业通常将以往用在数据中心层面的部署形式拓展到边缘层,扩展到公有云、容器云,甚至扩展到CDN、网络交付等层面。面对数字化转型的演进,企业的API往往部署在不同环境下,能否提供一致的安全防护能力成为摆在IT团队面前的一大难点。
F5 API安全可信访问解决方案通过声明式API,云原生应用接口安全防护NAP(NGINX App Protec)快速实现安全即代码,并将AWAF、NAP形成融合统一的一致性策略,实现API 现代应用自动化防护,帮助企业更快地识别和阻止API漏洞,从而快速部署API,并降低管理运维成本。作为一家应用交付和应用安全双一流的技术厂商,F5凭借多年的安全创新发展,使得F5在公有云、私有云、边缘云、容器云等环境中无处不在,能够在复杂多样性的部署环境下,为企业提供如影随形的一致性安全防护能力。
能力三:API接口互联互通 驱动数字经济的价值重塑
互联网的蓬勃发展,推动全球科技企业通过开放Web API接口将企业的产品和服务与第三方互联,无论数据还是客户的行为习惯,越来越多的企业都在依赖API创造经济价值。然而,随着API接口和第三方互联的开放逐步扩增,底层的通讯协议在API的发展过程中也发挥着巨大作用,企业现有的安全防护能力是否能识别每一种API传输协议,实现可信、可控的访问,是企业面临的一大挑战。
F5 API安全可信访问解决方案可实现多种通信传输协议识别,并可对违规行为进行精准监测。例如基于IoT设备之间使用的MQTT协议,微服务之间采用的GraphQL协议、gRPC协议,HTTP协议利用的RESTful等,F5将安全能力从工作的负载层,扩展至网络层、数据层、应用层,使得承载应用的环境,也具有相应的防护手段。具体来说,在网络层,F5具备L3-L4 DDoS防火墙能力;在数据传输层,F5具有协议层面的合规性以及加解密能力;在应用层,F5可提供针对WAF、API、BOT或者应用零信任API Token持续认证和授权安全接入。F5层层过滤、识别和防护的全栈安全防护能力,为企业筑牢创造API经济的安全屏障。
数字驱动技术转型的变革时代,F5从“随时随地保护、交付、优化任何应用和API”的安全战略出发,不断扩增安全基因,为企业应用进行精准的安全防护,推动API创造的“数字经济巨轮”行稳致远。
好文章,需要你的鼓励
苏州大学研究团队提出"语境降噪训练"新方法,通过"综合梯度分数"识别长文本中的关键信息,在训练时强化重要内容、抑制干扰噪音。该技术让80亿参数的开源模型在长文本任务上达到GPT-4o水平,训练效率比传统方法高出40多倍。研究解决了AI处理长文档时容易被无关信息干扰的核心问题,为文档分析、法律研究等应用提供重要突破。
在Cloudera的“价值观”中,企业智能化的根基可以被概括为两个字:“源”与“治”——让数据有源,智能可治。
清华大学团队首次揭示了困扰AI训练领域超过两年的"幽灵故障"根本原因:Flash Attention在BF16精度下训练时会因数字舍入偏差与低秩矩阵结构的交互作用导致训练崩溃。研究团队通过深入分析发现问题源于注意力权重为1时的系统性舍入误差累积,并提出了动态最大值调整的解决方案,成功稳定了训练过程。这项研究不仅解决了实际工程问题,更为分析类似数值稳定性挑战提供了重要方法论。