近日,专注网络与安全融合的全球网络安全领导者Fortinet®(NASDAQ:FTNT)宣布,已进一步扩展旗下 Universal SASE 解决方案功能,通过无处不达的统一操作系统 FortiOS,助力混合办公模式用户实现随时随地安全高效的网络访问。
Fortinet Universal SASE 解决方案功能扩展
单一供应商 SASE 解决方案可为用户和设备提供针对关键资源和应用程序的灵活访问。然而,多数企业往往部署不同的供应商和产品并采用割裂的方式获取 SASE框架定义的不同能力,导致企业需同时操控不同的系统功能和管理平台,这一做法无疑令企业面临重大挑战。
Fortinet Universal SASE 解决方案在传统单一供应商 SASE 的基础上进行了优化,能够在本地和云端提供一致的安全策略和控制能力,同时跨所有功能和部署模式实现无缝集成,既提升了当下混合办公网络环境的用户访问体验,又大幅缩减了 IT 支出。
单一FortiOS可以支撑完整的SASE架构,包括NGFW、SD-WAN、安全Web网关、SSL加解密、CASB、DLP以及ZTNA等等关键能力,更具灵活性。其可在硬件设备上以加速模式高效运行,也可在 FortiSASE云中运行,为所有边缘提供一致组网、安全性和策略管理优势。除此之外,FortiGuard AI 驱动的 IPS(入侵防御系统)、DNS 过滤、URL 过滤、反恶意软件、沙箱等安全服务,则进一步强化了这一优势。
Fortinet 创始人、董事长兼首席执行官谢青(Ken Xie)表示:“Fortinet 操作系统 FortiOS 是业内唯一一款企业级融合操作系统,支持高效运行以 Fortinet 硬件设备或云交付模式部署的安全访问服务边缘(SASE)解决方案及其众多防护功能,如防火墙、SD-WAN、安全 Web 网关、加密/解密、云访问安全代理(CASB)、数据泄露防护(DLP)和零信任网络访问(ZTNA)。凭借这一独创方法,可实现 30 多项网络和安全融合功能的单一平台集中管理。其中 14 项功能还可通过搭载 FortiASIC 第五代安全处理器的全新 FortiGate 120G SASE 设备实现性能加速。”
目前,Fortinet 将面向以下三大关键领域实现SASE架构的进化,持续扩大 Universal SASE 解决方案投资规模:
FortiSASE 依托可扩展的全球云网络,通过FortiSASE 云部署节点提供与 FortiGate 硬件设备相同,且符合SASE框架定义安全能力。为提供卓越的用户体验以及更高的服务可用性,Fortinet 目前已在全球实现 100 + FortiSASE 云部署节点覆盖。
为了推动企业园区和分支机构引入完整 SASE 架构,Fortinet 宣布推出全新 FortiGate 120G SASE 设备。该产品由 Fortinet 专研 ASIC 定制加速芯片 SP5(第五代安全处理器)提供强劲支持,可实现 SASE 架构诸多组件的性能加速,如提供比业内平均水平快 6 倍的高达 3 Gbps 吞吐量的 SSL 检查功能,实现大规模加密流量检查。
Fortinet 现已将早前推出的 FortiFlex灵活计费计划扩展至 Fortinet Universal SASE 解决方案。无论用户想订购本地服务还是 FortiSASE 云服务,均可通过 FortiFlex灵活计费计划实现完整 SASE 架构的订购。FortiFlex 在云、混合云和本地部署模式中,均可提供按需使用和按量付费许可,赋能企业组织 IT 团队灵活调整部署规模,缩短以往漫长的新部署安全解决方案采购周期,简化新部署服务的部署和配置,帮助 IT 团队按需缩减或暂停非必要服务,最大限度利用有限预算,实现投资回报率最大化。
好文章,需要你的鼓励
新加坡国立大学研究团队开发了名为IEAP的图像编辑框架,它通过将复杂编辑指令分解为简单原子操作序列解决了当前AI图像编辑的核心难题。研究发现当前模型在处理不改变图像布局的简单编辑时表现出色,但在需要改变图像结构时效果差。IEAP框架定义了五种基本操作,并利用思维链推理技术智能分解用户指令,实验证明其性能显著超越现有方法,尤其在处理复杂多步骤编辑时。
Character AI的研究者开发出TalkingMachines系统,通过自回归扩散模型实现实时音频驱动视频生成。研究将预训练视频模型转变为能进行FaceTime风格对话的虚拟形象系统。核心创新包括:将18B参数的图像到视频DiT模型改造为音频驱动系统、通过蒸馏实现无错误累积的无限长视频生成、优化工程设计降低延迟。系统可让多种风格的虚拟角色与人进行自然对话,嘴型与语音同步,为实时数字人交互技术开辟了新可能。
这项由中国人民大学高瓴人工智能学院研究团队发表的研究解决了大语言模型评判中的自我偏好问题。研究提出了DBG分数,通过比较模型给自身回答的分数与黄金判断的差异来测量偏好度,有效分离了回答质量与自我偏好偏差。实验发现,预训练和后训练模型都存在自我偏好,但大模型比小模型偏好度更低;调整回答风格和使用相同数据训练不同模型可减轻偏好。研究还从注意力分析角度揭示了自我偏好的潜在机制,为提高AI评判客观性提供了重要指导。
这篇研究提出了DenseDPO,一种改进视频生成模型的新方法,通过三大创新解决了传统方法中的"静态偏好"问题:使用结构相似的视频对进行比较,采集细粒度的时序偏好标注,并利用现有视觉语言模型自动标注。实验表明,DenseDPO不仅保留了视频的动态性,还在视觉质量方面与传统方法相当,同时大大提高了数据效率。这项技术有望推动AI生成更加自然、动态的视频内容。