Akamai Guardicore Segmentation 将通过 Microsoft Azure Marketplace 提供给公有云客户
2024年 2月29日 – 负责支持和保护网络生活的云服务提供商阿卡迈技术公司(Akamai Technologies, Inc.,以下简称:Akamai)(NASDAQ:AKAM),近日宣布将其微分段解决方案 Akamai Guardicore Segmentation 拓展到混合云环境。Akamai Guardicore Segmentation 拓展到云环境的举措有助于缩小攻击面,并遏制以云原生工作负载为目标的攻击。网络安全专业人员可借助单一界面在其公有云环境中无缝管理分段,获享更短的策略部署时间、跨多个数据中心的统一网络治理及更简便的管理等优势。Akamai Guardicore Segmentation 在初期将通过 Azure Marketplace 提供给 Microsoft Azure 部署使用,今年晚些时候将支持 Akamai Connected Cloud。
根据 ClearPath Strategies 受 Akamai 委托在近期开展的一次调研显示,33% 的 IT 决策者 (ITDM) 有意增加对分布式云服务的使用,以提高安全性和可靠性。但接近半数 (48%) 的 ITDM 声称,适用于分布式云环境的安全工具缺失或不够成熟,强调了提供更好的安全工具来保护云端工作负载的重要性。
为了开拓创新、实现新的效率提升,各种规模的企业都在实施公有云战略,但挑战依然存在。在云环境中利用 Akamai Guardicore Segmentation 可帮助企业摆脱缺乏应用程序行为可见性的困境、满足为多个云提供商使用多种策略的需求,并解决 DevOps 与 SecOps 团队之间的治理问题。
Akamai企业安全业务部高级副总裁兼总经理Pavel Gurvich 表示:“公有云和多云环境对于大多数企业的业务运营至关重要,但他们缺乏有效锁定云所需的原生可见性和安全控制能力。为了保证云的安全性,安全从业者必须能了解有哪些应用程序、工作负载和流量在环境内移动。在云端运用微分段策略能为安全从业者提供覆盖所有云环境的全面可见性和控制能力,而且他们仅需使用一个界面中的一套控制功能,不需要使用代理。我们可以保护业务关键型应用程序,无论其部署位置是本地、云端还是传统服务器,同时减少需要管理的安全解决方案数量。”
在云端使用 Akamai Guardicore Segmentation 将提供如下独特功能特性:
如需进一步了解 Akamai Guardicore Segmentation,以及它如何在公有云环境内遏制攻击,请查看官网更多细节。
好文章,需要你的鼓励
这项研究提出了ORV(占用中心机器人视频生成)框架,利用4D语义占用作为中间表示来生成高质量的机器人操作视频。与传统方法相比,ORV能提供更精确的语义和几何指导,实现更高的时间一致性和控制精度。该框架还支持多视角视频生成(ORV-MV)和模拟到真实的转换(ORV-S2R),有效弥合了虚拟与现实之间的差距。实验结果表明,ORV在多个数据集上的表现始终优于现有方法,为机器人学习和模拟提供了强大工具。
这项研究由Writer公司团队开发的"反思、重试、奖励"机制,通过强化学习教导大型语言模型生成更有效的自我反思内容。当模型回答错误时,它会生成反思并二次尝试,若成功则奖励反思过程。实验表明,该方法在函数调用和数学方程解题上带来显著提升,最高分别改善18.1%和34.7%。令人惊讶的是,经训练的小模型甚至超越了同家族10倍大的模型,且几乎不存在灾难性遗忘问题。这种自我改进技术为资源受限环境下的AI应用开辟了新方向。
FuseLIP是一项突破性研究,提出了通过早期融合离散标记实现多模态嵌入的新方法。与传统CLIP模型使用独立编码器不同,FuseLIP采用单一编码器同时处理图像和文本标记,实现了更自然的模态交互。研究证明,这种早期融合方法在多种多模态任务上表现优异,特别是在需要理解图像结构而非仅语义内容的任务上。研究还开发了创新的数据集和评估任务,为多模态嵌入研究提供了宝贵资源。
ByteDance与浙江大学合作开发的MERIT是首个专为多语言多条件语义检索设计的基准数据集,包含320,000条跨5种语言的查询和135,000个产品。研究发现现有模型在处理多条件查询时过度关注全局语义而忽略特定条件元素,为此提出CORAL框架,通过嵌入重建和对比学习相结合的方式,使检索性能提升45.9%。这项研究不仅识别了现有方法的关键局限性,还为多条件交错语义检索领域的未来研究奠定了基础。