专注于推动网络与安全融合的全球网络安全领导者 Fortinet®(NASDAQ:FTNT)近日宣布,在《2024 年 Gartner 企业级有线和无线局域网基础设施魔力象限》报告中荣膺领导者称号。这已经是 Fortinet 连续第四年进入该魔力象限,并荣登领导者象限。
Fortinet 坚信,这一荣誉的获得是 Fortinet 安全连接产品组合强劲实力的集中体现,其中 Fortinet 有线和无线局域网产品优势尤为突出,该产品支持与 Fortinet 统一组网和网络安全平台 Fortinet Security Fabric 无缝集成。Fortinet 解决方案率先实现了网络和安全的无缝融合,赋能组织从容应对当前网络环境不断增加的安全风险,有效降低组网复杂性和运营成本,提升整体网络性能。
基于单一平台运维管理的AI 驱动型安全连接解决方案
随着网络环境日益分散和多样化,组织亟需将安全性覆盖至整个网络,并简化安全运营,优化最终用户体验。Fortinet 为您提供网络与安全无缝融合的有线和无线局域网高级解决方案,并囊括以下优势。
当下,越来越多的组织认为,薄弱的网络安全性是引发业务风险的诱因之一。为确保安全高效的日常业务运营,组织迫切寻求具备高效安全性且易于管理的局域网解决方案。Fortinet 助力用户通过统一操作系统 FortiOS,将有线和无线局域网无缝集成至 Fortinet Security Fabric 安全平台,提高对网络和安全功能的可视化和控制能力,并大幅缩减管理成本和许可支出。凭借网络防火墙的可视化和控制能力,Fortinet 为用户提供更安全可靠的有线和无线局域网,而无需额外成本支出。具备众多优势的 Fortinet 安全连接解决方案,经验证可广泛适用于不同规模部署环境。值得一提的是,其中微分支机构解决方案还支持以 FortiAP 接入点充当 Unified SASE、SD-Branch、智能园区、OT 环境和数据中心的终端。
依托 Fortinet Security Fabric 安全平台,组织可利用零接触部署优势快速启用安全与组网功能,并通过支持本地或云中部署的单一平台,轻松实现对网络、组网以及 SD-WAN 功能的集中管理和故障排除。Fortinet 解决方案采用直观架构,还囊括多项内置的安全和管理功能,组织无需额外购买许可或订阅服务,即可轻松实现接入点和交换机等不同解决方案组件的统一管理。
Fortinet 专用 AI 运营模块 FortiAIOps,赋能管理员轻松衡量网络性能,查看并分析风险趋势,获取并执行修复建议,快速增强网络性能和弹性。AI 引擎还可基于集成至 Fortinet Security Fabric 安全平台的所有解决方案收集的数据,实现数据汇总分析,以跨组织整个网络快速提供事件关联和问题修复。
FortiAP 与 FortiSASE 独特的集成优势,赋能组织坐享无与伦比的云交付安全性和网络性能,是微分支机构应用场景的理想之选。与 Fortinet 数字体验监控解决方案搭配部署,可为用户提供融合访问优势,全方位保护当下混合办公环境安全。
您可基于统一操作系统 FortiOS 获得上述所有优势功能,并借助 Fortinet Security Fabric 安全平台轻松实现网络和安全解决方案的集中开发、管理和运营。
对此,Fortinet 首席营销官 John Maddison表示:“时至今日,业界普遍意识到唯有实现网络与安全融合,才能适应当今快速发展的数字市场。传统组网产品往往通过多种产品的叠加部署构建安全性,而 Fortinet 安全 WLAN/LAN 产品则支持原生集成安全性。即便针对瘦边缘应用程序,Fortinet 也可通过集成基于云的安全 FortiSASE,构建无缝、安全的网络连接。此外,我们正大力投资智能运维(AIOps)技术,助力广大用户实现顺畅平稳运营,优化数字体验。”
好文章,需要你的鼓励
Allen AI研究所联合多家顶尖机构推出SAGE智能视频分析系统,首次实现类人化的"任意时长推理"能力。该系统能根据问题复杂程度灵活调整分析策略,配备六种智能工具进行协同分析,在处理10分钟以上视频时准确率提升8.2%。研究团队创建了包含1744个真实娱乐视频问题的SAGE-Bench评估平台,并采用创新的AI生成训练数据方法,为视频AI技术的实际应用开辟了新路径。
联想推出新一代NVMe存储解决方案DE6600系列,包含全闪存DE6600F和混合存储DE6600H两款型号。该系列产品延迟低于100微秒,支持多种连接协议,2U机架可容纳24块NVMe驱动器。容量可从367TB扩展至1.798PiB全闪存或7.741PiB混合配置,适用于AI、高性能计算、实时分析等场景,并配备双活控制器和XClarity统一管理平台。
中科院团队首次系统评估了AI视觉模型在文本压缩环境下的理解能力,发现虽然AI能准确识别压缩图像中的文字,但在理解深层含义、建立关联推理方面表现不佳。研究通过VTCBench测试系统揭示了AI存在"位置偏差"等问题,为视觉文本压缩技术的改进指明方向。