近日,专注推动网络与安全融合的全球性综合网络安全解决方案供应商Fortinet,重磅发布 FortiAIOps 3.0全新版本。该版本全面融合了先进的机器学习技术、更深入的实时威胁分析以及预判故障和性能瓶颈的智能技术,实现了真正意义上的智能运维突破。FortiAIOps 是一款结合人工智能与机器学习 (AI/ML) 的 Fortinet 网络配套解决方案,全面覆盖有线、无线网络和 SD-WAN 基础设施提供情境感知的威胁洞察。
FortiAIOps 3.0 四大优势引领智能运维变革
当前,网络日益复杂,停机代价空前高昂。面对海量告警和规模庞大的基础设施,传统监控工具已无法有效应对当前复杂的网络威胁,IT 团队不堪重负,急切希望实现高效集中管理。全新 FortiAIOps 3.0 四大优势精准直击并有效解决当前 IT 运维痛点。
优势一:FortiAI 智能体 — 虚拟网络专家
首先,FortiAIOps 3.0 融入了强大实用的全新功能:作为一款具备集成优势的自然语言助手,FortiAI 智能体(Agent)赋能 IT 团队实现更直观、更高效的网络交互。FortiAI 智能体基于自然语言处理(NLP)技术,支持用户使用简洁易懂的语言直接提问。

FortiAI 智能体涵盖以下关键优势功能:
优势二:AI 驱动型 SD-WAN
FortiAIOps 3.0 的重磅发布,再次巩固了 Fortinet 在 AI 驱动型 SD-WAN 运营领域的业内领先地位,可跨整个网络为广大用户提供更精湛的智能化优势和更卓越的自动化服务。该全新平台采用全新优化仪表板,帮助用户即时可视化掌控 SD-WAN 成员接口运行状态和性能表现,直观呈现带宽耗用、应用程序利用率、平均意见得分(MOS)和 SLA 合规性等关键指标。
全新 FortiAIOps 3.0 融入了一系列全面的附加服务级别协议(SLA)和智能分类器,可实现更精细的事件检测和威胁分析。例如,当 SD-WAN 接口出现性能问题时,FortiAIOps 3.0 能够能够迅速捕捉到多个细微影响因素,包括目标服务器不可用、运行状况检查阈值设定过于激进,或更广泛的互联网访问问题等。
全新 FortiAIOps 3.0 能够精确区分 Overlay 网络(VPN 层)和 Underlay 网络(物理层)的关键特性,并基于特定的衡量指标,精准监控和评估网络接口的健康状况。这种分层网络可视化功能具备显著优势,能够将源自物理层异常、VPN 隧道指标、接口选择策略,以及因非必要应用程序或不可预测的流量激增引发的带宽过度使用等问题,进行清晰独立的分类,实现精准的根本原因分析。此外,还支持对 FortiExtender 运行状况以及 SIM 错误和运营商网络基础设施故障等其他特定于接口的问题进行专门的追踪溯源。

FortiAIOps 3.0 关键创新包括:
优势三:增强型数据交换服务级别协议
借助 FortiAIOps 3.0,现有数据交换服务级别协议(SLA)已不仅限于监控接口基本状态的传统功能,更能跨越整个有线接入层,提供全面的服务级别保障。它能多维度评估网络性能、可靠性、用户体验及安全性指标,助力用户实时、全面可视化掌控网络运行状况。
作为 Fortinet Security Fabric 安全平台的关键组件,FortiSwitch 可为 FortiAIOps 提供丰富的遥测数据,赋能用户更全面、深入地观察和了解整个 IT 架构的运行状况和性能表现。FortiAIOps 搭载 60 多款智能分类器,涵盖四项明确定义的 SLA 类别,赋能网络管理员快速检测、诊断和解决有线网络故障,主动修复服务中断,确保网络持续稳定运行。
关键优化包括:
优势四:全新优化的无线入侵检测系统(WIDS)SLA
全新 FortiAIOps 3.0 融入了无线入侵检测系统(WIDS),全面监控无线流量,高效检测和报告各类安全威胁,如恶意 AP、取消身份验证攻击、异常客户端行为等。Fortinet 始终致力于推动网络运营中心(NOC)和安全运营中心(SOC)的无缝融合,这一理念在 FortiAIOps 3.0 中得以充分展现,支持无线入侵检测相关事件的 SLA 溯源功能,显著提升全局可见性。
其他细分功能:
对于力求在瞬息万变的数字环境中始终保持领先的企业而言,全新 FortiAIOps 3.0 的发布,不仅是一次产品功能更新和升级,更是智能安全运维领域的真正转型。它带来了更深层次的可见性、更智能的洞察以及 AI 驱动的威胁情报,这些功能紧密融入安全运维的每一个环节。FortiAIOps 3.0 重新定义了企业管理、保护及优化网络的方式,有力推动了企业的智能化转型升级。
好文章,需要你的鼓励
英特尔携手戴尔以及零克云,通过打造“工作站-AI PC-云端”的协同生态,大幅缩短AI部署流程,助力企业快速实现从想法验证到规模化落地。
意大利ISTI研究院推出Patch-ioner零样本图像描述框架,突破传统局限实现任意区域精确描述。系统将图像拆分为小块,通过智能组合生成从单块到整图的统一描述,无需区域标注数据。创新引入轨迹描述任务,用户可用鼠标画线获得对应区域描述。在四大评测任务中全面超越现有方法,为人机交互开辟新模式。
阿联酋阿布扎比人工智能大学发布全新PAN世界模型,超越传统大语言模型局限。该模型具备通用性、交互性和长期一致性,能深度理解几何和物理规律,通过"物理推理"学习真实世界材料行为。PAN采用生成潜在预测架构,可模拟数千个因果一致步骤,支持分支操作模拟多种可能未来。预计12月初公开发布,有望为机器人、自动驾驶等领域提供低成本合成数据生成。
MIT研究团队发现,AI系统无需严格配对的多模态数据也能显著提升性能。他们开发的UML框架通过参数共享让AI从图像、文本、音频等不同类型数据中学习,即使这些数据间没有直接对应关系。实验显示这种方法在图像分类、音频识别等任务上都超越了单模态系统,并能自发发展出跨模态理解能力,为未来AI应用开辟了新路径。