公有云中客户数据保护的范围在不断扩大,Druva宣布推出五项新的Microsoft云保护服务,涵盖Azure、Entra ID、Teams和Dynamics 365 ERP。
Druva是一家基于SaaS的数据保护服务提供商,该公司表示许多企业和组织依赖Microsoft服务进行各种业务运营、协作和身份访问管理。这增加了他们在攻击面方面对勒索软件和内部威胁的暴露程度。Druva的全托管数据安全云服务可以提供针对这些威胁的防护。该公司表示能够更早地检测威胁,保持合规性,并在需要时恢复干净的数据。
首席技术官Stephen Manley表示:"Microsoft环境是企业运营的基础,因此它们是网络攻击的主要目标。企业需要一个全面的解决方案来保护其Microsoft 365环境的每个方面,并确保IT和安全团队对其基础设施具有完整的可见性和可恢复性。"
Druva的数据安全云服务正是为了"解决这一需求,让客户确信其Microsoft环境是安全且具有弹性的"。
该服务已经保护Microsoft Windows、Microsoft 365、Entra ID、Dynamics 365以及Azure服务(如Azure VM、SQL和Blob Storage)。现在它通过宣布以下新功能来扩展保护范围:
扩展的Microsoft Entra ID保护
使组织能够应用相同的基于身份的控制措施,如Entra ID条件访问策略和管理单元,这些措施不仅保护登录,还保护备份和恢复操作。
Azure虚拟机高级网络恢复
包括恶意软件和威胁指标扫描、AI驱动的异常检测以及安全模式锁定,帮助组织更早地检测威胁,更快地响应并恢复干净的数据。
Azure Files无代理云原生保护
无代理云原生保护,消除漏洞,简化操作,确保抗勒索软件的数据保护。
Microsoft Teams私人聊天的受保护协作和通信
确保一对一和群聊对话得到安全备份并可恢复。
安全的Microsoft Dynamics 365 ERP
实现数据完整性和业务连续性,同时帮助企业和合作伙伴保持对数据丢失或恶意篡改的抵御能力。
Druva表示,组织的员工可以使用Exchange、SharePoint、OneDrive和Teams中的全部或部分服务,所有涉及这些服务的数据都可以得到保护。
Q&A
Q1:Druva数据安全云服务主要保护哪些Microsoft服务?
A:Druva数据安全云服务保护Microsoft Windows、Microsoft 365、Entra ID、Dynamics 365以及Azure服务(如Azure VM、SQL和Blob Storage)。最新扩展还包括Azure Files、Microsoft Teams私人聊天等更多服务。
Q2:为什么Microsoft环境容易成为网络攻击目标?
A:因为Microsoft环境是企业运营的基础,许多企业和组织依赖Microsoft服务进行各种业务运营、协作和身份访问管理,这增加了它们对勒索软件和内部威胁的暴露程度,使其成为网络攻击的主要目标。
Q3:Druva新增的Azure虚拟机高级网络恢复功能有什么特点?
A:该功能包括恶意软件和威胁指标扫描、AI驱动的异常检测以及安全模式锁定,能够帮助组织更早地检测威胁,更快地响应并恢复干净的数据,提供全面的网络安全防护。
好文章,需要你的鼓励
计算机历史博物馆软件馆长Al Kossow成功恢复了上月在犹他大学发现的半世纪前磁带内容。UNIX V4是首个内核用C语言编写的UNIX操作系统版本,已从1970年代九轨磁带中成功恢复。现可从互联网档案馆下载并在SimH中运行。该版本包含约5.5万行代码,其中2.5万行为C语言,内核仅27KB大小。恢复过程使用了readtape程序采样原始磁通变化进行数据重建。
新加坡南洋理工大学研究团队提出"棱镜假设",认为图像可像光谱一样分解为不同频率成分,低频承载语义信息,高频包含视觉细节。基于此开发的统一自编码系统UAE,通过频率域分解成功统一了图像理解和生成能力,在多项基准测试中超越现有方法,为构建真正统一的视觉AI系统提供了新思路,有望推动计算机视觉技术向更智能统一的方向发展。
亚马逊云服务宣布其存储网关现已支持Nutanix的AHV虚拟化管理程序,进一步扩展混合云存储解决方案。此前AWS存储网关已支持VMware ESXi、微软Hyper-V和Linux KVM。由于AHV基于KVM架构,AWS表示添加支持相对容易。随着Broadcom收购VMware后策略调整,许多企业正寻求替代方案,Nutanix成为热门选择。分析师预测VMware可能在三年内失去35%的工作负载。
芝加哥伊利诺伊大学团队提出QuCo-RAG技术,通过检查AI训练数据统计信息而非内部信号来检测AI回答可靠性。该方法采用两阶段验证:预检查问题实体频率,运行时验证事实关联。实验显示准确率提升5-14个百分点,在多个模型上表现稳定,为AI可靠性检测提供了客观可验证的新方案。