云杉网络DeepFlow云网分析于2016年底推出,经过持续的演进,目前DeepFlow云网分析的性能和功能日臻完善,整体性能比2019年初的版本提升了10倍,流量采集处理能力已达10Mpps。DeepFlow已在世界500强企业的生产环境中形成“虚拟网络流量采集”、“虚拟网络性能监控”、“虚拟网络策略管理”和“虚拟网络路径诊断”等典型使用场景,解决了大规模虚拟网络环境中,业务的安全和稳定运行难题,帮助客户实现了网络优化、安全事件分析、业务精细化运营等价值,成为企业用好云服务的得力助手。
虚拟网络流量采集
DeepFlow通过与客户云平台&监控平台的对接,实现虚拟网络流量的按需采集、统一存储、高效分发,解决了云环境下虚拟流量的一体化采集难题。
虚拟网络性能监控
在层次复杂的虚拟网络环境中,DeepFlow首先梳理出业务网络的关键路径、并对其流量进行监控,通过对网络指标的异常信息进行实时分析,为业务在虚拟网络中的运行状态提供及时的告警。
虚拟网络策略管理
虚拟网络的灵活性和敏捷性使业务能够频繁变动而无须调整,在企业大规模上云场景中,DeepFlow能自动学习和验证业务和安全策略是否被正确执行,并自动化地为业务生成建议的安全策略,以避免人工操作造成失误,满足企业上云安全、合规的要求。
虚拟网络路径诊断
在不侵扰生产网络、不影响业务连续性的前提下,DeepFlow虚拟网络端到端路径诊断可排查任意IP对、虚拟机、资源组等网元之间的网络连通性问题。
DeepFlow云网分析支持集群部署,支持OpenStack、vSphere虚拟化环境和AWS、腾讯云等公有云环境,目前,DeepFlow已在金融、电信、政务、教育、能源、电力、互联网等行业广泛使用,凭借DeepFlow对虚拟网络技术领先的流量采集、分发和分析能力,帮助用户解决了云端业务的流量采集、性能监控、策略管理、端到端诊断等难题,为客户业务上云提供了有效的支撑。
好文章,需要你的鼓励
Liquid AI发布了新一代视觉语言基础模型LFM2-VL,专为智能手机、笔记本电脑和嵌入式系统等设备高效部署而设计。该模型基于独特的LIV系统架构,GPU推理速度比同类模型快2倍,同时保持竞争性能。提供450M和1.6B两个版本,支持512×512原生分辨率图像处理,采用模块化架构结合语言模型和视觉编码器。模型已在Hugging Face平台开源发布。
AIM Intelligence联合多所知名大学揭示了音频AI系统的重大安全漏洞,开发出名为WhisperInject的攻击方法。这种攻击能让看似无害的音频指令操控AI生成危险内容,成功率超过86%,完全绕过现有安全机制。研究暴露了多模态AI系统的系统性安全风险,对全球数十亿智能设备构成潜在威胁。
阿里团队推出首个AI物理推理综合测试平台DeepPHY,通过六个物理环境全面评估视觉语言模型的物理推理能力。研究发现即使最先进的AI模型在物理预测和控制方面仍远落后于人类,揭示了描述性知识与程序性控制间的根本脱节,为AI技术发展指明了重要方向。
新加坡国立大学研究团队系统梳理了视觉强化学习领域的最新进展,涵盖超过200项代表性工作。研究将该领域归纳为四大方向:多模态大语言模型、视觉生成、统一模型框架和视觉-语言-动作模型,分析了从RLHF到可验证奖励范式的政策优化策略演进,并识别出样本效率、泛化能力和安全部署等关键挑战,为这一快速发展的交叉学科提供了完整的技术地图。