此次收购将使 Akamai 能够将安全防护扩展到所有 API 流量位置,并且不受业务、集成或部署要求的限制
2024年 5月15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),近日宣布已就收购应用程序编程接口 (API) 安全防护公司 Noname Security 的相关事宜达成最终协议。作为当下市场中领先的 API 安全防护供应商,Noname 将增强Akamai 的现有 API Security 解决方案,同时随着 API 的应用范围不断扩展,还将使 Akamai 能够更快满足不断增长的客户需求和市场要求。凭借收购 Noname 之后获取的更多销售和营销资源、成熟的渠道以及战略联盟关系,Akamai 还有望进一步拓展其市场规模。
Akamai执行副总裁兼安全技术事业部总经理Mani Sundaram 表示:“各种应用程序为我们的世界运行提供了支持,但随着应用程序和用户规模激增,安全风险也随之增加。Akamai 已经注意到客户对 API 防护的需求在不断增长,根据我们自己的数据显示,API 攻击数量的年同比增幅达到 109%。相信通过Noname的加入,Akamai能够为客户带来更加广泛的集成和部署选择,提供跨各类环境的全面API保护。”
通过收购,Akamai 将提供完整的 API 安全套件,使客户能够更有效地发现“影子”API 并对漏洞和攻击进行检测。Akamai 的增强型产品和服务也将为客户带来更多的部署选项,并提供更加强大的技术集成组合。Akamai 还计划在收购完成之后,对Noname进行整合,以供 Akamai 的应用程序和 API 平台客户使用。
Noname 首席执行官兼联合创始人 Oz Golan 表示:“随着客户优先投资于应用程序现代化和数字化转型举措,API 开发仍将呈现激增态势。将 Noname 融合到 Akamai 的 API Security 产品和服务之后,所产生的解决方案将适用于任何类型的客户。无论客户的应用程序位于何处,包括云端、边缘原生、本地部署或其他供应商平台,都能得到有效保护。”
根据协议条款,在依惯例实施收购价格调整后,Akamai 已同意以大约 4.5 亿美元的价格收购 Noname 的所有已发行股权。该交易须遵守惯例成交条件完成,预计将于 2024 年第二季度成交。
2024 财年,该笔收购预计将带来约 2000 万美元的收入,摊薄非 GAAP 营业利润约 0.50%,摊薄非 GAAP 摊薄每股净收益约 0.10 美元。在预定于 2024 年 5 月 9 日举行的季度电话财报会议上,Akamai 计划提供第一季度财务业绩以及第二季度和 2024 全年财务指导,包括收购 Noname 所产生的任何预期影响。
Noname 是一家总部位于加利福尼亚州的圣何塞市的私人投资公司。收购完成后,Noname的200多名员工,包括首席执行官兼联合创始人 Oz Golan ,预计都将加入 Akamai 的安全技术组。
如需了解更多信息,请访问 Akamai 应用程序和 API 安全页面。
好文章,需要你的鼓励
Helios Towers供应链总监Dawn McCarroll在采访中分享了公司的数字化转型经验。作为一家在非洲和中东地区运营近15000个移动通信塔站的公司,Helios正通过SAP S/4Hana系统升级、AI技术应用和精益六西格玛方法论来优化供应链管理。McCarroll特别强调了公司Impact 2030战略中的数字包容性目标,计划在未来五年内培训60%的合作伙伴员工掌握精益六西格玛原则,并利用大数据和AI技术实现端到端的供应链集成。
德国弗劳恩霍夫研究院提出ViTNT-FIQA人脸质量评估新方法,无需训练即可评估图像质量。该方法基于Vision Transformer层间特征稳定性原理,通过测量图像块在相邻层级间的变化幅度判断质量。在八个国际数据集上的实验显示其性能可媲美现有最先进方法,且计算效率更高,为人脸识别系统提供了即插即用的质量控制解决方案,有望广泛应用于安防监控和身份认证等领域。
威胁行为者在npm注册表上传8个恶意包,伪装成n8n工作流自动化平台的集成组件来窃取开发者OAuth凭据。其中一个名为"n8n-nodes-hfgjf-irtuinvcm-lasdqewriit"的包模仿Google Ads集成,诱导用户在看似合法的表单中关联广告账户,然后将凭据传输到攻击者控制的服务器。这种攻击利用了工作流自动化平台作为集中凭据库的特点,能够获取多个服务的OAuth令牌和API密钥。
布朗大学联合图宾根大学的研究团队通过系统实验发现,AI医疗助手的角色设定会产生显著的情境依赖效应:医疗专业角色在急诊场景下表现卓越,准确率提升20%,但在普通医疗咨询中反而表现更差。研究揭示了AI角色扮演的"双刃剑"特性,强调需要根据具体应用场景精心设计AI身份,而非简单假设"更专业等于更安全",为AI医疗系统的安全部署提供了重要指导。