西雅图,2024年7月30日—全球多云应用安全和应用交付领导者F5(NASDAQ:FFIV)近日宣布扩展一系列技术合作伙伴关系,以及多项客户成功案例,从而进一步巩固其在多云网络领域的领导者地位。根据IDC的研究数据显示,多云网络市场正在迅速扩大,预计在2028年将达到101.6亿美元规模[1]。
作为多云应用安全和应用交付领域的先锋,F5打造的解决方案旨在帮助客户解决混合多云环境中安全连接应用和应用程序接口(API)的特殊复杂挑战。为应对这一挑战,F5分布式云服务(F5 Distributed Cloud Services)提供了与基础设施无关的解决方案,降低跨数据中心、云和边缘环境中的网络复杂性,同时确保无论应用部署在何处,都能实现一致的安全策略和执行。
根据F5发布的《2024年应用策略现状报告》显示,多云网络战略的需求显著增长,近90%的企业在本地和云或边缘环境中部署应用和API。报告指出,当今企业在跨多个基础设施环境管理应用时面临重大挑战。超过三分之一的受访者(38%,几乎是2023年数据的两倍)在六个或更多的环境中运行应用。
F5分布式云平台和安全服务高级副总裁兼总经理Arul Elumalai表示,“如今,现代企业管理着种类繁多的不同应用,这些应用部署在多个云平台和本地环境中。然而,当今混合多云基础设施的现实迫使所有应用必须连接在一起,以提供安全、快速且可靠的数字体验。随着应用的分布越来越广泛,多云环境带来的复杂性、成本和安全风险也显著增加。F5的安全多云网络能力通过降低复杂性,能够连接和保护这些分布式应用,而无需关注它们运行的云平台或基础设施。”
F5多项技术合作伙伴关系,助力企业应对多云网络挑战
F5已与多家关键技术领导者建立合作伙伴关系,以扩展多云网络解决方案能力,并应对更广泛的客户挑战。
NetApp
F5正在与全球数据存储解决方案领导者NetApp合作,为企业提供强大、安全且灵活的数据移动功能,从而提高混合云的投资回报率并减少IT支出。NetApp凭借三十多年的专业知识和行业经验,赢得了全球超过10000家客户的信赖,并在云时代不断创新,为各种数据类型、工作负载或应用提供统一的数据存储解决方案。
NetApp Blue XP提供了一种适用于多云、混合云和本地环境的云原生统一管理体验,涵盖存储和数据服务。Blue XP通过将本地存储和客户选择的公共云相集成,在控制成本和优化性能的同时,确保数据的安全性以及持续可用性。F5分布式云服务为Blue XP用户提供了安全的多云网络(MCN)解决方案,使得连接NetApp的本地存储和云中的Cloud Volumes ONTAP(NetApp基于云的数据管理服务)变得安全、便捷、简单。NetApp和F5共同打造的数据移动功能简化了灾难恢复流程,将数据作为战略资产加以推广。该项合作关系将助力企业能够从容应对多云环境中的复杂性。
Red Hat
F5进一步深化与Red Hat的合作关系,旨在通过在AWS上的Red Hat OpenShift Service(ROSA)简化云工作负载的迁移和管理。借助集成F5分布式服务与ROSA,客户能够以更高的安全性、更低的复杂性,以及更经济的成本连接和管理混合云环境。此次合作利用F5分布式云应用连接(F5 Distributed Cloud App Connect),以提供更无缝的应用间通信和经过安全优化的工作负载迁移,从而提高一致性、安全性和可见性。
Console Connect
F5 宣布与全球领先的网络即服务(NaaS)平台 Console Connect 达成合作。这一合作伙伴关系将Console Connect与F5在多个因特网接入点(PoPs)上进行整合,扩展了F5的全球骨干网络,并加强了其多云网络解决方案。依托于全球排名前十的一级 IP 网络,Console Connect 将大幅拓展网络覆盖范围,从而实现云环境中安全高效的数据移动。
F5 和 Console Connect 的合作,通过消除对公共互联网的依赖,显著提升了多云连接性和安全性,实现了跨云的私有和安全连接。通过此次合作关系,客户将得益于F5分布式云服务,构建基于Console Connect全球网络的DDoS防护能力,以保护面向公众的应用,以及无缝部署客户边缘侧(CE)软件功能,实现网络自动发现、云编排、分布式应用和API安全等能力。
F5 分布式云安全多云网络解决方案赋能客户成功
企业组织正在积极利用F5分布式云服务的多云网络能力,显著提升其应用和API的安全性、性能和管理水平。以下四大成功案例,充分展示了客户如何通过F5实现业务变革:
上述解决方案均面向F5分布式云服务客户开放。欲了解更多信息,请访问f5.com。
[1] 来源:IDC, 全球多云网络预测(Worldwide Multicloud Networking Forecast),2024–2028,文件 # US52189024, 2024年5月
好文章,需要你的鼓励
这项研究由新加坡国立大学团队开发的DualParal技术,通过创新的双重并行架构解决了AI视频生成的长度限制问题。该方法同时在时间帧和模型层两个维度实现并行处理,配合分块降噪机制、特征缓存和协调噪声初始化策略,使生成分钟级长视频成为可能。实验表明,在生成1,025帧视频时,DualParal比现有技术减少了高达6.54倍的延迟和1.48倍的内存成本,同时保持了高质量的视频输出,为内容创作者提供了生成更长、更复杂视频叙事的新工具。
SoloSpeech是约翰霍普金斯大学研究团队开发的创新语音处理技术,针对"鸡尾酒会效应"问题提出了全新解决方案。该系统通过级联生成式管道整合压缩、提取、重建和校正过程,实现了高质量目标语音提取。与传统判别式模型相比,SoloSpeech采用无需说话者嵌入的设计,直接利用提示音频的潜在空间信息与混合音频对齐,有效避免特征不匹配问题。在Libri2Mix及多个真实世界数据集上的评测显示,SoloSpeech在清晰度、质量和泛化能力上均达到了领先水平,为语音分离技术开辟了新方向。
这项由北京大学深圳研究生院、伟湾大学、腾讯ARC实验室和兔小贝智能联合研究的Sci-Fi框架,通过创新的对称约束机制,解决了视频帧间插值中的关键问题。研究团队设计了轻量级EF-Net模块,增强结束帧约束力,使其与起始帧形成平衡影响,从而生成更自然流畅的中间过渡帧。实验证明,该方法在各种场景下都优于现有技术,特别适用于电影制作、动画创作和视频编辑领域,显著降低了人力成本。
这项来自西北大学和谷歌的研究突破了传统马尔可夫强化学习的局限,通过贝叶斯自适应RL框架解释了大语言模型中涌现的反思性推理行为。研究团队提出的BARL算法通过维护多个解题策略的后验分布,指导模型何时何地进行反思性探索,在数学推理任务上展现出显著优势,比基线方法减少高达50%的标记使用量,同时提高了准确率。这一研究不仅解释了"为什么反思有用",还提供了实用的指导原则,为AI系统的自适应推理能力开辟了新方向。