专注于推动网络与安全融合的全球网络安全领导者 Fortinet®(NASDAQ:FTNT)近日宣布了两项重大收购交易,分别收购了领先的云原生应用程序保护平台(CNAPP)开拓者Lacework,以及内部风险和数据保护领域的佼佼者Next DLP。这两项收购不仅进一步巩固了Fortinet在网络与安全融合领域的领导地位,还显著提升了其在云安全和数据泄露防护方面的能力。
收购Lacework,构建全面AI驱动型云安全平台
自2024年8月1日起,Fortinet成功完成了对Lacework的收购。Lacework作为云安全和云原生应用程序保护平台(CNAPP)的开拓者,其创新的AI技术为客户提供了高度集成且强大的云安全解决方案。
Fortinet创始人、董事长兼首席执行官谢青(Ken Xie)表示:“Lacework的加入,是我们对广大客户承诺的又一重要兑现,即通过创新解决方案为本地和云环境提供一致且高效的安全性。Lacework的云原生平台与Fortinet Security Fabric的无缝集成,将构建一个基于单一供应商的全面且全架构的AI驱动型云安全平台,为客户带来前所未有的安全体验。”
此次收购不仅为Fortinet带来了Lacework的先进技术,还包含了225项授权专利和专利申请,极大地丰富了Fortinet在云安全和人工智能技术领域的知识产权储备。同时,一支经验丰富的销售团队和才华横溢的工程师团队也将加入Fortinet大家庭,共同推动公司在全球范围内的业务扩展和技术创新。
收购Next DLP,强化数据泄露防护能力
紧随Lacework收购之后,Fortinet于2024年8月5日宣布了对Next DLP的收购,该交易已即时生效。Next DLP作为内部风险和数据保护领域的领先者,其SaaS云原生数据保护平台与Fortinet基于AI/ML的异常检测和分类领先技术的无缝融合,为客户提供了强大的数据泄露防护能力。通过此次收购,Fortinet将进一步增强其在企业数据泄露防护(DLP)领域的市场地位,并在终端和SASE(安全访问服务边缘)集成DLP市场巩固其领导地位。
谢青强调:“收购Next DLP是我们战略布局中的重要一环,它标志着我们在数据泄露防护领域的又一重要突破。Next DLP的加入将大幅提升我们的数据防护能力,帮助客户在SASE及终端部署的各个环节更加高效地管理与防范内部风险。”
Next DLP首席执行官Connie Stack表示:“我们很高兴能够与Fortinet携手,共同推动数据安全领域的创新与发展。通过此次收购,我们将把Next DLP的卓越技术与Fortinet的市场领导地位相结合,为全球用户提供更加全面、高效的数据安全解决方案。”
凭借持续的技术创新,Next DLP 已备受行业分析师广泛认可。在 2023 年 Gartner® 数据泄露防护市场指南 和 2023 年 Gartner® 内部风险管理解决方案市场指南中,Next DLP 获评代表供应商殊荣。
作为为企业提供业内领先统一 SASE 解决方案承诺的一部分,Fortinet 计划集成 Next DLP 创新技术,为 Fortinet 安全服务边缘(SSE)产品系列新增高级数据泄露防护功能,并在 Fortinet Security Fabric 安全平台中全新集成内部风险和数据保护功能。
展望未来,持续引领网络安全新纪元
随着数字化转型的加速推进,网络安全和数据保护已成为企业不可或缺的重要组成部分。Fortinet通过连续收购Lacework和Next DLP,不仅增强了自身的技术实力和市场份额,还为客户提供了更加全面、智能的安全防护方案。未来,Fortinet将继续秉承创新为先的核心理念,不断推动网络安全领域的技术进步和发展,为全球用户构建更加安全、可信的数字世界。
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。