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
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。