针对准备"从根本上转型网络和安全架构"的企业需求,Cato Networks宣布为其核心安全访问服务边缘(SASE)平台推出模块化采用模式。
Cato SASE平台旨在让企业能够从当前所需的功能开始,随时间推移逐步扩展,同时不会牺牲真正网络安全平台的优势。
Cato表示,长期以来,许多网络安全供应商声称提供平台,但实际上交付的是产品组合——换句话说,是在单一品牌下松散连接的独立构建或收购产品集合。虽然这种方法可能简化采购流程,但Cato指出,这往往会产生运营复杂性,增加运营开销并造成网络可视性缺口。
相比之下,Cato声称在帮助定义SASE市场后,现在正在为真正平台的标准设定新基准,按照"按需部署,按时部署"的原则运作。该公司表示,其新的模块化系统让企业能够采用网络和安全功能,可以任意组合AI安全、SD-WAN、SSE和通用零信任网络访问。每个模块都可作为完整的企业级解决方案独立运行。
此外,Cato保证添加的任何模块都将通过融合平台基础产生复合价值,具有单一管理控制台、单一策略框架和单一数据湖。
"当今大多数平台实际上是伪装的产品组合。它们是产品集合,将复杂性转移给客户,随时间推移变得更难操作。真正的平台应该做相反的事情,"Cato Networks联合创始人兼首席执行官Shlomo Kramer表示。
"通过Cato SASE平台,模块化采用成为可能,因为架构从一开始就是统一的。企业可以从所需功能开始,随时间推移进行扩展,而不会重新引入复杂性、增加成本或妥协安全性。"
从核心技术基础来看,Cato SASE平台在单一云原生架构中融合了网络和安全功能,提供了更简单、更灵活的功能采用方式。该平台提供集中控制和共享智能,消除安全缺口,改善网络和安全领域的检测和响应能力。
据该公司介绍,平台在Cato Neural Edge上运行,这是一个由GPU驱动的全球私有骨干网络,跨越85个以上的存在点(PoP),提供大规模的性能、弹性和AI驱动的安全性。
通过Cato SASE平台,Cato提供以下模块:AI安全模块,用于保护和管理每个AI交互,从影子AI到AI应用程序和智能体;SD-WAN模块,通过零接触部署消除硬件复杂性和资本支出约束,从Cato的全球私有骨干网络交付,提供99.999%的正常运行时间SLA,确保全球一致的性能;SSE模块,提供对互联网、SaaS和私有应用程序的安全访问,同时为用户在任何地方应用一致的安全性,无需任何网络更改;通用零信任网络访问模块,在简化运营的同时降低风险。
后者通过持续的基于风险的验证和应用程序级分段,为每个位置的每种用户类型执行单一策略。
据称基于为现实世界灵活性而设计的简化定价结构,Cato SASE平台现已面向全球客户正式发布,采用基于用户和站点带宽的定价模式,允许客户即时扩展以满足需求。
许可证可在前12个月内逐步部署,同时支持灵活消费以适应用户或流量的突发需求。该公司表示,这消除了前期猜测,支持分阶段采用,并确保客户只有在使用模式明确后才做出承诺,而不会拖慢业务发展。
Q&A
Q1:Cato SASE平台与传统网络安全产品组合有什么区别?
A:传统供应商提供的实际上是产品组合——在单一品牌下松散连接的独立产品集合,会产生运营复杂性和网络可视性缺口。而Cato SASE平台从架构上就是统一的,提供单一管理控制台、单一策略框架和单一数据湖,避免重新引入复杂性。
Q2:Cato SASE平台包含哪些功能模块?
A:平台包含四个核心模块:AI安全模块用于保护和管理AI交互;SD-WAN模块消除硬件复杂性;SSE模块提供安全访问;通用零信任网络访问模块通过持续风险验证降低风险。每个模块都可独立运行,也可任意组合使用。
Q3:Cato SASE平台的定价模式如何运作?
A:平台采用基于用户和站点带宽的简化定价结构,许可证可在前12个月内逐步部署,支持灵活消费以适应用户或流量突发需求。客户只需在使用模式明确后才做出承诺,消除了前期猜测的需要。
好文章,需要你的鼓励
Kollmorgen发布NDC布局助手软件工具,专为工厂和仓库中的自动导引车(AGV)及自主移动机器人(AMR)的路线规划与优化而设计。该工具通过分段分析路线,帮助工程师在系统部署前识别瓶颈与低效环节,提供行驶时间、车速及优化潜力等关键数据,并以可视化方式标注问题区域,从而缩短布局设计与验证周期。Kollmorgen表示,该工具未来还将融入AI驱动的优化能力。
这篇由加州大学圣地亚哥分校等六所机构联合发布的综述(arXiv:2605.02913,2026年4月),首次系统梳理了大型语言模型强化学习训练中长期被忽视的轨迹设计问题,提出了GFCR四模块框架(生成、过滤、控制、回放),覆盖数学、代码、多模态和智能代理等多个应用场景,并附有实用的故障诊断手册,为AI训练工程师提供系统性的方法论指导。
现代仓储已从幕后走向前台,配送速度成为品牌竞争核心。面对次日达甚至两小时送达的市场压力,领先履约中心借鉴敏捷开发理念,以周为单位迭代代码、机器人与工作流程。IoT信标、边缘计算与视觉识别模块构建双层架构,实现厘米级货盘追踪与低延迟决策。人机协作模式让员工从重体力劳动转向异常处理与数据分析,拣选准确率突破99%。同时,自动化系统实时采集碳排放数据,在提速的同时实现可量化的减排目标。
中国科学技术大学与FrameX.AI联合提出Stream-R1框架,针对AI视频生成蒸馏训练中"一视同仁"的核心缺陷,引入奖励模型对训练样本进行双重加权:在样本层面根据质量分数筛选可靠的学习信号,在像素与帧层面通过梯度显著性热力图集中优化最需改进的区域,使4步快速学生模型在VBench多项指标上超越慢速多步教师模型,推理速度提升30倍且不增加任何额外计算开销。