勒索软件攻击近年来愈演愈烈。66%的企业遭受过勒索病毒攻击,受影响行业涵盖零售、娱乐、能源、医疗以及服务行业等等。即使支付了赎金,也只有4%的企业在支付赎金后得以恢复全部数据。面对来势汹汹的勒索软件攻击,Commvault提出了零信任的安全策略,并于近期发布了智能数据管理平台新版本,带来全新数据安全洞见,助力企业实现真正多云的数据管理。
零信任三部曲:全面可见、广泛兼容、快速响应
Commvault的零信任安全策略包括端到端的数据可视化、广泛的工作负载兼容和快速的业务响应三个部分。
端到端的数据可视化是零信任的第一步。它可以帮助企业确保备份数据的可利用性,并帮助企业检测生产系统中的安全威胁。基于端到端的数据可视化,企业可以定期验证数据有效性,确保备份数据的可恢复性。
广泛的工作负载兼容可以帮助企业真正实现统一的云管理。如今许多企业都在采用多云战略,而未来可能还会有更多的混合云和多云架构部署。这些架构在给企业带来创新和敏捷应用的同时也会造成数据碎片化和数据管理孤岛问题。数据显示,55%的企业计划将现有数据保护平台迁移到云统一模式。这样统一的数据管理系统也有助于企业充分利用自身数据,探索更多的创新机会。
如何确保数据时刻就绪,做到快速响应,是企业面临的另一个巨大挑战。在Commvault平台上,企业可以选择直接恢复数据,并能够在恢复时自动跳过受感染版本,实现更加安全快速的恢复。
真正多云管理:安全健壮、灵活敏捷、智能自动
Commvault的零信任安全策略在其产品更新和产品策略中得到了充分体现。Commvault智能数据管理平台为企业提供单一部署的统一操作界面,即使在多云和混合云环境下,也能满足企业的统一数据管理需求。在保持原有独特的数据管理能力基础上,Commvault的最新产品策略着重在数据智能、数据保护两个方面进行了更新。数据智能方面,Commvault整合了原有的Commvault® File Storage Optimization和Commvault® Data Governance,推出了新的Data Risk Analysis产品。该产品可以对企业生产端的系统和文件进行风险检测,从而实现及时的提前预警。Commvault还推出了可以对后端备份内容进行检测Threat Analysis,打造更加健壮的备份系统。数据保护方面,Commvault新增了Cyber Recovery能力,以更强大的功能支持企业从勒索病毒攻击中快速恢复。
平台版本更新方面,Commvault重点提升数据保护、数据安全、数据转换三个方面的能力。数据保护方面,Commvault优化了对Linux版本的支持,并为满足企业对敏捷备份、灵活备份和海量数据备份的需求,进行了一系列增强。数据安全方面,Commvault增强了在软硬件上对备份内容和生产端的及时检测和告警,加强对勒索病毒的防范。数据转换方面,Commvault增强了异构虚拟化、跨区域化和云平台之间的复制迁移,提升了企业数据在上云、下云之间的敏捷迁移性,进一步强化了数据转换能力,帮助企业实现更敏捷的应用上云场景。
基于零信任的安全策略,Commvault凝聚核心技术于数据保护场景之中,持续投入于企业关注的数据安全和数据转换场景之上,不断提升真正的多云数据管理能力。Commvault帮助企业实现多云场景的统一管理,提升效率,降低运维成本,并借助高效的跨云数据转换能力帮助企业应对IT成本优化的挑战和数据迁移的需求。与此同时,Commvault为企业提供符合业界标准认证的全方位防勒索保护和自动预警技术,无论是在生产端还是备份端,都能够帮助企业加强数据安全性,提升数据防护能力。
好文章,需要你的鼓励
在我们的日常生活中,睡眠的重要性不言而喻。一个晚上没睡好,第二天的工作效率就会大打折扣,而充足的睡眠不仅能让我们恢复精力,还能帮助大脑整理和巩固当天学到的知识。有趣的是,AI模型竟然也表现出了类似的“睡眠需求”。
DeepSeek-AI团队通过创新的软硬件协同设计,仅用2048张GPU训练出性能卓越的DeepSeek-V3大语言模型,挑战了AI训练需要海量资源的传统观念。该研究采用多头潜在注意力、专家混合架构、FP8低精度训练等技术,大幅提升内存效率和计算性能,为AI技术的民主化和可持续发展提供了新思路。
尽管模型上下文协议(MCP)自11月推出以来用户数量快速增长,但金融机构等监管行业仍保持谨慎态度。银行等金融服务公司虽然在机器学习和算法方面是先驱,但对于MCP和Agent2Agent(A2A)系统的采用较为保守。监管企业通常只使用内部代理,因为其API集成需要经过多年审查以确保合规性和安全性。专家指出,MCP缺乏基本构建块,特别是在互操作性、通信标准、身份验证和审计跟踪方面。金融机构需要确保代理能够进行"了解您的客户"验证,并具备可验证的身份识别能力。
加拿大女王大学研究团队首次系统评估了大型视频语言模型的因果推理能力,发现即使最先进的AI在理解视频中事件因果关系方面表现极差,大多数模型准确率甚至低于随机猜测。研究创建了全球首个视频因果推理基准VCRBench,并提出了识别-推理分解法(RRD),通过任务分解显著提升了AI性能,最高改善幅度达25.2%。