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
OpenAI 本周为 ChatGPT 添加了 AI 图像生成功能,用户可直接在对话中创建图像。由于使用量激增,CEO Sam Altman 表示公司的 GPU "正在融化",不得不临时限制使用频率。新功能支持工作相关图像创建,如信息图表等,但在图像编辑精确度等方面仍存在限制。值得注意的是,大量用户正在使用该功能创作吉卜力动画风格的图像。
Synopsys 近期推出了一系列基于 AMD 最新芯片的硬件辅助验证和虚拟原型设计工具,包括 HAPS-200 原型系统和 ZeBu-200 仿真系统,以及面向 Arm 硬件的 Virtualizer 原生执行套件。这些创新工具显著提升了芯片设计和软件开发的效率,有助于加快产品上市速度,满足当前 AI 时代下快速迭代的需求。
人工智能正在深刻改变企业客户关系管理 (CRM) 的方方面面。从销售自动化、营销内容生成到客服智能化,AI不仅提升了运营效率,还带来了全新的服务模式。特别是自主代理AI (Agentic AI) 的出现,有望在多渠道无缝接管客户服务职能,开创CRM发展新纪元。
数据孤岛长期困扰着组织,影响着人工智能的可靠性。它们导致信息分散、模型训练不完整、洞察力不一致。解决方案包括实施强大的数据治理、促进跨部门协作、采用现代数据集成技术等。克服数据孤岛对于充分发挥AI潜力至关重要。