近几年,许多企业都遭受过勒索软件的攻击,包括一些人们耳熟能详的大型企业。攻击造成了巨大的损失,在让企业意识到勒索软件危害的同时,也让许多企业十分担忧自己是否会遭到类似的攻击。面对这种忧虑,增添附加工具似乎是个很有吸引力的选项,但事实并非如此简单。更多的附加工具只会增加更多的安全漏洞,最终给企业带来更大的风险。Commvault认为,企业应该利用集成的统一平台来保护业务,从而简化管理、提升安全性、降低风险。
降低风险:删繁就简
首先,如今的环境非常复杂。企业在走向全球化之外,也在转向“混合”。在此之上,企业需要管理更多的数据、应用和技术。企业需要保护大量的工作负载,而这些工作负载又散落在本地系统、云服务、SaaS环境等等。此外,软件供应商也在试图跟上数据资产蔓延的快速节奏,他们不断增加单点和细分解决方案,以增强工作负载支持和技术能力,弥补自身产品组合中的漏洞和不足。这只会造成复杂性,而复杂性是企业既不需要也不想要的。毕竟,企业用来管理自身数据保护策略和安全协议的工具越多,企业就面临越多的工具差异,而攻击者可以利用的漏洞也就越多。
提升安全性:全面防护
其次,对于勒索软件和其他零日攻击,IT和安全之间的界限越来越模糊,两者在不断融合。传统的安全方法和应用对于企业来说仍然非常重要,但是攻击正在变得更快、更狡猾、更隐蔽。在这种不断变化的威胁环境下,仅仅依靠外围防御是不够的。企业需要采取统一的多层方法。在这种方法中,安全和数据保护紧密地结合在一起,形成了全面的勒索软件防护。该方法包括预防措施和主动措施,在支持企业进行数据恢复的基础上,积极主动地保护数据,在高级威胁和数据丢失威胁下保持弹性。这种方法可以帮助企业进一步加固防御,并在面临网络事件的时候加快响应速度。
简化管理:有机协作
最后一点,也是非常重要的一点,那就是团队。IT和安全团队已经在管理多个安全工具及其复杂集成的繁杂工作下不堪重负。由于这些团队往往处于不同的系统中,遵守各自的流程,承担独特的业务责任,这项管理任务显得更具挑战性。另外,在企业优先级和有限资源的影响下,消除这些部门间的壁垒也同样颇具挑战性。下一代的数据保护在确保数据安全、合规和可恢复之外,还应该有助于统一这些功能。主动的威胁检测和安全系统集成让企业能够借助新工具更快发现威胁,并且有机地将不同的工作流程、人员和系统联系在一起。这不仅有助于改善企业的安全态势,还能帮助企业提升部门间的可见性、协调性和响应性,尽可能地降低攻击影响范围,加快响应和恢复操作。
简而言之,在保护企业不受勒索软件攻击和其他网络威胁的侵害方面,集成的统一平台非常重要。它可以简化管理流程,让IT和安全团队在专注于战略性事务的同时,仍能确保对于恶意行为者的防御。企业可以充分利用这样的平台,先网络威胁一步,预测威胁、降低威胁、减少暴露,确保企业的连续性。
好文章,需要你的鼓励
微软近年来频繁出现技术故障和服务中断,从Windows更新删除用户文件到Azure云服务因配置错误而崩溃,质量控制问题愈发突出。2014年公司大幅裁减测试团队后,采用敏捷开发模式替代传统测试方法,但结果并不理想。虽然Windows生态系统庞大复杂,某些问题在所难免,但Azure作为微软核心云服务,反复因配置变更导致客户服务中断,已不仅仅是质量控制问题,更是对公司技术能力的质疑。
Meta研究团队发现仅仅改变AI示例间的分隔符号就能导致模型性能产生高达45%的巨大差异,甚至可以操纵AI排行榜排名。这个看似微不足道的格式选择问题普遍存在于所有主流AI模型中,包括最先进的GPT-4o,揭示了当前AI评测体系的根本性缺陷。研究提出通过明确说明分隔符类型等方法可以部分缓解这一问题。
当团队准备部署大语言模型时,面临开源与闭源的选择。专家讨论显示,美国在开源AI领域相对落后,而中国有更多开源模型。开源系统建立在信任基础上,需要开放数据、模型架构和参数。然而,即使是被称为"开源"的DeepSeek也并非完全开源。企业客户往往倾向于闭源系统,但开源权重模型仍能提供基础设施选择自由。AI主权成为国家安全考量,各国希望控制本地化AI发展命运。
香港中文大学研究团队开发出CALM训练框架和STORM模型,通过轻量化干预方式让40亿参数小模型在优化建模任务上达到6710亿参数大模型的性能。该方法保护模型原生推理能力,仅修改2.6%内容就实现显著提升,为AI优化建模应用大幅降低了技术门槛和成本。