2024年8月16日,混合云企业网络弹性和数据保护解决方案领先提供商Commvault宣布通过与包括Acante、Dasera、Google Cloud、Splunk和Wiz在内的一系列安全合作伙伴进行战略整合,扩展其网络和数据安全生态系统。
Commvault与这些安全合作伙伴的集成在帮助共同客户,以各种方式在本地、混合和云环境中提高网络弹性方面发挥关键作用——从识别潜在威胁或异常,到了解敏感数据所在的位置,再到加快洁净恢复。这些双向集成还使客户能够使用其首选的安全、数据保护和网络恢复解决方案。安全运维团队则可以充分利用这些集成,更好地了解和抵御风险与威胁,增强对于恢复的信心。
企业对于这些类型集成的需求从未如此关键和急迫。Commvault委托GigaOm进行的一项近期调研表明,只有13%的企业具备有效防御网络攻击并从攻击中快速恢复的能力;在这些企业中,有54%的企业表示对自己的恢复能力充满信心。有关此次调研结果的更多信息,请阅读《2024网络恢复就绪报告》。
Commvault首席产品官Rajiv Kottomtharayil表示:“Commvault与网络安全、数据安全态势管理(DSPM)和人工智能(AI)领域的行业领导者竭诚合作,专注于帮助客户提升其安全态势。面对当今网络威胁,我们必须齐心协力。通过这些集成,我们帮助客户架起一座通往真正企业弹性的桥梁。”
Commvault将通过和这些合作伙伴的集成,不断提升数据发现和分类、网络弹性、网络安全能力。
• Acante:Acante面向现代数据和AI云的数据访问治理解决方案让数据团队能够大幅简化并加速对其快速增长的关键数据的精准、安全和合规访问。
• Dasera:Dasera提供的DSPM解决方案帮助企业识别敏感的结构化和非结构化数据的位置、实现数据安全和治理的自动化,以及快速发现、标记和修复数据安全风险。
• Google Threat Intelligence:提供AI驱动的出色威胁可见性和可操作上下文(actionable context),帮助企业主动设置防御措施、高效捕获威胁并对新型威胁进行调查和响应。通过Google Threat Intelligence授权的API密钥,客户无需在选项卡之间切换,就能调查Commvault检测到的威胁,获得无缝体验。
• Splunk:通过Splunk的高级数据分析平台提高威胁检测和响应能力,为实现全面安全洞察提供实时运营智能。
• Wiz:提供全面的云安全平台,该平台能够实现出色的清晰度、可见性和上下文,支持用户保护其云环境。
集成合作伙伴引言
Acante首席执行官兼联合创始人Ranga Rangachari表示:“我们非常高兴能和Commvault这样的行业领导者合作,将Commvault前沿的数据保护技术和Acante的数据访问治理解决方案结合起来,帮助客户提升数据弹性。此次集成极大地提升了我们客户的数据安全态势。”
Dasera首席执行官兼联合创始人Ani Chaudhuri表示:“我们的DSPM解决方案和Commvault的产品组合相辅相成,有助于提供持续监控和快速修复数据安全风险。我们双方共同致力于帮助企业实现强大的数据安全与合规。”
Wiz产品扩展与合作关系副总裁Oron Noah表示:“Wiz与Commvault合作提供的云安全上下文通过嵌入式漏洞补丁实现了高度安全的备份恢复。在全新的云弹性时代中,数据保护和安全齐头并进,而我们正为此铺平道路。”
可用性
这些新集成现已通过Commvault及其合作伙伴提供。有关详细的产品规格、配置指南和其他资源,敬请访问Commvault合作伙伴页面。
好文章,需要你的鼓励
铠侠正在测试最新的UFS v4.1嵌入式闪存芯片,专为智能手机和平板电脑设计,可提供更快的下载速度和更流畅的设备端AI应用性能。该芯片采用218层TLC 3D NAND技术,提供256GB、512GB和1TB容量选择。相比v4.0产品,随机写入性能提升约30%,随机读取性能提升35-45%,同时功耗效率改善15-20%。新标准还增加了主机发起碎片整理、增强异常处理等功能特性。
上海AI实验室团队提出创新的异步拍摄方案,仅用普通相机就能实现高速4D重建。该方法通过错开相机启动时间将有效帧率从25FPS提升至100-200FPS,并结合视频扩散模型修复稀疏视角导致的重建伪影。实验结果显示,新方法在处理快速运动场景时显著优于现有技术,为低成本高质量4D内容创作开辟新路径。
谷歌在伦敦云峰会上发布Firebase Studio更新,新增Gemini命令行界面集成、模型上下文协议支持和"代理模式"。代理模式提供三种AI协作层次:对话式"询问"模式用于头脑风暴,人机协作代理需开发者确认代码变更,以及几乎完全自主的代理模式。尽管谷歌声称已有数百万应用使用该平台,但目前仍需精心设计提示词,非工程师用户还无法直接创建成熟应用。
上海AI实验室联手复旦大学提出了POLAR方法,这是一种革命性的奖励模型训练技术。通过让AI学会识别不同策略间的差异而非死记评分标准,POLAR在多项任务上实现了显著提升,7B参数模型超越72B现有最强基线,为AI对齐问题提供了全新解决思路。