ZD至顶网安全频道 02月23日 编译:Veritas日前复出,正紧锣密鼓地筹划推出新的产品,同时Veritas还宣布将加强与亚马逊网络服务(AWS)及微软Azure的合作。据悉,Veritas是一家从事数据管理和存储的传统厂商,在2015年被赛门铁克公司卖掉。
据称,Veritas宣布与微软建立为期数年的合作伙伴关系,微软将在Azure上使用Veritas的企业库云和管治工具。NetBackup 8.0、Backup Exec 16与Azure的整合及Veritas与微软的合作伙伴关系将为Veritas在混合云领域提供契机。
Veritas CEO比尔·科尔曼(Bill Coleman)
此外,Veritas在与Azure完成该交易的一周前曾表示,旗下的360数据管理平台将进入亚马逊网络服务(AWS)。AWS和Veritas曾将一系列的工具整合在一起,这些工具可将公共云基础架构和企业数据中心进行混合与匹配。例如,Veritas弹性平台、InfoScale、Access和NetBackup Backup Exec也将进入AWS。
赛门铁克2015年以74亿美元将Veritas卖给凯雷集团(Carlyle Group),Veritas CEO比尔科·尔曼在谈及Veritas与公共云提供商的合作及未来计划时给出了以下要点:
云的重要性。科尔曼表示,Veritas正在进军云领域,目标是能给客户一个 “云和数据中心任意组合 “的选择。此外,进军云领域也意味着Veritas将采用订阅和以消费为基础的商业模式。科尔曼曾统领过BEA Systems。他在谈到产品方面时表示,Veritas在NetBackup里添加了API框架并会将其全面整合到产品组合里。科尔曼表示,“我们全面进入公共云,公共云将成为我们产品里的一个完整元素。云是我们的战略核心。”
GDPR(General Data Protection Regulation,一般数据保护监管)。科尔曼在谈话里不断提到GDPR。之所以这样是有其原因的。GDPR是欧盟的数据驻留和保护监管条例。Veritas正处于向数据管理公司转型的转接点。GDPR是一个重大的改变,原因是一众公司不管在任何时候都必须知道自己的数据身处何处。科尔曼表示,“不管数据在哪里,我们都将为其提供可视化的整合产品。”他还表示, Veritas正在考虑将整个过程自动化。
科尔曼做了这样的解释,“我们希望明年在所有环境里针对GDPR将迁移和发现完全自动化。自动化是必须的的。每一次违例事件你就会被罚款。Veritas分析过我们自己的数据。我们在GDPR上不得不花费几百万美元。因此,这是件大事情。我们要做很多工作才能搞定我们自己的事情。我们是我们自己的头号客户。”
GDPR将于2018年5月生效。科尔曼表示,GDPR大可以成为Veritas的催化剂,前提是Veritas能够帮助客户了解自己的全部数据再对其管理。他将GDPR比作萨班斯-奥克斯利法案。萨班斯-奥克斯利法案基本上成了全球金融服务监管条例。
商业模式。与大多数软件公司一样,Veritas将过渡到基于订阅的模式。Veritas大约9个月前推出订阅产品,因此,现在要预测商业模式转换的快慢为时尚早。
混合云。科尔曼表示,“我们还没见过有客户在传统处理应用程序上走云优先这条路。不过,大客户现在也不过是走到了将关键任务应用程序迁移到云里这一步。我们预计大多数大型企业将采用混合云。”
未来的挑战。科尔曼表示,业界一般认为Veritas是个传统型公司,在这一点上存在挑战,但由于客户面这也是机会所在。执行上也存在挑战。但科尔曼表示,Veritas发布新产品更迅速了,也更有效率了。GDPR和Veritas公共云整合要讨取决策者的欢心还有很长的路要走。Veritas是独立的,不会卖将软件与硬件一起出售,这也是Veritas的一个机会。科尔曼表示,“大多数企业客户数据由我们管理,我们得到信赖。中立对我们的客户来说是一个优势。”
好文章,需要你的鼓励
苏州大学研究团队提出"语境降噪训练"新方法,通过"综合梯度分数"识别长文本中的关键信息,在训练时强化重要内容、抑制干扰噪音。该技术让80亿参数的开源模型在长文本任务上达到GPT-4o水平,训练效率比传统方法高出40多倍。研究解决了AI处理长文档时容易被无关信息干扰的核心问题,为文档分析、法律研究等应用提供重要突破。
在Cloudera的“价值观”中,企业智能化的根基可以被概括为两个字:“源”与“治”——让数据有源,智能可治。
清华大学团队首次揭示了困扰AI训练领域超过两年的"幽灵故障"根本原因:Flash Attention在BF16精度下训练时会因数字舍入偏差与低秩矩阵结构的交互作用导致训练崩溃。研究团队通过深入分析发现问题源于注意力权重为1时的系统性舍入误差累积,并提出了动态最大值调整的解决方案,成功稳定了训练过程。这项研究不仅解决了实际工程问题,更为分析类似数值稳定性挑战提供了重要方法论。