至顶网安全频道 09月21日 综合消息:
根据CRN的消息来源和已发表的报告,赛门铁克近期已经评估了能让其重回SIEM(安全信息和事件管理)市场的可能收购。
据接近RAS和赛门铁克的消息人士透露,赛门铁克最近已经探索了从戴尔那里收购RSA的前景。CRN从多个消息来源获得的消息称,两家公司之间似乎并没有进行谈判。

不过赛门铁克并没有停下收购的步伐。彭博社星期三报道,赛门铁克与Splunk就可能的收购进行了谈判。Splunk一直在围绕其安全产品组合进行大量投资,因为该公司希望提供下一代SIEM和分析解决方案。彭博社报道说,在赛门铁克开始了解Splunk的财务状况和估值水平之后,谈判停了下来,这家公司目前的估值约为94亿美元。
赛门铁克没有回应CRN请求评论的要求。RSA表示对谣言或猜测无可奉告。
传言出现在赛门铁克希望建立起庞大的网络安全平台之际。该公司过去一年已经在云安全、移动安全、威胁防范、身份保护等领域进行了多次收购。该公司没有SIEM产品;它在2013年退出了该业务,叫停了该公司的Symantec Security Information Manager产品。
RSA和Splunk都是市场上非常卓越的SIEM专家和安全市场领导者。
RSA提供广泛的安全解决方案组合,包括使用SecurID进行身份认证和访问管理的产品;SIEM和NetWitness的威胁检测和响应;Archer的治理、风险和合规性,以及防欺诈。赛门铁克仅在一个领域重叠——它也提供身份和访问管理和GRC解决方案。
Splunk对SIEM市场的新方法引起了极大关注,因为它通过机器学习、实时数据、分析和安全管理简化了安全操作。该公司还提供反欺诈、日志管理、反勒索软件和安全调查技术。
SIEM或安全分析领域其他的独立公司包括LogRhythm、Exabeam、SumoLogic和Cybereason。IBM、HPE和McAfee也提供SIEM解决方案。
赛门铁克公司总裁兼首席运营官Michael Fey最近在接受CRN采访时表示,该公司正在寻求进一步收购。他没有具体说明赛门铁克将评估哪些领域,只是表示将专注于能够为产品组合“增加价值”的领域。
Fey表示,“当然,还会有其他的收购。”他表示,“我们不怕收购,因为我们已经表明,我们可以利用整合成功,而我们的客户今天也更强大。”
要求保持匿名的合作伙伴对CRN表示,如果赛门铁克可以采取SIEM解决方案,并将其与现有的产品和威胁情报能力结合在一起,那么它就可以创建一个引人注目的产品。
位于伊利诺斯州道纳斯格罗夫的Sentinel Technologies是赛门铁克和Splunk的合作伙伴,该公司的首席技术官Robert Keblusek表示,赛门铁克打入SIEM市场的举动可能对安全厂商有很大的帮助。他表示,他发现客户对SIEM解决方案的需求有所增长,与赛门铁克的合并可以将Splunk和SIEM带入更广泛的客户群体。
Keblusek表示:“赛门铁克在SIEM市场中算不上有什么地位。我们看到SIEM已经有了很大的进步;它可能是我们最热门的工具之一。”
Keblusek并没有直截了当地承认赛门铁克的收购传言,而是表示Splunk对赛门铁克来说可能是一个很好的收购对象,并表示对于该公司在企业领域的安全业务会有“立竿见影”的效果。Keblusek表示,“这个组合可以说是非常有趣的一对。我认为这无疑会增加赛门铁克的可见性,并获得更显著的地位。他们已经很突出了,但是当我想到Splunk的时候,我联想到的是企业级SIEM服务。对于赛门铁克来说,这是一个非常值得去的地方。”
好文章,需要你的鼓励
研究人员基于Meta前首席AI科学家Yann LeCun提出的联合嵌入预测架构,开发了名为JETS的自监督时间序列基础模型。该模型能够处理不规则的可穿戴设备数据,通过学习预测缺失数据的含义而非数据本身,成功检测多种疾病。在高血压检测中AUROC达86.8%,心房扑动检测达70.5%。研究显示即使只有15%的参与者有标注医疗记录,该模型仍能有效利用85%的未标注数据进行训练,为利用不完整健康数据提供了新思路。
西湖大学等机构联合发布TwinFlow技术,通过创新的"双轨道"设计实现AI图像生成的革命性突破。该技术让原本需要40-100步的图像生成过程缩短到仅需1步,速度提升100倍且质量几乎无损。TwinFlow采用自我对抗机制,无需额外辅助模型,成功应用于200亿参数超大模型,在GenEval等标准测试中表现卓越,为实时AI图像生成应用开辟了广阔前景。
AI云基础设施提供商Coreweave今年经历了起伏。3月份IPO未达预期,10月收购Core Scientific计划因股东反对而搁浅。CEO Michael Intrator为公司表现辩护,称正在创建云计算新商业模式。面对股价波动和高负债质疑,他表示这是颠覆性创新的必然过程。公司从加密货币挖矿转型为AI基础设施提供商,与微软、OpenAI等巨头合作。对于AI行业循环投资批评,Intrator认为这是应对供需剧变的合作方式。
中山大学等机构联合开发的RealGen框架成功解决了AI生成图像的"塑料感"问题。该技术通过"探测器奖励"机制,让AI在躲避图像检测器识别的过程中学会制作更逼真照片。实验显示,RealGen在逼真度评测中大幅领先现有模型,在与真实照片对比中胜率接近50%,为AI图像生成技术带来重要突破。