下一代安全企业Palo Alto Networks近日宣布推出全新云日志服务,帮助客户通过Palo Alto Networks下一代安全平台将海量自有数据积累起来。这一全新服务专为机器学习和高级分析应用设计,旨在关联潜在威胁,有效防御网络攻击。
网络安全产品正在产生大量宝贵的日志数据,这些数据可令那些隐藏的威胁原形毕露。但是,传统的硬件日志收集方法受到管理费用和扩展限制的制约,使得有用数据变得臃肿且难以使用。若要使用这些跨安全应用的存储日志,就需要进行复杂的集成工作,然而由此导致执行跨产品流程和生成关联信息的难度。
当今企业必须具备存储、处理和分析海量数据的能力,从而获取对整个基础设施的完全可视性,并将数据转化为有价值的情报。
借助Palo Alto Networks提供的日志服务,企业不再受限于硬件容量的限制,从而满足业务需求。该日志服务在不增加运营成本的前提下提供集成化、可扩展的日志基础设施,允许客户不受本地计算和存储限制进行日志数据的采集。这一云服务提高了日志数据采集的经济性,显著降低了采集和存储海量数据的成本。
此外,即将推出的新版Palo Alto Networks 应用框架,可帮助客户快速部署并使用诸多创新型云安全应用。该框架允许客户通过日志服务集中访问并使用自有宝贵日志数据。这一全新功能助力客户无需增加基础设施便可实现对Palo Alto Networks下一代安全平台的功能扩展。
引言
——ZK Research创始人兼首席分析师 Zeus Kerravala
——Palo Alto Networks首席产品官 Lee Klarich
Palo Alto Networks 日志服务的主要优势:
上市时间
日志服务现已面向Palo Alto Networks客户全面推出。
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。