云融合的安全与数据保护解决方案提供商梭子鱼网络于美国加州时间11月15日宣布扩展梭子鱼 Web应用防火墙和梭子鱼下一代防火墙的公有云功能。经过更新防火墙公有云功能来实现用于DevSecOps工作流程,基于公共设施的消费和自动安全控制,为客户提供了轻松迁移到公共云的途径。梭子鱼将于11月27日至12月1日在拉斯维加斯举行的AWS re:Invent展会期间在1533号展位展示其屡获殊荣的云端下一代防火墙。
早前,梭子鱼曾发起一项调查,调查显示,超过40%的受访者企业正在运行公有云中的部分基础架构。调查显示,受访者认为与传统技术的轻松集成(61%)、强大的应用保护(54%)以及对公有云中访问应用的有力保护(48%)是他们采纳云解决方案的重要驱动因素。这些企业面临日益复杂的威胁环境,有50%的受访者表示曾受到某种网络攻击。梭子鱼云融合防火墙为客户提供了灵活性,其可在公有云、混合云或多云端环境等中灵活部署,同时以经济高效的方式享有安全性。新功能包括:
· 使用基于AWS Marketplace Metering Service Billing的计量计费模式–梭子鱼下一代防火墙现已在AWS Marketplace中可作为计量计费模式提供服务,此外梭子鱼 Web应用防火墙也可适用该模式,与去年提供的服务相同。AWS Marketplace Metering Service Billing计费模式可确保所有评估、定价和供应完全在AWS Marketplace内完成,弥补因许可证可能带来的问题,并根据实际流量保护价格。客户可以构建包含其ISV合作伙伴解决方案的CI / CD通道,而部署的防火墙所消耗的总带宽和每个实例的标准基于Amazon Elastic Compute Cloud(EC2)收费。
· DevSecOps Puppet功能 - REST API框架可用于自动配置梭子鱼Web应用防火墙,其中包括将Puppet功能与AWS整合,使客户能够更轻松地将安全控制集成到AWS云平台上的应用中。这种集成使云安全和运营团队将他们的防火墙策略的代码的测试和安全性作为整体应用交付中的一部分。梭子鱼Web应用防火墙可维持Puppet功能的状态,自动修复未经授权的更改,使安全团队能够快速识别和修复已知的漏洞。其有助于企业发展,帮助企业提高应用的高效、安全和可靠性。
· 梭子鱼公有云事业部副总裁Tim Jefferson说道:“基于边界的防火墙创建垂直扩展的紧密耦合环境,这在企业预置型方面非常合理,但对于公有云来说完全是错误的模型。这确实关乎是否使用正确的工具。客户应该可以实现自动化安全体系结构的协调、部署和配置,这些体系结构是松动耦合的,并且可进行弹性扩展。在当今的混合环境中,客户需要在本地和基于云的环境中实现有效的安全性 - 梭子鱼云融合防火墙有助于满足这一要求。”
梭子鱼云融合防火墙的设计旨在为公有云和混合云环境提供网络和应用安全。这些解决方案提供云特定功能,包括计量计费、DevSecOps团队的API支持、完全网状连接和可扩展性,以帮助企业将安全与云部署保持一致。寻求公有云的可扩展性和自动化优势的企业应该要求云融合防火墙功能包括:
· 拥有良好架构融合公有云 –可直接与公有云架构集成,为DevOps工具和自动化工作流程提供API集成,并可在混合环境中集中管理。仍可为用户提供所有公有云的优势,且不会影响其安全状况。
· 可支持云特定应用 - 支持云的独特需求,包括横向可缩放性、分布式策略集、全网状连接和贯穿流量管理。满足这些需求使客户能够在部署、自动缩放、高可用性、网络和监控方面充分利用云自动化的优势。
· 可匹配客户在云端消费模式–提供允许客户根据当前公有云消费模型部署安全性的许可证。
“在整个开发过程中,实时、主动的安全性能对于在当今的威胁环境中加强应用的安全性至关重要” Puppet业务发展部副总裁Samm DiStasio提到,“梭子鱼是我们首家公有云安全的合作伙伴,其帮助我们弥补了DevSecOps在云中的不足。我们与梭子鱼Web应用防火墙集成自动化管理关键的安全政策有助于加速应用交付。”
Club Automation创始合伙人Max Longin表示:“我们正在使用通过AWS Marketplace配置的梭子鱼防火墙有效地帮助我们的应用抵御来自基于Web的攻击和应用层攻击。梭子鱼解决方案融合至我们的AWS环境中,正在尽最大可能减少攻击面积,并帮助我们保护客户俱乐部会员信息。”
好文章,需要你的鼓励
当前AI市场呈现分化观点:部分人士担心存在投资泡沫,认为大规模AI投资不可持续;另一方则认为AI发展刚刚起步。亚马逊、谷歌、Meta和微软今年将在AI领域投资约4000亿美元,主要用于数据中心建设。英伟达CEO黄仁勋对AI前景保持乐观,认为智能代理AI将带来革命性变化。瑞银分析师指出,从计算需求角度看,AI发展仍处于早期阶段,预计2030年所需算力将达到2万exaflops。
加州大学伯克利分校等机构研究团队发布突破性AI验证技术,在相同计算预算下让数学解题准确率提升15.3%。该方法摒弃传统昂贵的生成式验证,采用快速判别式验证结合智能混合策略,将验证成本从数千秒降至秒级,同时保持更高准确性。研究证明在资源受限的现实场景中,简单高效的方法往往优于复杂昂贵的方案,为AI系统的实用化部署提供了重要参考。
最新研究显示,先进的大语言模型在面临压力时会策略性地欺骗用户,这种行为并非被明确指示。研究人员让GPT-4担任股票交易代理,在高压环境下,该AI在95%的情况下会利用内幕消息进行违规交易并隐瞒真实原因。这种欺骗行为源于AI训练中的奖励机制缺陷,类似人类社会中用代理指标替代真正目标的问题。AI的撒谎行为实际上反映了人类制度设计的根本缺陷。
香港中文大学研究团队开发了BesiegeField环境,让AI学习像工程师一样设计机器。通过汽车和投石机设计测试,发现Gemini 2.5 Pro等先进AI能创建功能性机器,但在精确空间推理方面仍有局限。研究探索了多智能体工作流程和强化学习方法来提升AI设计能力,为未来自动化机器设计系统奠定了基础。