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
OpenAI首席执行官Sam Altman表示,鉴于投资者的AI炒作和大量资本支出,我们目前正处于AI泡沫中。他承认投资者对AI过度兴奋,但仍认为AI是长期以来最重要的技术。ChatGPT目前拥有7亿周活跃用户,是全球第五大网站。由于服务器容量不足,OpenAI无法发布已开发的更好模型,计划在不久的将来投资万亿美元建设数据中心。
阿里巴巴团队提出FantasyTalking2,通过创新的多专家协作框架TLPO解决音频驱动人像动画中动作自然度、唇同步和视觉质量的优化冲突问题。该方法构建智能评委Talking-Critic和41万样本数据集,训练三个专业模块分别优化不同维度,再通过时间步-层级自适应融合实现协调。实验显示全面超越现有技术,用户评价提升超12%。
英伟达推出新的小型语言模型Nemotron-Nano-9B-v2,拥有90亿参数,在同类基准测试中表现最佳。该模型采用Mamba-Transformer混合架构,支持多语言处理和代码生成,可在单个A10 GPU上运行。独特的可切换推理功能允许用户通过控制令牌开启或关闭AI推理过程,并可管理推理预算以平衡准确性和延迟。模型基于合成数据集训练,采用企业友好的开源许可协议,支持商业化使用。
UC Berkeley团队提出XQUANT技术,通过存储输入激活X而非传统KV缓存来突破AI推理的内存瓶颈。该方法能将内存使用量减少至1/7.7,升级版XQUANT-CL更可实现12.5倍节省,同时几乎不影响模型性能。研究针对现代AI模型特点进行优化,为在有限硬件资源下运行更强大AI模型提供了新思路。