Palo Alto Networks已同意以3亿美元的价格购买Evident.io,让企业云用户能够更轻松地保持其部署的合规性和安全性。
Palo Alto Networks表示,Evident.io(位于美国加利福尼亚州普莱森顿)将通过分析服务和帐户配置以应对严格的安全和合规性控制,扩展基于API的安全功能。预计这次交易将于4月30日完成,Evident.io的联合创始人将加入Palo Alto Networks。
Palo Alto Networks董事长兼首席执行官Mark McLaughlin在一份声明中表示:“我们相信未来企业会变得更加以云为中心,并且需要为云设计预防性方案。随着Evident成为我们平台的一部分,Palo Alto Networks将成为唯一能够提供全面云服务的厂商。”
Palo Alto Networks表示,传统的安全工具往往不能在公有云中良好地运行,迫使企业严重依赖人工检查和审计来验证安全性和合规性。但这是非常耗时的,并且容易出错,超出云的动态性特性。
因此,安全、DevOps和合规团队需要一种自动化且无冲突的方式来保护公有云的工作负载,Palo Alto Networks这样表示。一旦Evident.io与Palo Alto Networks现有云安全产品集成,客户将能够使用单一方法进行持续监控、存储安全性以及合规验证及报告。
因此,Palo Alto Networks表示,安全性,DevOps和合规团队将能够更快地开发和部署新的云应用程序,简化开发人员和安全操作加快部署速度,并不断验证云部署的合规性。
Evident.io联合创始人兼首席执行官Tim Prendergast在一份声明中表示:“Evident.io和Palo Alto Networks的联合功能将让客户对云中更好、更快、更安全地运行充满信心。”另外,Prendergast和联合创始人Justin Landy也将加入Palo Alto Networks。
在周二盘后交易中,Palo Alto Networks股价维持在188.45美元的水平。就在这次收购公布的两天前,特权帐户安全供应商CyberArk刚刚宣布收购Vaultive,以促进针对特权帐户和云管理员的主动性云安全控制。
据LinkedIn显示,Evident.io成立于2013年,现在共有112名员工。Evident.io已经在五轮风险融资中筹集了4910万美元,其中In-Q-Tel和GV(前谷歌风险投资公司)分别领投了最近的两轮。
Evident.io的Evident Security Platform(ESP)让各种规模的企业使其攻击面最小化,并通过单个仪表板提高整体的云安全状况。ESP不断识别和评估AWS和Microsoft Azure部署中的安全风险,为安全人员提供专家的补救指导,并实现无痛安全审计和合规性报告。
Prendergast在Evident.io官方网站上发表的信中说:“这次交易是业界最好的公有云基础设施安全公司Evident.io与公有云安全行业的领导者Palo Alto Networks的结合。我们双方的技术将共同形成世界上最先进的云安全产品。”
Palo Alto Networks云安全和其他技术产品营销总监Chris Morosco在周二下午的博客文章中写道,企业越来越多地使用多个公有云账户和提供商来利用各个云提供商的不同优势。 Morosco表示,落后的安全工具只会增加复杂性并减慢应用的部署速度。
Morosco表示,Evident.io将使团队可以通过统一的方式,跨不同帐户和不同公有云提供商为整个云部署交付这些功能。此外,企业组织可以获得定制的报告,确保他们符合CIS、HIPAA、SOC2、PCI、NIST或ISO标准。
Morosco表示,Evident.io的高级API安全性、合规性报告和公有云验证功能将与Palo Alto Networks的高级威胁防护和云DLP功能无缝结合。Morosco表示,Palo Alto Networks预计在收购完成后立即开始整合。
“Evident.io团队在云创新和解决严峻挑战方面声誉很高,凭借他们的知识和技术,我们将大大扩展我们的云安全功能,”Morosco在博客文章中这样写道。
好文章,需要你的鼓励
南洋理工大学研究团队开发了WorldMem框架,首次让AI拥有真正的长期记忆能力,解决了虚拟世界模拟中的一致性问题。该系统通过记忆银行存储历史场景,并使用智能检索机制,让AI能准确重现之前的场景和事件,即使间隔很长时间。实验显示在Minecraft和真实场景中都表现出色,为游戏、自动驾驶、机器人等领域带来广阔应用前景。
AWS通过升级SageMaker机器学习平台来扩展市场地位,新增观测能力、连接式编码环境和GPU集群性能管理功能。面对谷歌和微软的激烈竞争,AWS专注于为企业提供AI基础设施支撑。SageMaker新功能包括深入洞察模型性能下降原因、为开发者提供更多计算资源控制权,以及支持本地IDE连接部署。这些更新主要源于客户需求,旨在解决AI模型开发中的实际问题。
MTS AI研究团队提出RewardRanker系统,通过重排序模型和迭代自训练显著提升AI代码生成质量。该方法让13.4B参数模型超越33B大模型,在多种编程语言上表现优异,甚至在C++上超越GPT-4。通过引入困难负样本和PPO优化,系统能从多个代码候选中选出最优方案,为AI编程助手的实用化奠定基础。