云融合的安全和数据保护解决方案提供商梭子鱼网络美国加州时间7月26日宣布其电子邮件安全业务在2019财年第一季度(截至2018年5月31日)实现加速增长。得益于新产品的创新和交付以及持续的MSP增长,梭子鱼电子邮件保护产品的预订量同比增长36%,2018财年第一季度为9%。
“电子邮件安全业务的强劲发展势头让我们颇感振奋,这给梭子鱼的进一步增长奠定了有利基础,”梭子鱼首席执行官BJ Jenkins表示。“我们的产品线很强大,越来越多地企业开始依靠MSP合作伙伴为其提供安全和数据保护服务。我们会继续大力扩展行业领先的产品组合,帮助客户在高度分散的多样化混合云环境中使他们的IT投资效益最大化。”
梭子鱼网络是在安全与数据保护技术领域拥有悠久历史的领导者,最近云融合产品的出货量已超过100万台。另外,公司近期还推出了先进的人工智能(AI)解决方案,以帮助企业防御鱼叉式网络钓鱼和网络欺诈。梭子鱼的创新研发围绕防御有针对性的攻击、人工智能、归档和数据保护等展开,以帮助客户以更智能的方式抵御攻击、降低风险和消除威胁。
通过收购PhishLine的举措,梭子鱼还成为了第一家引入基于人机界面的培训平台的电子邮件安全产品供应商。目前,梭子鱼是唯一一家结合了网关安全、数据保护、基于AI的针对性威胁防护以及用户安全意识培训的安全服务供应商,可为用户提供全面的防范电子邮件威胁的保护。
梭子鱼电子邮件保护业务在2019财年第一季度的财务业绩要点:
· 梭子鱼Essentials MSP增长:梭子鱼Essentials通过其MSP业务实现了销售预订量同比增长232%。
· 电子邮件安全业务增长:第一季度,梭子鱼电子邮件保护产品的全球预订量同比增长36%。
· 用户增长:目前梭子鱼已为全球50000多家电子邮件安全用户提供服务。
梭子鱼电子邮件保护业务亮点:
· 强劲发展势头:
- 每天处理超过10亿封电子邮件。
-归档超过900亿封电子邮件。
· 社会工程防御:
新的梭子鱼Sentinel帐户接管(ATO)功能能够针对被破坏的电子邮件帐户和被恶意行为者用于发送垃圾邮件、病毒和鱼叉式网络钓鱼攻击的电子邮件帐户提供基于AI的检测和修复。这一行业领先的解决方案将内部威胁防护提升到新的水平,降低了内部网络钓鱼和恶意软件的风险,并防止了由于攻击其他企业而造成的品牌名誉损失。
· 培训和仿真:
-梭子鱼进一步扩展PhishLine产品组合,推出了面向千人员工级别的新企业版产品,该版本通过经销商渠道进行销售。目前该产品已推出多个版本,以满足不同规模企业的需求。
-全新的梭子鱼PhishLine等级安全培训版块向企业提供一种独特安全意识培训方式,该方式通过鼓励良好的网络行为让员工参与并提高他们的安全意识。
· 梭子鱼Essentials:
-增强了识别和拦截发送方伪装成内部员工的网络钓鱼功能。
-梭子鱼Essentials对DMARC的支持提供了额外的邮件安全防护。
-其他隐私控制和MSP特定角色使MSP能够更轻松管理和支持其用户群。
·行业认可:
-梭子鱼跻身CRN发布的2018年网络安全领域百强名单:被评为全球最酷的20家网络安全、电子邮件安全和应用程序安全厂商之一,该榜单旨在认可和表彰对网络安全、电子邮件安全和应用程序安全作出突出贡献的厂商。
-梭子鱼在ChannelPro Network 2018年读者选择奖中荣获最佳电子邮件安全厂商金奖。
好文章,需要你的鼓励
微软正式确认配置管理器将转为年度发布模式,并将Intune作为主要创新重点。该变化将于2026年秋季生效,在此之前还有几个版本发布。微软表示此举是为了与Windows客户端安全和稳定性节奏保持一致,优先确保安全可靠的用户体验。配置管理器将专注于安全性、稳定性和长期支持,而所有新功能创新都将在云端的Intune中进行。
这项由圣母大学和IBM研究院联合开展的研究,开发出了名为DeepEvolve的AI科学助手系统,能够像人类科学家一样进行深度文献研究并将创新想法转化为可执行的算法程序。该系统突破了传统AI要么只能改进算法但缺乏创新、要么只能提出想法但无法实现的局限,在化学、生物学、数学等九个科学领域的测试中都实现了显著的算法性能提升,为AI辅助科学发现开辟了新的道路。
人工智能初创公司aiOla推出基于流匹配训练技术的语音AI模型Drax,挑战OpenAI和阿里巴巴等巨头。该模型重新定义语音算法训练方式,能在嘈杂环境中准确识别语音,兼顾速度与准确性。相比OpenAI的Whisper和阿里巴巴Qwen2,Drax采用并行流处理技术,速度提升32倍,词错误率仅7.4%。该模型已在GitHub开源,提供三种规模版本。
卡内基梅隆大学研究团队通过3331次大规模实验,系统揭示了代码训练如何提升AI推理能力。研究发现,代码的结构特性比语义内容更重要,适当的抽象形式(如伪代码)可以达到与原始代码相同的效果。不同编程语言产生差异化影响:低抽象语言有利于数学推理,Python更适合自然语言任务。这些发现为AI训练数据的科学化设计提供了重要指导。