Ixia于2016年7月6日宣布推出一款全新解决方案TrafficREWIND,该解决方案能够从生产网络中捕获流量模型并在受控的沙箱环境中准确重现真实流量,此项技术的专利申请目前正在进行。TrafficREWIND能够协助各企业、服务提供商以及网络设备制造商通过真实业务测试显著提升故障隔离与网络中断的解决效率,并已于7月10至14日在美国拉斯维加斯Cisco Live大会上进行演示。
TrafficREWIND结合了多款Ixia解决方案的高级功能,其中包括支持网络流量配置文件捕获的可视性解决方案Vision ONE、在预部署实验室或分级网络等受控环境下实现流量再现的BreakingPoint测试平台,以及可获得高级威胁情报的应用与威胁情报(ATI)技术。
Ixia产品管理副总裁Sunil Kalidindi表示:“Ixia在开发应对复杂网络环境的测试与可视性技术上一直走在行业前列。我们利用技术专长设计出TrafficREWIND,旨在帮助客户更简便地重建其独特的网络流量,并在蒙受任何重大生产力或潜在收益损失之前,快速识别问题并完成修复。”
Vision ONE能够让各企业通过一站式平台在物理与虚拟环境中保持网络可视性与安全性。它的基于应用与威胁情报的流量传感器能够创建以Netflow形式记录的元数据,并发送至TrafficREWIND。随后TrafficREWIND即可轻松将生产网络的洞察转化为高度真实的测试流量配置。而BreakingPoint将会利用这些已生成的测试配置创建真实的应用组合,验证网络安全工具或应用感知设备的生产运行就绪情况。
Ixia BreakingPoint用于验证网络及网络设备的稳定性、精准度及质量。当与TrafficREWIND进行搭配使用时,它能够使历史生产流量再现,通过流量动态扩展或变化,锁定事故发生的精确时间来检查详情,并迅速完成故障分析,帮助客户未雨绸缪制定未来计划。
TrafficREWIND将通过以下方式对网络实行管理、扩展和运营,帮助客户从被动防御变为主动出击:
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。