在云计算、大数据、物联网、人工智能的创新技术浪潮中,数字化转型已经成为大量政企推动业务创新、重构组织IT的重要方式。但是数字化转型同时也会引入各种风险,威胁着组织关键的数字资产,甚至影响业务的正常运营。
“云计算+移动化”成为数字化转型的优先实践
数字化转型的一个突出特征,就是用数据的方式对政企的管理与运营进行重构。组织的所有人员和物理对象,都以数据的方式存在,关联、互动都以数据智慧连接。也就是说,组织的参与者都需要在业务场景中具化成为可以交互的数字端点,交互所产生的数据需要经过智慧数据系统的搜集、归类、分析,并生成有价值的业务方向或者业务指导。
可以看出,在这个过程中,包括智能手机、平板电脑在内的移动终端设备将是政企数字化转型的最佳载体之一。与PC等传统的信息化终端相比,移动化设备便携性极佳,拥有个体天然的数字化的识别符号,能够承载更多的数据化特征。例如,政企可以通过移动设备识别员工与用户,生成物联网和人口定位数据的大数据集,这个数据加上时间维度、本地信息维度,可以为零售、物流、保险等行业提供无数业务创新机会。
而在基础设施层面,云计算则搭建了一个活力的生态。在传统的IT建设中,由于各个部门、各个阶段的基础设施架构上很难统一成为一个平台,很容易导致不同应用之间的数据难以共享,新应用也难以及时部署。其次,传统的IT部署中,基础架构等显然已无法适应现阶段不同业务场景下各种应用激增,在敏捷应对业务创新方面也凸显出后劲不足的趋势。而云到端的部署,在解决扩展性问题、敏捷创新问题,实现高效的运营管理方面均具备无可比拟的优势,这也无疑将成为政企数字化转型中,行之有效的最佳路径。
通过“云计算+移动化”的结合,既解决了移动终端数据处理能力不足,为移动应用的高效协作提供了统一的基础设施支撑,又为云计算的发展提供了敏捷的前端能力。尤其是前后端进行有机整合之后,可以借助前后端大数据的分析,给予精准把握客户需求提供强大支撑。因此,云到端的选择无疑最符合数字化转型需要。
安全隐患威胁数字化转型
在利用“云计算+移动化”推动数字化转型的过程中,政企必须要将安全风险摆在重要的位置。一旦重要数据因为网络攻击或是意外事件而泄露,将会导致组织的数据资产、声誉遭受严重损失。更严重的是,一旦酿成系统性的信息安全事件,将会动摇组织的业务基础。
要更好的保护数据与应用的安全,不能将希望全部寄托在云端。虽然在公有云、混合云中部署的网络安全解决方案能够化解相当多的病毒、木马等网络攻击,但是其对于移动终端中的风险缺乏洞察、预警与解决能力。例如,大量的政企机密数据存储在员工的工作终端之中,在脱离网络边界之后,这些终端中的数据流向什么地方、被什么人看到,很难被组织精确掌控到。
启迪国信首席市场官张永利指出:“在数字化背景下,数据安全问题将会进一步脱离网络边界和物理边界,因此需要建立覆盖云安全、终端安全的全面安全管控体系。在云端,需要在满足自主可控要求的基础上,对于云平台中已知与未知安全威胁进行精确感知;在终端,需要建立可靠的终端安全管控能力,进一步强化针对终端、应用、数据的管理。”
为了解决网络安全困扰,启迪国信数字化平台基于UEM统一端点管理平台的安全能力建设,可以为上层应用提供安全防护支撑。平台可通过统一的身份管理,实现用户单点登录和权限控制;通过安全接入网关建立的安全隧道,实现终端设备接入、网络传输数据和应用访问的安全。组织可以通过云平台向移动端推送消息,也可以从内网推送信息。移动端的应用可以访问内网的文档、邮件和数据,也可以访问云端的资源和服务。
这种移动安全特性,尤其可以满足组织BYOD的场景,满足政府、军队等行业强管控的要求。
好文章,需要你的鼓励
IBM Spyre加速器将于本月晚些时候正式推出,为z17大型机、LinuxONE 5和Power11系统等企业级硬件的AI能力提供显著提升。该加速器基于定制芯片的PCIe卡,配备32个独立加速器核心,专为处理AI工作负载需求而设计。系统最多可配置48张Spyre卡,支持多模型AI处理,包括生成式AI和大语言模型,主要应用于金融交易欺诈检测等关键业务场景。
加拿大女王大学研究团队首次对开源AI生态系统进行端到端许可证合规审计,发现35.5%的AI模型在集成到应用时存在许可证违规。他们开发的LicenseRec系统能自动检测冲突并修复86.4%的违规问题,揭示了AI供应链中系统性的"许可证漂移"现象及其法律风险。
意大利初创公司Ganiga开发了AI驱动的智能垃圾分拣机器人Hoooly,能自动识别并分类垃圾和可回收物。该公司产品包括机器人垃圾桶、智能盖子和废物追踪软件,旨在解决全球塑料回收率不足10%的问题。2024年公司收入50万美元,已向谷歌和多个机场销售超120台设备,计划融资300万美元并拓展美国市场。
这项由剑桥大学、清华大学和伊利诺伊大学合作的研究首次将扩散大语言模型引入语音识别领域,开发出Whisper-LLaDA系统。该系统具备双向理解能力,能够同时考虑语音的前后文信息,在LibriSpeech数据集上实现了12.3%的错误率相对改进,同时在大多数配置下提供了更快的推理速度,为语音识别技术开辟了新的发展方向。