由于近50%的企业正在向云迁移,数据可用和保护已成为当前企业领导者最为关切的问题。数据已成为企业的命脉,而停机将给任何规模的企业带来灭顶之灾。由于可能无法访问数据,企业希望通过多云获得便携性、安全性和加密能力等优势,从而保持敏捷性。
今年上半年,全球发生了失去数据访问权的网络安全事件。据估计,“WannaCry”勒索软件仅在前4天就造成了10亿美元的损失。到2017年末,全球恶意软件预计造成的损失将超过50亿美元。
这一损失十分惊人,但不要误以为只有经济损失。业务中断、不可挽回的品牌声誉损失、失去客户信任等都会给没有准备的企业留下痛苦的回忆,甚至会使大型企业崩溃。不要天真地以为这种事情只会发生在他们的身上。此类威胁就像是给任何环境的数据安全敲响了警钟,包括位于云上或本地的数据。如果您能够在任何地点访问您的数据,那么这种可用性本身就是一种安全。
此前,我们了解客户从敏捷性到安全性的各种关切。如果您使用Commvault数据管理平台V11 Service Pack 8,最新的服务包中所包含的增强功能能够应对目前企业领导者在云方面所面临的最重要的挑战。此外,最新的服务包还作出了若干改进,下面是最新版本的一些亮点:
由于目前应用程序、数据库环境和云提供商众多,工作负载的可移植性已成为企业实现其目标不可或缺的一项能力。我们的新服务包中包含多种使企业能够灵活、自动移植工作的工具,它们同时也能降低当今日益复杂的网络威胁格局所带来的风险。企业可以充分利用的五个关键工具如下:
应用程序迁移功能使企业能够移动或退出数据中心、在云中创建用于开发或测试的生产系统副本并且创建用于灾难恢复的备用实例。企业通过自动化可以获得应用程序服务器的物理配置、保护应用程序的数据、提供云实例和存储,同时恢复数据和验证恢复运行。
WannaCry/Petya/Golden Eye攻击造成全球企业云服务中断,让企业领导者愈加关注数据以及如何保护数据。为了更好地保护数据,企业可通过这项功能将数据备份到备用存储器中,从而创建一份OneDrive for Business数据副本。如果发生数据丢失,IT经理可以轻松地将数据恢复到云中的OneDrive文件夹。
Salesforce系统数据备份支持
定期备份数据对于企业的业务连续性而言至关重要。通过本功能,企业领导者可以通过Commvault将Salesforce系统数据备份到媒介和本地数据库销售数据,从而消除顾虑。通过定期进行自动数据备份,企业能够访问最新的数据备份副本,尤其当发生意外或恶意删除的情况时。
新增功能中的NFS对象库可以让数据经理以原有格式保存和访问数据,从而使企业能够将数据从传统产品迁移并且为之前无法进行本机集成的应用程序提供保护。由于可以直接从自己的应用程序进行数据备份和恢复操作,从而以原有格式保存和访问数据,因此应用程序开发人员和数据经理的能力得到了增强。其结果是应用程序管理员和企业能够更灵活、更方便地访问数据。
无论因为网络攻击还是网络故障,意外的服务中断早已见惯不惊。智能化程度更高的企业正专注于尽快、尽可能有效地恢复数据,而不是预防这种不可能消失的事件。
通过Commvault丰富全面的虚拟化和云支持,企业可以基于虚拟机组的“实时同步”工作设置和监测灾难恢复的运行。如果能够测试用于灾难恢复的故障转移和故障恢复、安排和执行计划中和计划外的紧急故障转移,企业就能大幅提高服务中断期间的恢复效率。
毫无疑问,在当前数字经济环境中,企业领导者将面临更复杂、更棘手的挑战。我们的定期服务包更新将帮助企业在任何环境中保护、灵活运用和访问数据。通过云和本地的统一数据综述,企业领导者能够更好地了解数据所在的位置以及如何更好地保护它们。
好文章,需要你的鼓励
本文评测了六款控制台平铺终端复用器工具。GNU Screen作为老牌工具功能强大但操作复杂,Tmux更现代化但学习曲线陡峭,Byobu为前两者提供友好界面,Zellij用Rust编写界面简洁易用,DVTM追求极简主义,Twin提供类似TurboVision的文本界面环境。每款工具都有各自特点和适用场景。
韩国汉阳大学联合高通AI研究院开发出InfiniPot-V框架,解决了移动设备处理长视频时的内存限制问题。该技术通过时间冗余消除和语义重要性保留两种策略,将存储需求压缩至原来的12%,同时保持高准确性,让手机和AR眼镜也能实时理解超长视频内容。
网络安全公司Snyk宣布收购瑞士人工智能安全研究公司Invariant Labs,收购金额未公开。Invariant Labs从苏黎世联邦理工学院分拆成立,专注于帮助开发者构建安全可靠的AI代理工具和框架。该公司提供Explorer运行时观察仪表板、Gateway轻量级代理、Guardrails策略引擎等产品,并在工具中毒和模型上下文协议漏洞等新兴AI威胁防护方面处于领先地位。此次收购将推进Snyk保护下一代AI原生应用的使命。
纽约大学研究团队通过INT-ACT测试套件全面评估了当前先进的视觉-语言-动作机器人模型,发现了一个普遍存在的"意图-行动差距"问题:机器人能够正确理解任务和识别物体,但在实际动作执行时频频失败。研究还揭示了端到端训练会损害原有语言理解能力,以及多模态挑战下的推理脆弱性,为未来机器人技术发展提供了重要指导。