Splunk公司宣布其产品组合推出全新或增强的人工智能(AI)功能,帮助客户使用Splunk解决方案提高盈利能力、性能和安全性。同时,Splunk还通过开源软件和原生云技术扩展集成功能。
Splunk Cloud和Splunk Enterprise 7.1通过机器学习提供AI,帮助客户监控和搜索企业加速业务发展所需的关键信息并提供预警。这些最新版本包括一个经过更新的指标引擎,让客户能够监控和预警复杂IT环境中的数字数据点,包括CPU速度和可用硬盘空间以及物联网设备和感应器的温度读数。最新版本也是唯一可以每天摄取PB级数据并对其进行实时搜索、监测和预警数据的企业级数据分析解决方案。借助这些增强功能,用户可以更好让他们的机器数据发挥价值,从而预测未来的IT、安全和业务成果。
Splunk Cloud让客户能够最大限度地控制和实时访问数据。该版本Splunk Cloud提供动态数据:自存储(Dynamic Data:Self-Storage)功能,使客户可以灵活地将数据从Splunk迁移至自己的Amazon S3存储环境中。
为了扩展其开放技术生态系统,Splunk通过开源软件计划和原生云技术推出新的数据集成功能,包括:
● Splunk Connect for Kafka将Splunk Platform与 Apache Kafka进行集成,实现了高可扩展性和可靠性的处理实时数据流的方法。
● Splunk Connect for Kubernetes和Splunk Connect for Docker将Splunk Platform与主要解决方案统一起来,实现了容器化应用的自动部署、扩展和管理。
Splunk还为其机器学习工具包(MLTK)推出了新的实验管理界面,该界面可以更轻松的查看、控制、评估和监控机器学习实验。最新的MLTK还包括新算法,用于识别模式并确定训练机器学习模型的最佳预测程序。
在最新版监控和分析解决方案Splunk IT Service Intelligence(ITSI)中,客户可以利用AI来预测即将发生的中断事件,以及这些中断事件在发生之前如何影响服务运行状况,从而使最终客户体验和收入不受影响。ITSI还应用机器学习来减少事件噪音并自动识别最重要的业务事件,以便客户能够首先解决这些事件。同样,Splunk UBA更新还包括新的机器学习模型和现有模型的增强功能,以便客户更快速地识别并解决时效性安全问题和内部威胁。
专注于物联网和其他用例的新解决方案正在帮助Splunk客户快速应对特定的挑战。Splunk最近宣布推出Splunk Industrial Asset Intelligence抢鲜版,该版本可帮助制造商实时监控和分析工业IoT数据。
Splunk Essentials系列延续了这一方法,免费且易于安装的应用程序可向用户准确展示如何使用Splunk Enterprise和Splunk Cloud来处理特定的关键任务用例。Splunk Security Essentials涵盖强力检测、恶意软件和一般数据保护法规(GDPR)合规性等用例,而Splunk Security Essentials for Fraud Detection涵盖医疗保险账单和电汇转账欺诈等用例。
好文章,需要你的鼓励
研究人员意外发现,标准MOSFET晶体管可同时模拟神经元和突触行为,形成"神经突触随机存取存储器"(NSRAM)。该技术仅需一至两个晶体管即可实现传统需数十乃至数百个元件才能完成的神经信号处理,且与现有硅基制造工艺完全兼容,良率达100%。未来有望应用于边缘AI及高能效神经形态芯片,长远或可挑战GPU地位。
论文对比了AI通过图形界面和命令行两种方式完成桌面任务的差异,发现两者各有瓶颈:GUI受限于视觉交互可靠性,命令行受限于技能库覆盖率。
本文提出一种评估人工智能风险的新方法,借鉴生态学与演化论视角,从理论生态模型中推导出三项风险指标,涵盖种群模型与生态系统模型。研究旨在为AI治理策略提供量化工具,并对分析局限性及政策改进方向进行了深入探讨,为构建更科学的AI风险评估体系提供参考框架。
复旦大学团队提出ICWM框架,让机器人在任务前通过随机探测动作自主感知当前视角和物理配置,无需重新训练即可适应新摄像头角度,真实机器人测试成功率最高提升175%。