这一新系统采用19英寸行业标准,其单一框架设计将支持企业实现云数据中心及私有云环境的轻松部署。
“IBM在大型主机技术上的最新发布,进一步将IBM Z普遍加密技术所实现的无与伦比的安全性,及其在机器学习、云计算功能和强大的分析功能上的优势,惠及更为广泛的客户,”IBM Z总经理Ross Mauri表示,“大型主机技术不仅能为客户提供高安全性和高性能的混合云环境,我们还在IBM公有云数据中心部署了这一新的主机系统,采用兼具性能和安全优势的方案,以应对日益增长的数据负载。”
在数字化商业时代,主机延续着其在多个层面的价值——作为最稳定、安全、成熟的平台,主机支持包括正在急速扩张的区块链技术在内的各类新型IT应用。目前,全球87%的信用卡交易和每年接近8万亿美元的支付通过主机进行。主机平台还处理着每年290亿次的ATM交易,相当于每天50亿美元的交易。此外,主机上同时运行着每年高达40亿人次的航空运量。*1
当下,网络安全问题日渐严峻。根据Gemalto泄露级别指数 (Breach Level Index),自2013年以来泄露的记录将近100亿份,在被盗取的数据中仅有4%的数据已进行加密,而明文的数据对于黑客来说毫无防御力。由于单个系统每天能够处理将近8.5亿次的完全加密的交易,新发布的主机不仅不需要特别的空间、冷却或能源支持,还能开创性地提供IBM普遍加密技术和安全服务容器(Secure Service Container)技术,对大规模交易提供高安全的数据服务。
随着市场对大型主机的需求激增、各行业的客户与主机的关联关系日益加深,IBM在本次主机技术的革新上运用Design Thinking方法论,与包括托管服务提供商、银行及保险公司在内的超过80位客户通力协作,以保障交付能够满足更多新客户需求的方案。
大规模交易下无与伦比的安全性
通过大范围应用IBM的安全服务容器技术(Secure Service Container),新的主机系统为交付Linux环境下行业领先的安全性而设计。借助这一新系统,企业既能够保护数据免受来自系统外部的威胁,也能够保护来自有更高权限凭证的用户或窃取用户凭证的黑客所发起的系统内部攻击。软件开发人员无需在代码中创建专有依赖关系,就能利用这些先进的安全功能。企业只需将应用放置在Docker容器中,就能做好部署Secure Service Container的准备。此外,企业还能利用容器中包含的Docker和Kubernetes工具管理该应用,这些工具能够简化Secure Service Container环境的使用。
该无与伦比的安全能力不仅能够提供超高安全级别的逻辑分区,还能够实现相应分区内所有数据的加密。CIO和服务提供商可以放心地为其终端用户提供这一安全环境下的服务,而无需担忧安全问题对其互信关系的影响,同时也能够满足日益升级的行业监管要求。
一台主机即可形成一个云数据中心
新一代z14和LinuxONE系统在容量、性能、内存、缓存等方面也实现了显著的优化。全面的系统重塑使得其空间占用缩减达40%,同时实现容量提升,并能够以标准化方式部署于任何数据中心。今日发布的z14 ZR1可作为IBM私有云解决方案的基础平台,其可作为“一台主机即为一个数据中心”部署,实现存储、网络及其他部件在单台主机中的一体化部署与共管。
新系统可交付
z14 ZR1在上一代z13的基础上增加 10%的容量,并将内存提升2倍 (8 TB)。
z14 ZR1单个系统每天能够处理超过8.5亿次的完全加密的交易。
Rockhopper II采用19英寸行业设计标准,容量增加50%,内存达到上一代产品的2倍 (8TB)。
Rockhopper II 作为适于Docker EE的Docker认证的基础架构,配备集成管理功能,测试规模高达330,000个Docker容器,能够支持开发人员设计高性能应用并采用微服务架构,而无需担心延迟或任何制约扩展性的因素。
今天的这一发布基于此前IBM发布的首个具有主机数据保护级别的云服务。借助这一服务,开发者和客户将能够以行业领先的数据安全水平构建、部署和管理应用,以这一安全级别在内存中加密静态和动态数据。新发布的IBM Cloud Hyper Protect系列产品包括四项新的云服务,并通过将IBM Z引入IBM全球公有云数据中心实现这些服务。基于此,开发者可以通过应用IBM Cloud系列产品轻松地使用独有的安全能力,以在IBM Cloud上实现应用的现代化。
备注信息:
*1《新一代 IBM 主机发布一天内能运行超过120 亿次加密交易》
好文章,需要你的鼓励
这项由加州大学圣地亚哥分校和微软研究院合作开发的REAL框架,通过程序分析反馈训练大型语言模型生成高质量代码。与传统方法不同,REAL采用强化学习将代码安全性和可维护性作为奖励信号,不依赖人工标注或特定规则。研究在多个数据集上的实验表明,REAL在保证功能正确性的同时显著提高了代码质量,有效解决了"即兴编程"中的安全漏洞和维护性问题,为AI辅助编程提供了新的范式。
加州大学伯克利分校与Meta FAIR研究团队开发了"Self-Challenging"框架,让大语言模型通过自己创建和解决任务来提升能力。该方法引入创新的"Code-as-Task"格式,包含指令、验证函数、示例解决方案和失败案例,确保生成的任务既可行又有挑战性。在工具计算、网页浏览、零售服务和航班预订四种环境测试中,仅使用自生成训练数据,Llama-3.1-8B模型性能提升了两倍多,证明AI可以通过自我挑战实现有效学习,减少对人类标注的依赖。
南洋理工大学与SenseTime Research合作提出了PoseFuse3D-KI,一种创新的人体中心关键帧插值框架。该方法将3D人体模型信息融入扩散过程,解决了现有技术在处理复杂人体动作时产生扭曲结果的问题。研究团队开发了专门的SMPL-X编码器直接从3D空间提取几何信息,并设计了融合网络将3D线索与2D姿态无缝整合。他们还构建了CHKI-Video数据集,包含2,614个视频片段及完整的人体标注。实验结果显示,PoseFuse3D-KI在PSNR上提升9%,LPIPS减少38%,显著超越现有方法。
这项研究提出了LongGuide算法,解决了大型语言模型在长文本生成任务中的局限性。研究团队发现,仅依靠上下文学习无法使模型充分掌握文本的语言和格式特性。LongGuide通过自动生成两种指导原则:度量指导原则和输出约束指导原则,显著提升了模型性能。在七种长文本生成任务中,该方法使开源和闭源模型的ROUGE-L评分平均提高约6%。LongGuide具有通用性强、易于学习、成本效益高等优点,为提升AI长文本生成能力提供了新方向。