2018年11月19日——负责提供安全数字化体验的智能边缘平台阿卡迈技术公司(以下简称:Akamai)宣布其在“Forrester Wave:2018年第四季度零信任eXtended(ZTX)生态系统提供商评估”(The Forrester Wave:Zero Trust eXtended(ZTX)Ecosystem Providers,Q4 2018 evaluation)中,被认定为“表现优异者”(Strong Performer)。在此报告中,Forrester对14家厂商及其产品组合在ZTX框架特定组件上的具体表现进行了评估。根据分析结果,Akamai在网络安全和工作负载安全标准方面获得了最高分,在ZTX路线图和差异化标准方面得分最高,在ZTX愿景和战略以及人员/员工安全标准方面得分第二高。
报告指出,越来越多的安全领导者将零信任(Zero Trust)视为攻克首要安全和风险难题之良策,这即为ZTX市场提供了发展动能。反过来,这种方案的采用也为零信任市场创造了巨大的增长机会。报告称:“这种增长在很大程度上是由于安全专业人士越发依赖外部厂商,并将其作为技术集成商和长期合作伙伴,来规划和实施ZTX生态系统框架的架构建议。”
报告还指出:“一直以来,安全专业人士依靠下一代防火墙和其他传统访问技术来实施零信任微边界。而如今有多种基于软件的自适应方法可以实现这一点,同时亦能更充分地集成eXtended生态系统框架的组件和功能。那些能够明确地将其未来愿景和路线图与零信任挂钩的厂商将占据优势。”
报告强调:“Akamai是网络安全领域的权威企业,已经投入了时间和资源以将其功能扩展到客户的其他安全领域,其中包括DDoS、僵尸网络抵御、恶意软件防护以及应用程序微分段功能。”
Akamai执行副总裁兼总经理Robert Blumofe表示:“过往的成绩证明Akamai一直是全球客户值得信赖的顾问,这为我们继续投资网络边缘安全功能提供了动力。我们计划通过进一步改进自身安全技术来继续支持客户的零信任进程。”
Akamai的边缘架构通过在网络边缘主动差异化其平台和身份感知代理(Identity Aware Proxy,IAP)功能,为公司的零信任采用提供关键优势。客户将该项技术作为云服务使用,这使最终用户能够基于身份验证和授权,享受对特定企业应用程序的无客户端访问和基于客户端的访问。此外,这些客户可以利用情境感知访问(context aware access)功能,同时还能在全球任意位置无缝集成其他Akamai服务,例如应用程序加速、应用程序安全和高级恶意软件防护。Akamai的零信任安全方法旨在通过严格限制应用程序访问和保护最终用户来降低风险,同时改善用户体验。
Akamai尖端的安全智能基于其对全球攻击的可见性。这一跨应用程序层的出色洞察力以及对恶意软件攻击的深入分析,可以源源不断地为网络边缘的Akamai自动攻击检测和防护功能提供情报。
Akamai企业部产品副总裁Tim Knudsen表示:“随着应用程序环境扩展为横跨多个云、SaaS和现有数据中心基础设施,数字化业务转型发展迅猛,基于边界的传统安全模式日渐式微。我们相信Akamai具备独特优势,能够通过高度敏捷的全球边缘安全平台,根据用户身份和情境严格限制应用程序访问,同时保护这些应用程序和用户免受互联网上的高级威胁,从而帮助企业IT和安全团队支持业务发展。”
在过去的一年里,Forrester在其针对DDoS防御解决方案、Web应用程序防火墙以及爬虫程序管理的最新“Wave/New Wave”报告中,还曾评定Akamai为“领导者”。
好文章,需要你的鼓励
OpenAI推出ChatGPT Images新版本GPT Image 1.5,承诺更好的指令遵循、更精确的编辑功能和高达4倍的图像生成速度。该模型面向所有ChatGPT用户和API开放。这是OpenAI在CEO奥特曼宣布"红色警报"后与谷歌Gemini竞争的最新升级。新模型提供后期制作功能,支持更精细的编辑控制,能在编辑过程中保持面部相似度、光照、构图和色调的视觉一致性,解决了传统AI图像工具迭代编辑时缺乏一致性的问题。
艾伦人工智能研究所开发的olmOCR 2通过创新的单元测试训练方法,将文档识别准确率提升至82.4%,在处理复杂数学公式、表格和多栏布局方面表现卓越。该系统采用强化学习和合成数据生成技术,实现了完全开源,为全球研究者提供了先进的OCR解决方案,推动了AI技术民主化发展。
Zoom推出AI Companion 3.0,采用联邦AI架构结合自研模型与OpenAI、Anthropic等第三方大语言模型。新版本具备智能工作流、对话式工作界面等功能,可将会议对话转化为洞察、进度跟踪和文档内容。系统支持加密传输,不使用客户内容训练模型。用户可通过ai.zoom.us访问,或以每月10美元独立购买。
苹果公司发布了包含40万张图片修改案例的AI训练数据集Pico-Banana-400K,涵盖35种修图操作类型。该数据集采用严格质量控制,包含成功失败案例对比和多轮修图场景。研究显示AI在全局修改方面表现优秀,但精细操作仍有挑战。这为AI修图技术发展奠定基础,未来将让修图软件更智能易用。