新功能旨在提高云安全能力、加速实现价值并简化云应用程序运营
2019年3月8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)近日公布了旨在帮助企业加速其云迁移战略的增强功能。这些新功能可保护内容、应用程序和API,加速Web和移动体验,并帮助开发团队在迁移到云端时变得更加灵活。
Akamai Web事业部总裁兼总经理Rick McConnell表示:“目前有85% 的公司采用混合云战略,但许多公司已开始意识到云战略会给安全、运营和成本管理带来重大挑战。云迁移带来的复杂性会减缓应用程序部署速度,导致成本超支,并使企业面临以前未知的安全风险。通过对我们平台进行增强,Akamai围绕并扩展了客户基础架构,从而利用边缘和高级安全防御来应对云端难题。”
Akamai扩展了自适应安全功能组合。这些功能旨在增强保护的同时,使企业能够提供出色的用户体验。通过完全集成的虚拟专用网络(VPN)和域名系统(DNS)代理检测服务,新产品可以智能地提供或阻止对内容的访问。Akamai的令牌身份验证(Token Authentication)功能变得更为智能,这扩展了对不支持Cookie的浏览器和设备的覆盖面,也使得播放被盗内容变得更加困难。最后,标准TLS解决了大规模交付HTTPS的需求,同时提供客户品牌的SSL证书,这些优势对于大型广播公司和流媒体电视发行商至关重要。
为了应对爬虫程序越发复杂且日益增长的威胁,Akamai不断开发旨在更好地监控客户站点以及针对其他业务的恶意僵尸网络活动的技术。除了公司的爬虫程序管理解决方案中的增强检测功能外,Akamai还改进了自助服务功能,使客户能够微调自己的设置以进行高级爬虫程序检测,并针对快速演变的自动化威胁部署敏捷防御。
经历数字化转型的企业机构正在大举利用API来推动新的客户体验并创造新的收入来源。API的保护需要采用面向治理、管理和安全性的专用解决方案。Akamai现在支持API流量自动保护、Web应用程序防火墙上的新攻击组以及API网关解决方案中的高级节流功能。
Akamai的托管DDoS解决方案现在不仅包括增强型流量分析和攻击报告,并且安全团队能够更好地配置应用程序层DDoS防护。由于边缘服务器可以在几秒钟内自动拦截网络层DDoS攻击并响应应用程序层DDoS攻击,客户将受益于边缘平台的价值。
在收购业界领先的客户身份访问管理解决方案Janrain之后,Akamai还将其安全和性能服务与Akamai Identity Cloud进行集成。这显著改进了消费者登录页面的防护能力和性能,并且可以提供增值价值,帮助客户在2019年更好地对抗更多的欺诈用例。
除上述更新外,Akamai还推出了旨在帮助企业机构更快进行创新并获得更高敏捷性的新功能。自动执行包括HTTP/2性能优化和加载字体库在内的自适应加速功能可以改善用户体验。为了进一步提高安全性,Akamai目前正在制定TLS 1.3交付标准。
Akamai还扩展了包括支持短视频在内的图像管理解决方案,从而通过丰富、引人入胜的内容来改善客户体验。一系列新功能可为DevOps团队提供支持,包括中间英里日志(以便更精确地调查性能问题);此外,开发人员能够在将更改部署到生产环境之前,在本地开发环境中测试逻辑。
从概念到生产部署,Akamai智能边缘平台(Akamai Intelligent Edge Platform)还引入了一系列广泛的改进,为站点、应用程序和API的运营提供支持。面目一新的Akamai控制中心(Akamai Control Center)通过单一管理平台简化了安全性、加速和交付方面的运营并提供详细报告。通过与客户的紧密合作,Akamai改进了导航功能和优化了报警功能,使操作更加直观并增加了实时支持功能,包括实时聊天功能。
希望自动执行部署和运营的团队可以利用强大的DevOps和API来加速产品上市时间,包括实时生产管理功能、可编写脚本的API和工具包集成。利用Akamai边缘的客户不仅可以仔细监控应用程序使用情况和性能,还可以最大限度增加分载以优化他们的云服务投资。这些功能可以为内部团队提高效率,使他们能够进行扩展,加快开发速度,实现更可预测的云定价,同时减少宕机时间。
从架构、设计和项目范围到完全托管的安全性和性能优化,一组新的专用服务产品可扩充数字应用团队的能力。Akamai Health Check Service可通过Akamai交付、安全和性能优化专家帮助客户深入了解他们的流量以及所部署的数字体验的有效性。
好文章,需要你的鼓励
OpenAI首席执行官Sam Altman表示,鉴于投资者的AI炒作和大量资本支出,我们目前正处于AI泡沫中。他承认投资者对AI过度兴奋,但仍认为AI是长期以来最重要的技术。ChatGPT目前拥有7亿周活跃用户,是全球第五大网站。由于服务器容量不足,OpenAI无法发布已开发的更好模型,计划在不久的将来投资万亿美元建设数据中心。
阿里巴巴团队提出FantasyTalking2,通过创新的多专家协作框架TLPO解决音频驱动人像动画中动作自然度、唇同步和视觉质量的优化冲突问题。该方法构建智能评委Talking-Critic和41万样本数据集,训练三个专业模块分别优化不同维度,再通过时间步-层级自适应融合实现协调。实验显示全面超越现有技术,用户评价提升超12%。
英伟达推出新的小型语言模型Nemotron-Nano-9B-v2,拥有90亿参数,在同类基准测试中表现最佳。该模型采用Mamba-Transformer混合架构,支持多语言处理和代码生成,可在单个A10 GPU上运行。独特的可切换推理功能允许用户通过控制令牌开启或关闭AI推理过程,并可管理推理预算以平衡准确性和延迟。模型基于合成数据集训练,采用企业友好的开源许可协议,支持商业化使用。
UC Berkeley团队提出XQUANT技术,通过存储输入激活X而非传统KV缓存来突破AI推理的内存瓶颈。该方法能将内存使用量减少至1/7.7,升级版XQUANT-CL更可实现12.5倍节省,同时几乎不影响模型性能。研究针对现代AI模型特点进行优化,为在有限硬件资源下运行更强大AI模型提供了新思路。