新产品现已全面上市;Splunk还更新了IT及安全产品套件,以实现IT监控现代化,为未来的安全运营提供动力
北京——2019年5月6日——致力于将数据转化为行动和价值的Splunk公司今日宣布Splunk Connected Experiences 和Splunk Business Flow全面上市——这两款新产品让Splunk客户更加贴近他们的数据。Splunk Connected Experiences通过增强现实(AR)、iPhone等移动设备和能让用户随时随地访问数据的移动应用程序,提供即时洞察。Splunk Business Flow让业务运营专业人士能够发挥数据的力量,轻松探索和可视化其业务流程及客户体验,从而做出有助于增加盈利的数据驱动型决策。客户可以访问Splunk网站,了解Splunk Connected Experiences和Splunk Business Flow。
Splunk首席技术官Tim Tully称:“移动和增强现实技术让人们的工作方式以及他们心目中理想的工作方式迅速发生了变化。为了持续保持竞争力,企业应该采用这些技术。我们的愿景是通过这些关键技术让人们借助Splunk的力量随时随地获取数据。我们的创新技术建立在Splunk的强大平台之上,通过简化数据访问开放了调查功能,从而让每个用户都能更加智慧地工作,并帮助他们为其组织带来业务价值。”
有了Splunk Connected Experiences,Splunk能够让非技术用户随时随地访问信息,帮助他们在工作中发挥数据的力量。这些用户现在可以随时通过AR、移动应用程序和设备访问Splunk仪表板,从而能够更加轻松、更有信心地调查和应对业务挑战。Splunk Connected Experiences现已全面上市,包括:
科学应用国际公司(Science Applications International Corporation)网络解决方案开发人员Aidan Neighbor称:“我们依靠Splunk Enterprise带来的灵活性,为我们的公共部门客户提供一流的政务服务和网络支持。Splunk Mobile的即时功能可能会添加到现有平台,这让我们感到十分兴奋。”
Splunk Business Flow是为负责监督业务流程、确保良好客户体验的业务运营专业人士设计的,它提供了一个易于使用的流程挖掘解决方案,可以快速发现威胁经营业绩的瓶颈,同时帮助找到可以改进之处。基于Splunk平台的Business Flow能让用户:
奥托集团(Otto Group)产品负责人Andre Pietsch称:“奥托是一家大型欧洲零售商,每小时要处理数百万笔客户交易。因此,要了解奥托最关键、最多样的数字流程,现在极具挑战,也非常耗时。使用Splunk Business Flow,我们可以立即看到我们的数据,并能轻松访问和了解如何提高转化率和缩短周期时间。”
Splunk进一步扩展其人工智能和机器学习能力,推出了一个包含基础设施监控、服务监测、自动化、AIOps(智能运维)和事件响应的现代IT运营套件。这个现代套件简化了来自一个数据平台的IT运营,让基础设施和运营团队都能更详细地了解事件的背景信息,从而更快地解决问题,把节省出来的时间用在重要的事情上。Splunk全新的现代IT运营监控套件包括新版Splunk IT Service Intelligence 4.2、Splunk App for Infrastructure 1.3(现已包含在Splunk ITSI中),以及Splunk VictorOps和Splunk Phantom的集成。这些产品现已全面上市,提供更深入的集成、更无缝的工作流和更强大的功能,包括预测分析、服务智能、事件管理、运营自动化和IT基础设施监控,所有都会在一个行业公认的AIOps平台上进行。
随着大量数据的增长,组织发现安全风险与日俱增。有了Splunk Enterprise Security(ES)5.3、Splunk User Behavior Analytics(UBA)4.3和Splunk Phantom 4.2,客户可以利用所有与安全相关的数据来加快威胁检测和规模运营,简化内外部威胁调查,并实现安全运营中心(SOC)自动化。ES、UBA和Phantom的联合力量将继续极大地改变组织如何通过将数据转化为洞察、将洞察转化为行动来解决其最严峻的安全挑战。
好文章,需要你的鼓励
苏州大学研究团队提出"语境降噪训练"新方法,通过"综合梯度分数"识别长文本中的关键信息,在训练时强化重要内容、抑制干扰噪音。该技术让80亿参数的开源模型在长文本任务上达到GPT-4o水平,训练效率比传统方法高出40多倍。研究解决了AI处理长文档时容易被无关信息干扰的核心问题,为文档分析、法律研究等应用提供重要突破。
在Cloudera的“价值观”中,企业智能化的根基可以被概括为两个字:“源”与“治”——让数据有源,智能可治。
清华大学团队首次揭示了困扰AI训练领域超过两年的"幽灵故障"根本原因:Flash Attention在BF16精度下训练时会因数字舍入偏差与低秩矩阵结构的交互作用导致训练崩溃。研究团队通过深入分析发现问题源于注意力权重为1时的系统性舍入误差累积,并提出了动态最大值调整的解决方案,成功稳定了训练过程。这项研究不仅解决了实际工程问题,更为分析类似数值稳定性挑战提供了重要方法论。