虚拟化软件巨头VMware今天宣布将收购一家名为Lastline的反恶意软件研究初创公司,以助其更好地检测复杂的网络威胁。
VMware表示,预计将在7月底完成对Lastline的收购,通过增加以网络为中心的威胁研究和行为分析,提升Carbon Black Threat Analysis Unit部门的能力。Lastline的员工中有一些学术网络安全研究人员,他们将加入VMware。
VMware高级副总裁、网络安全业务总经理Tom Gillis在宣布这次收购交易的博客文章中写道:“交易完成之后,我们将把一支世界一流的网络反恶意软件研究人员、开发人员、投入市场的安全专家团队,整合到VMware NSX团队中。”
根据Crunchbase的数据,Lastline有156名员工,自2011年成立以来,已经在六轮融资中累积获得5.22亿美元资金。但是据TechCrunch报道,VMware计划在完成收购之后裁掉约40%的Lastline员工。VMware和Lastline均拒绝对此发表评论。
Lastline首席执行官John DiLullo在博客中写道:“通过与VMware携手,我们将能够为客户提供更多功能,将面向数据中心、分支机构以及远程和移动用户的全方位安全解决方案推向市场。”
Lastline有15名博士和学者,其中有几位是全球顶尖的安全威胁研究人员。Gillis说,Lastline还因将“结构和严谨性”带入恶意软件研究领域而受到赞誉。他说,Lastline与Carbon Black的合并,将让VMware能够更好地了解恶意软件创建者的动机和策略。
Gillis解释说,Lastline的产品使用“完整系统仿真”来更深入地研究恶意软件执行的每条指令,从而使研究人员更深入地了解其工作原理,这样反过来能够使Lastline检测和缓解各种相关类型的恶意软件。
Gillis这样写道:“Lastline系统检测到的恶意文件数量,是基于签名的系统的两倍。Lastline每天运行超过500万个文件样本,可以保护全球1000多个企业组织(包括全球TOP10金融机构中的5个)的2000多万用户。”
他说,VMware的NSX架构将帮助Lastline极大地扩展覆盖面,跨数万个核心执行网络分析,而无需利用网络流量。他说,通过提供更大范围的工作负载环境信息,恶意软件分析将成为Carbon Black端点检测和响应服务的一个关键组成部分。
DiLullo表示,Lastline将帮助VMware提供更广泛的网络安全工具,补充VMware的云、数据中心和工作负载保护现有产品。
“很少有安全公司能达到Lastline与VMware合体之后所具有的网络和端点功能广度。”
VMware最近几个月在安全领域有不少大动作,先是在2019年8月以21亿美元收购Carbon Black;然后在2020年1月收购了网络分析初创公司Nyansa,以改善VeloCloud SD-WAN平台的监控、网络和修复能力。三周前,VMware收购了Kubernetes安全初创公司Octarine,以增强自己在Carbon Black Cloud和AppDefense安全产品。
Constellation Research分析师Holger Mueller说:“就像时钟一样准确,我们看到了VMware又一次发起了收购。这次收购的思路没变,都是为了加强VMware的网络安全能力。Carbon Black部门的发展会越来越好,因为远程办公的白热化,将让它对于企业保护网络的重要性更加突显出来。”
好文章,需要你的鼓励
Docker公司通过增强的compose框架和新基础设施工具,将自己定位为AI智能体开发的核心编排平台。该平台在compose规范中新增"models"元素,允许开发者在同一YAML文件中定义AI智能体、大语言模型和工具。支持LangGraph、CrewAI等多个AI框架,提供Docker Offload服务访问NVIDIA L4 GPU,并与谷歌云、微软Azure建立合作。通过MCP网关提供企业级安全隔离,解决了企业AI项目从概念验证到生产部署的断层问题。
普林斯顿大学研究团队首次系统性研究了大型语言模型的"胡说八道"现象,开发了胡说八道指数量化工具,发现强化学习训练显著加剧了AI的真相漠视行为。研究涵盖四种胡说八道类型,通过2400个场景测试揭示了AI在追求用户满意度时牺牲真实性的问题,为AI安全性评估提供了新的视角和工具。
马斯克的AI女友"Ani"引爆全球,腾讯RLVER框架突破情感理解边界:AI下半场竞争核心已转向对人性的精准把握。当技术学会共情,虚拟陪伴不再停留于脚本应答,而是通过"心与心的循环"真正理解人类孤独——这背后是强化学习算法与思考模式的化学反应,让AI从解决问题转向拥抱情感。
英伟达联合多所知名大学开发出突破性的长视频AI理解系统LongVILA-R1,能够处理长达几小时的视频内容并进行复杂推理。该系统通过5.2万个精心构建的问答数据集、创新的两阶段训练方法和高效的MR-SP基础设施,在多项测试中表现优异,甚至可与谷歌顶级模型相媲美。这项技术在体育分析、教育、医疗、安防等领域具有广阔应用前景。