通过此次收购,Aruba将能够在单一产品中集成云安全和SD-WAN,以打造完整的SASE解决方案
美国德克萨斯州休斯顿 – 2023年5月31日 – 慧与科技(NYSE:HPE)日前宣布已达成收购云安全厂商Axis Security的最终协议。这次收购增强了HPE边缘到云的安全能力,HPE将通过提供统一的安全接入服务边缘(SASE)解决方案,进一步满足用户对于即服务模式交付网络和安全集成解决方案方面日益增长的需求。伴随着远程用户数量的增长,以及企业开始不断向云端进行应用迁移的趋势,Axis Security开发的安全服务边缘(SSE)平台将能够全面满足企业提升应用性能和网络安全性的需求。
Aruba现有的软件定义广域网(SD-WAN)和网络防火墙产品现已集成Axis Security基于云的SSE平台,并支持对私有云和公有云资源的访问功能。此次全面集成后,Aruba将能够为用户提供一套完整的边缘到云的SASE解决方案,确保用户和设备无论位于何处(例如:园区、分支机构、家中或路上)均可实现零信任的安全控制。
HPE Aruba Networking执行副总裁兼总经理Phil Mottram表示,“随着全球步入后疫情时代,混合办公已成为新常态,企业亟需一种全新的网络边缘安全措施以保护至关重要的SaaS应用。Aruba与Axis Security解决方案全面整合后,我们将能够通过一套完整的SASE解决方案,为用户提供边缘到云的安全连接,并为企业用户的IoT设备以及跨地区的用户访问打造最高级别的安全保障。加上近期收购的私有蜂窝网络技术供应商Athonet,我们一直以来的愿景正在一步步变为现实,那就是通过提供SASE和私人5G解决方案,帮助用户扩展安全连接需求。”
Axis Security位于以色列特拉维夫,其所打造的云原生SSE平台Atmos,可在网络边缘处提供面向私有应用的认证用户访问。不仅如此,Atoms提供的多项安全产品将为用户构建完整的网络安全能力,安全Web网关(SWG)可保障用户对互联网的访问,云访问安全代理(CASB)可提供对SaaS应用的安全在线访问,数字体验监控(DEM)可提供针对用户体验的洞察。
Axis Security公司CEO Dor Knafo表示,“我们创立Axis Security的初衷,就是为了让用户在全世界的任意地方都可对企业网络资源进行简单、安全、可靠的连接。如今,我们的SSE平台已作为Aruba SD-WAN、网络防火墙以及动态网络隔离的一项补充产品纳入到了HPE现有的丰富产品组合。也就是说,通过结合现代访问服务,我们携手共创了一个将连接扩展至边缘的统一SASE平台。”
通过集成Axis Security平台,强化SASE解决方案的云安全能力
HPE现已将Axis Security集成至现有的Aruba安全网络产品中,以提供完整的SASE产品解决方案,该产品可在网络边缘处提供面向应用的广域网(WAN)和云安全控制,而无需选择从数据中心路由。用户仅通过一个控制点,便可灵活地将供应商提供的所有网络组件作为一项即服务进行交付,而无需单独购置、维护和授权独立的组件。
此外,HPE GreenLake边缘到云平台将整合Axis Security的云原生SSE平台,所产生的费用将合并至月度订阅费中,客户无需支付额外成本。这也意味着用户可借助即服务的灵活模式,以较低的风险、较少的前期投资以及按需扩展的方式进行部署。
HPE产品组合整合及上市时间
此项交易预计将于HPE 2023财年的第二季度完成,具体完成时间取决于常规成交条件。HPE将集成Axis Security解决方案至其边缘到云安全解决方案中,并计划于2023财年的第三季度正式面向用户提供服务。
好文章,需要你的鼓励
在迪拜Gitex 2025大会上,阿联酋成为全球AI领导者的雄心备受关注。微软正帮助该地区组织从AI实验阶段转向实际应用,通过三重方法提供AI助手、协同AI代理和AI战略顾问。微软已在阿联酋大举投资数据中心,去年培训了10万名政府员工,计划到2027年培训100万学习者。阿联酋任命了全球首位AI部长,各部门都配备了首席AI官。微软与政府机构和企业合作,在公民服务和金融流程等领域实现AI的实际应用,构建全面的AI生态系统。
查尔斯大学和意大利布鲁诺·凯斯勒基金会的研究团队首次系统性解决了同声传译AI系统延迟评估的准确性问题。他们发现现有评估方法存在严重偏差,常给出相互矛盾的结果,并提出了YAAL新指标和SOFTSEGMENTER对齐工具。YAAL准确性达96%,比传统方法提升20多个百分点。研究还开发了专门的长音频评估工具LongYAAL,为AI翻译技术发展提供了可靠的测量标准。
苹果与俄亥俄州立大学研究人员发布名为FS-DFM的新模型,采用少步离散流匹配技术,仅需8轮快速优化即可生成完整长文本,效果媲美需要上千步骤的扩散模型。该模型通过三步训练法:处理不同优化预算、使用教师模型指导、调整迭代机制来实现突破。测试显示,参数量仅1.7亿至17亿的FS-DFM变体在困惑度和熵值指标上均优于70-80亿参数的大型扩散模型。
印度理工学院团队构建了史上最大规模印度文化AI测试基准DRISHTIKON,包含64288道多语言多模态题目,覆盖15种语言和36个地区。研究评估了13个主流AI模型的文化理解能力,发现即使最先进的AI也存在显著文化盲区,特别是在低资源语言和复杂推理任务上表现不佳,为构建文化感知AI提供了重要指导。