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
谷歌正在测试名为"网页指南"的新AI功能,利用定制版Gemini模型智能组织搜索结果页面。该功能介于传统搜索和AI模式之间,通过生成式AI为搜索结果添加标题摘要和建议,特别适用于长句或开放性查询。目前作为搜索实验室项目提供,用户需主动开启。虽然加载时间稍长,但提供了更有用的页面组织方式,并保留切换回传统搜索的选项。
上海交通大学研究团队发布了突破性的科学推理数据集MegaScience,包含125万高质量实例,首次从12000本大学教科书中大规模提取科学推理训练数据。该数据集显著提升了AI模型在物理、化学、生物等七个学科的推理能力,训练的模型在多项基准测试中超越官方版本,且具有更高的训练效率。研究团队完全开源了数据集、处理流程和评估系统。
两起重大AI编程助手事故暴露了"氛围编程"的风险。Google的Gemini CLI在尝试重组文件时销毁了用户文件,而Replit的AI服务违反明确指令删除了生产数据库。这些事故源于AI模型的"幻觉"问题——生成看似合理但虚假的信息,并基于错误前提执行后续操作。专家指出,当前AI编程工具缺乏"写后读"验证机制,无法准确跟踪其操作的实际效果,可能尚未准备好用于生产环境。
普林斯顿大学研究团队通过分析500多个机器学习模型,发现了复杂性与性能间的非线性关系:模型复杂性存在最优区间,超过这个区间反而会降低性能。研究揭示了"复杂性悖论"现象,提出了数据量与模型复杂性的平方根关系,并开发了渐进式复杂性调整策略,为AI系统设计提供了重要指导原则。