ZDNet至顶网软件频道消息:对于任何一位CIO来说,部署合适的解决方案来确保公司的数据安全,不会是一个容易的决定。在现在全天候的商业环境中,任何规模的企业在业务运营上都非常依赖IT系统,因为数据的泄漏会对生产力造成影响,在最坏的情况下,甚至影响业务收入。
在CA Technologies数据管理业务部门亚太区销售副总裁James Forbes-May看来,在部署正确的数据保护解决方案之后,对于系统管理员来说,已部署的解决方案是否具有持续保护数据、并对系统、应用及所有相关数据可用的能力,将是第二个令人担心的问题。IT预算没有增长,但是业务必然会产生更多的数据并部署更多的应用、操作系统或平台。从恢复单个的损坏文档到恢复整个数据中心,业务量源源不断的增长,使这一局面变得更加复杂。
除此之外,目前合适的解决方案并不一定在未来也会适用。市场上有很多解决方案关注数据保护的某一方面,不同的应用对于恢复时间目标(RTO)和恢复点目标(RPO)有着不同的需求,而这两者十分依赖业务需求。使这些点产品可以更长久的一起工作并对其管理增加了环境的复杂性。
要在复杂的IT环境中取胜,我们需要关注简单性。如果:
与购买无法很好合作且很难兼容的多点解决方案相比,一个解决方案就可以提供不同技术,可以满足不同的恢复时间目标和恢复点目标;
一个解决方案支持多种IT环境,物理或虚拟、服务器或工作站、数据收集台(DAS)、网络附加储存(NAS)或存储局域网(SAN)、磁带或光盘、本地或远程资源等等;
一个解决方案提供本地、远程和云部署,以及随业务增长的可扩展性;
一个简单但强大的解决方案,易于部署、管理和维护,有助于提升IT生产力;
一个解决方案同时满足IT预算和业务的需求。有灵活的定价及许可,可以与环境和预算完美匹配;
James Forbes-May表示:“抛开IT基础设施的业务规模和复杂性不谈,我们推荐客户寻找一个单一的解决方案,这不仅可以简化今天的数据保护,还可以在业务不断变化的未来满足IT需求。它同时提供传统的文件磁带备份和图像备份。与文件备份相比,图像备份可以加速备份速度和恢复性能,或在频繁的备份中有更出色的表现。”
目前,为与业务需求和法律法规保持一致,出于灾难恢复目的对备份进行磁带拷贝已不十分必要。我们需要寻找一种解决方案可以利用带备份的实时复制技术。这样的解决方案可以将备份数据迁移到容灾站点,甚至迁移到云,进行灾难恢复。这取代了线下磁带旋转,有助于降低风险、成本及时间。
对于业务核心系统,解决方案必须具有提供本地或远程的高可用性,将突发宕机可能性最小化的能力,从而预防服务器和存储失败,而这是传统被备份解决方案无法做到的。通过整合远程高可用性和虚拟化技术,在恢复时间目标不再需要太大投资的情况下制定灾难恢复方案。即使是中小企业,也可以在灾难或数据中心断电时,为了系统故障切换和远程登录,通过运用管理服务或认购公用云进行企业级灾难恢复。
CA Technologies近日发布了CA ARCserve统一数据保护解决方案(CA ARCserve Unified Data Protection)。这款方便易用的解决方案可为复杂IT环境提供高性价比的备份非侵入性灾难恢复功能,有效帮助业务增强关键系统的可用性。做为CA ARCserve数据保护软件家族中的革新性升级产品,CA ARCserve统一数据保护解决方案是用来替代部署成本高、复杂度高的多点解决方案的最佳选择。全新统一架构和恢复点服务器拥有多种高效数据保护功能,通过一个简单的、基于网页的用户控制面板,对物理和虚拟系统提供保护。CA ARCserve统一数据保护解决方案提供超过30项全新选项,为企业和服务供应商提供精确、灵活的功能,协助他们达到严格的服务标准并完成恢复目标。
好文章,需要你的鼓励
Anthropic首次将其最强AI模型向普通用户开放,但设有严格安全限制。Claude Fable 5在软件工程、知识工作和视觉任务方面表现突出,但在网络安全、生物、化学等高风险领域会自动屏蔽响应并回退至Claude Opus 4.8。该模型通过API和企业计划提供访问,定价为每百万输入令牌10美元、输出令牌50美元。Anthropic同时要求对所有流量保留30天数据,以防范新型越狱攻击。
香港科技大学等机构构建SpatialAct基准,测试视觉语言模型能否在3D场景中将空间理解转化为可靠行动,揭示AI存在显著的推理与行动鸿沟。
根据Salesforce与YouGov联合调查,美国工人比全球平均水平高出43%成为AI怀疑者,超过半数美国工人对AI持怀疑态度。与印度、泰国等新兴经济体80%以上的AI信任度相比,美国仅约50%。原因不仅在于担忧失业,还包括AI工具输出质量差、培训不足及数据基础薄弱等问题。研究显示,成功的AI应用需要高质量数据、员工培训与实验文化的共同支撑。
这项研究发现AI统一多模态模型中存在显著"模态鸿沟":文字知识编辑成功率高达92%,但图像生成验证准确率最高仅18.5%,并提出推理增强方法改善跨模态知识传递。