至顶网软件频道消息:面向高精流量分析的Arbor Sightline;面向DDoS防护的集成式自动威胁缓解系统
11月13日,服务保证、安全和业务分析领先提供商NETSCOUT SYSTEMS, INC.宣布,其面向全球网络和数据中心运营商的流量可视性、数据分析和威胁缓解解决方案套件增加增强功能。采用集成式威胁缓解系统的NETSCOUT Arbor Sightline解决方案在服务提供商和大型云运营商中得到广泛部署,以实现全网络流量管理、对等分析、流量取证和DDoS防护。
随着最新的9.0版本更新的发布,客户可以获得更高程度的可视性,更清楚地了解网络运行情况,增强异常检测,并提高DDoS防护的自动化水平。
Ovum首席安全分析师Rik Turner表示:“NETSCOUT继续实施其软硬件分离的策略,从而提供灵活的部署选择,包括提供虚拟版产品让客户能够以经济高效的方式在大型网络中进行扩展。加强分析工作非常重要,这可以在更丰富的情境下了解网络数据,帮助运营商利用一个用户界面缩短应对流量异常和性能问题的时间。”
提高可视性和网络清晰度
之前作为Arbor SP进行销售的NETSCOUT Arbor Sightline可以分析NetFlow、SNMP和BGP遥测数据,以客户特定的网络、用户和流量环境对数据进行注解,将原始遥测信息转变为智能数据,从而形成对服务和应用性能、流量管理、容量规划和安全操作的可行性业务洞察。
Sightline with Insight增加了强大的可视化分析功能和一个大型数据存储库,为用户提供了对其流量数据的无限可搜索的“假设性”的照片式存储的能力。在最新版本中,通过更加灵活的流量虚拟化、无限过滤选项和更直观的工作流程,分析和调查的时间可以从几小时缩短至几分钟。
DDoS检测和缓解
全球超过60家托管安全服务提供商和数百家ISP及其他网络运营商选择NETSCOUT的Arbor威胁缓解系统(Arbor TMS)作为其DDoS防护平台。TMS可以以引流方式或串接方式进行部署,以实现“始终在线”的DDoS攻击流量缓解功能,无需中断关键网络基础设施和客户服务。
在新版本中,Arbor Sightline可以根据攻击流量规模的变化,动态转移可用的Arbor TMS缓解基础设施中的攻击,从而智能、自动地管理可用的TMS缓解容量。这可以防止网络基础设施超载,降低操作人员管理DDoS攻击响应所需的时间。Arbor TMS现在可以缓解两倍于之前的并发攻击,从而让服务提供商显著扩大DDoS托管服务客户群。
新功能让Arbor Sightline可以更快进行洪水检测,在短至1秒的时间内发现地毯式轰炸DDoS攻击,然后确定特定时刻遭受攻击的IP范围,并将相关流量动态转移到Arbor TMS缓解基础设施,从而自动缓解这些攻击。
NETSCOUT产品管理高级总监Talbot Hack表示:“物联网的发展和持续扩大的网络攻击威胁让组织面临越来越大的压力,在识别、分析和保护基础设施免遭此类威胁的过程中感到力不从心。随时检查大型网络流量,构建数据背景并完善数据,以及迅速对威胁网络可用性的异常情况做出响应变得尤为重要。但资源限制依然在影响网络运营商,这提高了可扩展的端到端自动分析工作流程和威胁防护的价值。”
请点击此处注册参加11月13日的网络研讨会,了解NETSCOUT Arbor Sightline和Sightline with Insight的主要功能。
好文章,需要你的鼓励
随着AI模型参数达到数十亿甚至万亿级别,工程团队面临内存约束和计算负担等共同挑战。新兴技术正在帮助解决这些问题:输入和数据压缩技术可将模型压缩50-60%;稀疏性方法通过关注重要区域节省资源;调整上下文窗口减少系统资源消耗;动态模型和强推理系统通过自学习优化性能;扩散模型通过噪声分析生成新结果;边缘计算将数据处理转移到网络端点设备。这些创新方案为构建更高效的AI架构提供了可行路径。
清华大学团队开发了CAMS智能框架,这是首个将城市知识大模型与智能体技术结合的人类移动模拟系统。该系统仅需用户基本信息就能在真实城市中生成逼真的日常轨迹,通过三个核心模块实现了个体行为模式提取、城市空间知识生成和轨迹优化。实验表明CAMS在多项指标上显著优于现有方法,为城市规划、交通管理等领域提供了强大工具。
Meta以143亿美元投资Scale AI,获得49%股份,这是该公司在AI竞赛中最重要的战略举措。该交易解决了Meta在AI发展中面临的核心挑战:获取高质量训练数据。Scale AI创始人王亚历山大将加入Meta领导新的超级智能研究实验室。此次投资使Meta获得了Scale AI在全球的数据标注服务,包括图像、文本和视频处理能力,同时限制了竞争对手的数据获取渠道。
MIT研究团队发现了一个颠覆性的AI训练方法:那些通常被丢弃的模糊、失真的"垃圾"图片,竟然能够训练出比传统方法更优秀的AI模型。他们开发的Ambient Diffusion Omni框架通过智能识别何时使用何种质量的数据,不仅在ImageNet等权威测试中创造新纪录,还为解决AI发展的数据瓶颈问题开辟了全新道路。