Veritas研究表明,73%的中国企业认为勒索软件攻击在Kubernetes环境中是一种风险。然而直到目前为止,企业在扩展数据保护解决方案方面的进程仍旧非常落后。
北京 – 2022年4月13日 – 多云数据管理领域的领导者Veritas Technologies近日发布最新研究报告,报告结果显示大多数企业在面对针对自身Kubernetes环境的威胁时缺乏准备。调研强调,Kubernetes正被迅速部署到全球企业的关键任务环境中,90%的中国企业预计将在未来两到三年内部署该技术,超过四分之一的企业目前已经投入使用。然而,到目前为止,在已部署Kubernetes的中国企业中,只有35%具备防范勒索软件攻击等数据丢失事件的保护措施。
此项调研采样包括中国在内的全球1100名高级IT决策者。Veritas调查发现,在部署了Kubernetes的中国企业中,有35%经历过对其容器化环境的勒索软件攻击,而令人震惊的是,有高达73%的中国受访者认为勒索软件对Kubernetes环境的攻击是其企业目前面临的一个严峻问题。
Veritas公司大中华区技术销售与服务总监顾海巍指出:"Kubernetes对组织来说有着易于部署、更经济、更灵活和可扩展的优点——这也能够解释为什么众多企业都愿意采纳容器化。但正是由于Kubernetes的部署非常简单,也导致了企业往往在部署Kubernetes方面比保护Kubernetes方面要先进得多。突然间,他们会发现自己有近三分之二的关键任务所处的Kubernetes环境完全没有得到保护,因此无法预防数据丢失。所以说,Kubernetes已经成为企业勒索软件防御战略中的致命弱点。"
烟囱式解决方案
由于未能将现有的数据保护从传统的工作负载扩展到容器化环境中,很多企业正在错失为这些面临风险的数据集提供快速保护的机会。目前在中国市场,只有50%的企业遵循这一模式,而其余的企业正在使用独立的产品对部分或全部Kubernetes环境进行保护,导致其保护环境复杂化。尽管94%的中国企业认为采取集成式解决方案会有好处,但他们却没有这样做。76%的中国受访者表示,这可能是因为他们对可以在传统、虚拟和Kubernetes环境中保护数据的解决方案知之甚少甚至一无所知。
调研发现,在中国市场,伴随烟囱式数据保护解决方案的最大风险是“数据丢失的可能性增加”和“多种解决方案的成本更高”。同时,受访者中表示采用统一的解决方案来保护数据的最集中的理由是“数据丢失后恢复过程简单”和“降低了数据丢失的可能性”。
未来的保护措施将得以完善
Veritas调研表明,企业期望能够随着时间的推移对其Kubernetes环境实现更好的保护,在中国有68%的企业认为五年后勒索软件将不再是一个威胁。这与企业增加对容器化数据的保护支出相呼应——据调研企业预计,五年后中国企业在该领域的平均支出将比现在多出34%,而且所有企业都将为其关键任务所处的Kubernetes环境提供数据保护。此外,49%的中国受访者表示,他们对基础设施的保护投资将使他们在未来五年内对预防Kubernetes环境中的勒索软件攻击“有备无患”。
顾海巍还表示,“很明显,世界各地的企业都明白保护Kubernetes环境中关键任务数据是至关重要的。令人欣慰的是,他们未来应该会得到相应的保护。然而,在数据保护方面,五年是十分漫长的,在这五年中会出现越来越多针对Kubernetes的勒索软件,而且这些软件还将针对这个致命弱点产生更多演变。太多的企业正与将他们目前的数据保护平台扩展到Kubernetes环境的简单解决方案擦肩而过,这让他们的处境十分被动,身陷囹圄。”
阅读报告全文,请点击 www.veritas.com/solution/kubernetes。
好文章,需要你的鼓励
韩国科学技术院研究团队提出"分叉-合并解码"方法,无需额外训练即可改善音视频大语言模型的多模态理解能力。通过先独立处理音频和视频(分叉阶段),再融合结果(合并阶段),该方法有效缓解了模型过度依赖单一模态的问题,在AVQA、MUSIC-AVQA和AVHBench三个基准测试中均取得显著性能提升,特别是在需要平衡音视频理解的任务上表现突出。
这项研究利用大语言模型解决科学新颖性检测难题,南洋理工大学团队创新性地构建了闭合领域数据集并提出知识蒸馏框架,训练轻量级检索器捕捉想法层面相似性而非表面文本相似性。实验表明,该方法在市场营销和NLP领域显著优于现有技术,为加速科学创新提供了有力工具。
un?CLIP是一项创新研究,通过巧妙反转unCLIP生成模型来增强CLIP的视觉细节捕捉能力。中国科学院研究团队发现,虽然CLIP在全局图像理解方面表现出色,但在捕捉细节时存在不足。他们的方法利用unCLIP生成模型的视觉细节表示能力,同时保持与CLIP原始文本编码器的语义对齐。实验结果表明,un?CLIP在MMVP-VLM基准、开放词汇语义分割和视觉中心的多模态任务上显著优于原始CLIP和现有改进方法,为视觉-语言模型的发展提供了新思路。
这项研究介绍了RPEval,一个专为评估大语言模型角色扮演能力而设计的新基准。研究团队从法国里尔大学开发的这一工具专注于四个关键维度:情感理解、决策制定、道德对齐和角色一致性,通过单轮交互实现全自动评估。研究结果显示Gemini-1.5-Pro在总体表现上领先,而GPT-4o虽在决策方面表现出色,但在角色一致性上存在明显不足。这一基准为研究人员提供了一个可靠、可重复的方法来评估和改进大语言模型的角色扮演能力。