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
南洋理工大学研究团队开发了WorldMem框架,首次让AI拥有真正的长期记忆能力,解决了虚拟世界模拟中的一致性问题。该系统通过记忆银行存储历史场景,并使用智能检索机制,让AI能准确重现之前的场景和事件,即使间隔很长时间。实验显示在Minecraft和真实场景中都表现出色,为游戏、自动驾驶、机器人等领域带来广阔应用前景。
AWS通过升级SageMaker机器学习平台来扩展市场地位,新增观测能力、连接式编码环境和GPU集群性能管理功能。面对谷歌和微软的激烈竞争,AWS专注于为企业提供AI基础设施支撑。SageMaker新功能包括深入洞察模型性能下降原因、为开发者提供更多计算资源控制权,以及支持本地IDE连接部署。这些更新主要源于客户需求,旨在解决AI模型开发中的实际问题。
MTS AI研究团队提出RewardRanker系统,通过重排序模型和迭代自训练显著提升AI代码生成质量。该方法让13.4B参数模型超越33B大模型,在多种编程语言上表现优异,甚至在C++上超越GPT-4。通过引入困难负样本和PPO优化,系统能从多个代码候选中选出最优方案,为AI编程助手的实用化奠定基础。