混合云数据保护解决方案提供商Commvault近日宣布对其平台进行扩展,为全球最广泛使用的企业身份与访问管理解决方案Microsoft Active Directory提供全面的自动化林恢复功能。
企业不断应对日益复杂的数据保护挑战,用于企业版Active Directory的Commvault® Cloud Backup & Recovery是Commvault Cloud平台的最新功能。该平台已为广泛的工作负载提供保护,旨在帮助客户保持可恢复性、保障业务的正常运营,并实现持续业务。
Active Directory常被称为“企业IT的支柱”,它管理着全球超过6.1亿用户的身份验证 ,控制着对关键业务系统的访问,并为从工作站登录到实体建筑访问的各个方面提供保护。如果Active Directory出现离线状况,企业业务可能会随之陷入停滞。因此,当灾难发生时,恢复Active Directory至关重要。然而,正如Microsoft的林恢复指南所述,传统的Active Directory恢复非常复杂,需要采取繁琐、耗时的手动操作流程。
Commvault用于企业版Active Directory的Backup & Recovery改变了这一状况。它支持Active Directory林的自动化快速恢复(包括企业内的用户、组、权限和域控制器),将Active Directory保护提升至新高度。这款新产品有效避免了Active Directory林恢复通常所需的缓慢且容易出错的手动操作流程。用于企业版Active Directory的Backup & Recovery能够帮助企业:
• 通过自动化运行手册轻松实现Active Directory恢复:自动化林恢复运行手册简化了Active Directory林恢复所需的多步骤流程,包括将关键角色从不可用的域控制器转移到正常运行的域控制器等任务,这对于实现洁净恢复至关重要。这些运行手册还可用于在非生产环境中进行定期测试,以提高网络就绪性。
• 快速恢复重要Active Directory基础设施:借助企业Active Directory环境的可视化拓扑视图,企业可以简单、快速地确定需要优先恢复的域控制器及其恢复方案,从而加速Active Directory服务的可用性。
• 显著缩短恢复时间并增强保护能力:手动恢复一个Active Directory林可能需要数天甚至数周,而使用Commvault,企业能够在非常短的时间内完成恢复。Commvault Cloud平台将Active Directory林恢复与Active Directory及云身份服务Entra ID的细粒度恢复功能结合,提供全方位的保护。
内华达州交通部副首席信息安全官Jeffrey Day表示:“Active Directory是确保我们业务正常运行的核心。一旦发生数据事故,恢复Active Directory将是我们的首要任务之一。Commvault在Active Directory林恢复领域的创新不仅让我们对于恢复Active Directory的数据充满信心,而且还让我们得以快速、准确地恢复这些数据。此外,将该产品直接集成到我们用来保护关键任务工作负载的同一个平台上,这是双赢的选择。”
Commvault首席技术和人工智能官Pranay Ahlawat表示:“恢复Active Directory是数据事故发生后企业仍能确保持续业务的基础,但传统恢复方法往往过于复杂且容易出错。借助自动化的Active Directory林恢复功能,我们为客户提供了革命性的恢复能力。通过将该功能整合到我们独特的、支持广泛工作负载的平台中,我们为客户翻开了持续业务的新篇章。”
Futurum Group研究总监Krista Case表示:“如今,保护Active Directory变得比以往任何时候都更为重要。Commvault的方法引入了自动化的工作手册,并将Active Directory恢复功能与其本就能够保护各种工作负载的平台相结合。这种方法很好地满足了从业者的一些关键需求,包括简化保护操作和加快恢复速度。”
好文章,需要你的鼓励
英特尔携手戴尔以及零克云,通过打造“工作站-AI PC-云端”的协同生态,大幅缩短AI部署流程,助力企业快速实现从想法验证到规模化落地。
意大利ISTI研究院推出Patch-ioner零样本图像描述框架,突破传统局限实现任意区域精确描述。系统将图像拆分为小块,通过智能组合生成从单块到整图的统一描述,无需区域标注数据。创新引入轨迹描述任务,用户可用鼠标画线获得对应区域描述。在四大评测任务中全面超越现有方法,为人机交互开辟新模式。
阿联酋阿布扎比人工智能大学发布全新PAN世界模型,超越传统大语言模型局限。该模型具备通用性、交互性和长期一致性,能深度理解几何和物理规律,通过"物理推理"学习真实世界材料行为。PAN采用生成潜在预测架构,可模拟数千个因果一致步骤,支持分支操作模拟多种可能未来。预计12月初公开发布,有望为机器人、自动驾驶等领域提供低成本合成数据生成。
MIT研究团队发现,AI系统无需严格配对的多模态数据也能显著提升性能。他们开发的UML框架通过参数共享让AI从图像、文本、音频等不同类型数据中学习,即使这些数据间没有直接对应关系。实验显示这种方法在图像分类、音频识别等任务上都超越了单模态系统,并能自发发展出跨模态理解能力,为未来AI应用开辟了新路径。