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
在迪拜Gitex 2025大会上,阿联酋成为全球AI领导者的雄心备受关注。微软正帮助该地区组织从AI实验阶段转向实际应用,通过三重方法提供AI助手、协同AI代理和AI战略顾问。微软已在阿联酋大举投资数据中心,去年培训了10万名政府员工,计划到2027年培训100万学习者。阿联酋任命了全球首位AI部长,各部门都配备了首席AI官。微软与政府机构和企业合作,在公民服务和金融流程等领域实现AI的实际应用,构建全面的AI生态系统。
查尔斯大学和意大利布鲁诺·凯斯勒基金会的研究团队首次系统性解决了同声传译AI系统延迟评估的准确性问题。他们发现现有评估方法存在严重偏差,常给出相互矛盾的结果,并提出了YAAL新指标和SOFTSEGMENTER对齐工具。YAAL准确性达96%,比传统方法提升20多个百分点。研究还开发了专门的长音频评估工具LongYAAL,为AI翻译技术发展提供了可靠的测量标准。
苹果与俄亥俄州立大学研究人员发布名为FS-DFM的新模型,采用少步离散流匹配技术,仅需8轮快速优化即可生成完整长文本,效果媲美需要上千步骤的扩散模型。该模型通过三步训练法:处理不同优化预算、使用教师模型指导、调整迭代机制来实现突破。测试显示,参数量仅1.7亿至17亿的FS-DFM变体在困惑度和熵值指标上均优于70-80亿参数的大型扩散模型。
印度理工学院团队构建了史上最大规模印度文化AI测试基准DRISHTIKON,包含64288道多语言多模态题目,覆盖15种语言和36个地区。研究评估了13个主流AI模型的文化理解能力,发现即使最先进的AI也存在显著文化盲区,特别是在低资源语言和复杂推理任务上表现不佳,为构建文化感知AI提供了重要指导。