博客

  • OTN技术在5G网络中扮演什么角色?

    OTN,即Optical Transport Network(光傳輸網路),是一種基於光纖通訊技術的網路架構,用於實現光訊號的傳輸和交換。 OTN技術具有高速傳輸的特點,可滿足大容量網路的頻寬需求,為寬頻接取網路和光纖網路的改造提供強力支撐。它廣泛應用於各大營運商的幹線傳輸網路建設,推動了相關業務的發展 。

    OTN技術可以支援客戶訊號的透明傳送、高頻寬的複用交換和配置,具有強大的開銷支援能力,提供強大的操作、管理和維護(OAM)功能,支援多層嵌套的串聯連接監視(TCM )功能、具有前向糾錯(FEC)支援能力。

    OTN的組成部分包括光傳輸設備、光傳輸介質、光傳輸協定和網路管理系統。光傳輸設備如光放大器、光開關、光解復用器等,負責處理和調控光訊號的傳輸;光傳輸介質即光纖,具有低損耗、高頻寬和長距離傳輸的特性;光傳輸協定定義了OTN中光訊號的傳輸格式和處理規則,常用的標準為ITU-T G.709;網路管理系統用於監控和管理OTN網路的運作狀態和效能。

    OTN的工作原理涉及光訊號的調變、傳輸、解復用、交換和路由、再調變、資料處理和傳輸,以及網路管理和監控。 OTN網路的管理和監測確保了其正常運作和效能最佳化 。

    OTN的應用場景廣泛,包括營運商網路、資料中心互聯、行動通訊網路、企業網路、網際網路骨幹網路和科學研究網路等。它提供高速、低延遲和可靠的資料傳輸,滿足不同應用場景的需求 。隨著技術的發展,OTN正在逐步下沉到移動城域傳輸網路的建設中,用於滿足傳輸網路大寬頻、大容量的業務需求,不斷提高光纖芯的利用率 。

    OTN技術在5G網路中扮演著至關重要的角色,主要體現在以下幾個方面:

    1. **大頻寬和低時延需求滿足**:5G網路的三大應用情境eMBB(增強行動寬頻)、URLLC(超高可靠低時延通訊)和mMTC(海量物聯網)對承載網路提出了大頻寬、低時延等要求。 OTN技術以其高頻寬、低延遲的特性,能夠滿足5G網路對傳輸速度和時延的嚴苛要求 。

    2. **統一承載解決方案**:OTN技術可以為5G網路提供綜合承載解決方案,實現5G、固定寬頻、雲端和政企專線等業務的統一承載。透過在匯聚機房集中部署無線集中設備,分組OTN設備可以將前傳流量匯集到節點無線設備,同時支援路由轉送功能將中傳回傳業務上傳到上層承載設備 。

    3. **技術創新與標準化**:在5G時代,OTN技術的標準化與技術創新不斷推進。例如,M-OTN(Mobile-Optimized OTN)技術,就是專為5G設計的OTN技術,它透過簡化映射復用結構和優化FEC演算法,匹配低成本的光模組,以適應5G前傳、中傳和回傳的不同需求。

    4. **高精度時間同步**:5G網路對時間同步精度提出了更高的要求,OTN技術透過帶內和帶外兩個方向提升精度,以滿足5G網路對超高精度時間同步的需求。

    5. **智慧化與網路切片支援**:OTN技術結合SDN和AI技術,支援網路智慧化,能夠實現業務快速配置下發、跨廠商調度及快速開通,同時支援靈活的網路切片技術,滿足5G網路多場景、多租戶的應用需求。

    6. **降低建網成本和提升服務品質**:透過開放解耦及高效管理,OTN技術有助於降低建網成本並提升服務質量,打造良性競爭的生態環境,符合運營商的長遠利益。

    綜上所述,OTN技術在5G網路中的應用,不僅能夠提供必要的頻寬和時延保證,還能夠透過技術創新和智慧化管理,滿足5G網路的多樣化需求,為營運商建構高效可靠的5G網路提供支援。

     

  • 四問四答,徹底看懂智算中心!

     小枣君 鲜枣课堂

    到底什麼是智算中心?

    智算中心,就是以人工智慧運算任務為主的資料中心。

    資料中心通常包含三種類別,除了智算中心以外,另外兩種分別是以通用計算任務為主的通算中心,以及以超級運算任務為主的超算中心。

    自2023年以來,以ChatCPT、Sora為代表的AIGC大模型橫空出世,掀起了一股席捲全球的AI浪潮。

    想要在AI浪潮中佔優勢,就必須擁有強勁的AI算力支撐。智算中心,作為AI算力的核心基礎設施,逐漸成為人們關注的焦點,也是產業重點建設的對象。

    根據數據顯示,我國目前已經有包括武漢、成都、長沙、南京、呼和浩特等在內的20多個城市建設了智算中心。至2025年,國內智算中心數量將超過50個。

    這些智算中心採用專門的AI算力硬件,適合高效運行AI演算法。它們可以應用於電腦視覺、自然語言處理、機器學習等領域,處理圖像辨識、語音辨識、文字分析、模型訓練推理等任務。

    █ 智算伺服器,到底有什麼不同?

    智算伺服器是智算中心的主要算力硬體。它和傳統通用伺服器最大的差別,在於算力晶片的不同。

    傳統通用伺服器以CPU為主要晶片,有的配置了GPU(圖形處理單元)卡,也有的沒配。即便配置了,也數量不多(1-2塊),以完成傳統圖形處理任務(3D圖形渲染等)為主。

    智算伺服器,為了保證的作業系統運行,也配置了CPU。但是,為了更好地完成AI計算任務,所以配置了更多的GPU、NPU(神經網路處理單元)、TPU(張量處理單元)等計算晶片(4塊或8塊),以這些晶片輸出的算力為主。

    這種「CPU+GPU」、「CPU+NPU」的架構,也稱為「異構運算」架構,能夠充分發揮不同算力晶片在效能、成本和能耗上的優勢。

    GPU、NPU、TPU的核心數量多,擅長平行運算。 AI演算法涉及大量的簡單矩陣運算任務,需要強大的平行運算能力。

    在實際使用中,GPU、NPU、TPU會做成闆卡的形態,插入到智算伺服器的插槽中。等伺服器上電啟動後,再根據調度執行計算任務。

    除了晶片不同之外,為了充分發揮效能以及保障穩定運行,AI伺服器在架構、儲存、散熱、拓樸等方面也進行了強化設計。
    例如,智算伺服器的DRAM容量通常是普通伺服器的8倍,NAND容量是普通伺服器的3倍。甚至它的PCB電路板層數也明顯多於傳統伺服器。
    瘋狂堆料,肯定也會帶來兩者之間的成本差異。一台智算伺服器的價格,可能會​​達到傳統通用伺服器的數十倍以上。
    不久前,中國移動公示了2024年至2025年新型智算中心集採得標結果,採購智算服務器總規模達到8054台,中標總金額達到了約191.04億元人民幣(不含稅)。平均下來,每台的價格是237.2萬元。通用伺服器的價格,根據品牌和配置的不同,大約在1到10萬元之間。
    受算力闆卡的影響,智算伺服器的功耗也明顯大於通用伺服器。
    以英偉達GPU為例,A100單卡功耗400W,H100單卡功耗700W。配置了8張GPU的智算伺服器,光是GPU的熱功耗就能達到3.2~5.6 kW。傳統通用伺服器的話,也就0.3~0.5 kW左右。
    從外型來看,智算伺服器和通用伺服器並沒有很大的差別。兩者都是標準架構,可以放入42U標準機架。如果內建了較多的AI算力闆卡,智算伺服器的厚度可能會稍微大一些,達到4U、5U甚至10U。
    這裡要注意,根據工作任務的不同,智算伺服器也會分為訓練伺服器、推理伺服器或訓推一體伺服器。這些伺服器在架構和體型上會存在一些差異。一般來說,訓練伺服器會比推理伺服器更龐大一些(AI算力闆卡更多)。
                                                                                                                    智算(訓練)伺服器外觀(中興通訊)

    數據也可以說明問題。

    雖然說AI智算發展迅速,但從機架數量規模來看,遠不如通算中心。

    根據今年3月國家數據局在青海綠色算力推介會上揭露的數據,截至2023年底,全國在用數據中心機架總規模超過810萬標準機架(包括所有類型數據中心)。

    智算中心機架數,目前沒有準確的資料來源。我們可以推算一下。

    前面提到,到2025年,國內會有50個智算中心。以中國移動呼與浩特超大規模單體智算中心為例,部署伺服器總規模約2,950台,部署機架總規模為799架,算力闆卡1.9萬張,算力規模6.7EFLOPS。就算是50個智算中心都像呼和浩特這麼大,也是50×800=40000個機架。還不到2023年全國在用資料中心機架總數的零頭。

    我們也可以從算力規模來計算。根據信通院的報告,到2025年,全國的算力總規模將達到320EFLOPS。其中,智算算力佔比要達到35%,也就是說,112EFLOPS。依呼和浩特智算中心的數據,單機架平均算力是6.7÷800=0.008375EFLOPS。 112EFLOPS就是112÷0.008375=13373個機架。

    之所以會這樣,還是因為AI智算伺服器的算力比較強。雖然智算算力總體佔比看起來高,但機架數量和資料中心數量佔比並不會那麼多,估計不會超過10%。

    █ 通算中心改成智算中心,可行嗎?

    如今,在「雙碳」政策的指引下,新建資料中心核准趨嚴,現有合規資料中心資產稀缺。那麼,是否可以把通用資料中心改為智算中心呢?

    答案是肯定的。

    資料中心的使命,是為伺服器託管提供穩定的冷卻和供電環境。通算中心和智算中心都是資料中心,兩者的主要組成基本上是一致的。

    一般來說,伺服器等IT算力設備以及交換器等通訊設備,屬於客戶自有資產,由客戶提供。資料中心服務商,負責建置與運作能夠確保伺服器等主設備正常運作的底層基礎支撐設備(也叫配套設備)。

    資料中心樓宇佈局內的底層基礎支撐設備設施,依照業界的劃分,包括風(冷凍)、火(消防)、水(防潮)、電力(市電、不間斷電源、柴發)四大部分。或者,也可以分為供電系統、不間斷電源系統、終端配電系統、電源輔助系統和空調系統等。

    如下圖所示:

    图片来源:通信电源人

    前面我們提到,智算伺服器的功耗比通用伺服器高。在智算中心,單機櫃功率密度通常也會高於傳統資料中心。根據相關機構的數據,智算中心的單機櫃功率密度需要超過30kW,甚至達到100kW以上,而傳統資料中心的密度一般在6kW~15kW之間。

    智算中心的單機櫃功率密度高,改造為智算中心,要事先將資料中心的整體供電能力重新計算與設計。

    如果不需要擴容,那就簡單了。整個改造就以末端改造為主,就是撤掉傳統通用伺服器,重新上架智算伺服器以及相關網路設備,重新佈線。
    如果需要擴容,意味著同樣的面積下,機櫃產出更多,改造涉及到供電和製冷系統相關配套設備的採購和安裝,會帶來更多的工作量,也需要更長的改造週期。

    擴容改造也肯定會帶來一些成本負擔。是否需要將傳統通算中心改造為智算中心,除了前面提到的限制新建等客觀因素外,就是看投入產出比。也就是說,改造後的智算中心,是否能帶來更大的經濟效益回報。

    █ 最後的話

    資料中心是重要的ICT基礎設施,也是整個社會的算力底座。它源源不絕地輸出算力,滿足我們數位生活的需要,也支撐了千行百業的發展。

    隨著時間的推移,AI浪潮將會從狂熱回歸理性,智算中心的建設也會趨緩。如何充分利用好已有的智算資源,讓AI產生價值回報,將會成為更重要、更迫切的任務。

    合理佈局通算、智算以及超算,建構多種算力類型協同發展的格局,將為數位經濟的起飛奠定更牢靠的基礎,也會推動了整個社會加速邁入智慧時代。

  • Fortinet 認證解決方案專家 安全存取服務邊緣

    描述
    安全存取服務邊緣 (SASE) 認證中的 FCSS 驗證您設計、管理、監控 Fortinet SASE 解決方案和排除故障的能力。本課程涵蓋使用進階 Fortinet 解決方案的 SASE 基礎架構。

    誰應該嘗試 SASE 認證中的 FCSS?
    我們建議需要設計、管理、支援和分析高級 Fortinet SASE 解決方案所需專業知識的網路安全專業人士獲得此認證。

    計劃要求
    要獲得此認證,您需要在兩年內通過兩次核心考試。

    核心考試
    FCSS – FortiSASE 管理員
    NSE 7 SD-WAN
    選修考試
    不適用

    為了準備認證考試,我們建議您參加相關的 NSE 課程。

    數位徽章
    在以下情況下您將收到數位徽章:

    考試徽章:每次您通過 FCSS – SASE 中包含的任何版本的考試。
    認證徽章:一旦您達到 FCSS – SASE 認證的要求。
    有關更多信息,請參閱Fortinet 培訓學院幫助台中的以下知識庫文章。

    關於安全存取服務邊緣考試中的 FCSS
    Pearson VUE提供考試。

    飛塔 NSE 7—SD-WAN 7.2
    FCSS—FortiSASE 23 管理員
    考試系列:FCSS_SASE_AD-23
    問題數:30
    考試時間:60分鐘
    英語語言
    產品版本:FortiSASE 23.2、FortiOS 7.2、FortiClient 7.0、FortiAuthenticator 6.5
    狀態:可用

    預約考試
    在 Pearson VUE 預約 NSE 認證考試

    認證
    要獲得 SASE 中的 FCSS 認證,您必須在兩年內通過兩項核心考試。此認證自第二次考試之日起有效期為兩年。

    再認證
    如果您的 SASE 中的 FCSS 認證已過期,您必須通過兩次相隔不超過兩年的核心考試才能獲得有效狀態。
    如果您的 SASE 認證中的 FCSS 仍然有效,您可以自完成以下要求之日起將其到期日期延長兩年:
    通過相隔不超過兩年的兩次核心考試。
    如果您的 SASE 中的 FCSS 認證仍然有效,您可以將其有效期從您獲得或重新認證網路安全 FCX 認證之日起延長三年。
    通過 SASE 中的任何 FCSS 考試都可以重新認證您的網路安全 FCP、FCF 和 FCA 認證(如果這些認證仍然有效)。
    有關更多信息,請參閱Fortinet 培訓學院幫助台中的以下知識庫文章。

    關於 NSE 認證考試
    全球範圍內可在以下地點取得:Pearson VUE 考試中心和 OnVUE
    評分方法: 答案必須 100% 正確才能獲得學分。不給予部分學分。錯誤答案不會扣分。
    問題類型:多項選擇與多項選擇
    兩次嘗試之間所需的時間:15 天
    成績單和證書:您的 Fortinet 培訓學院成績單將在您通過考試後的五個工作天內更新。之後,您將能夠從 Fortinet 培訓學院下載可列印的證書。
    如何報名參加 FCSS 培訓
    FCSS 課程可在 Fortinet 培訓學院圖書館取得(此處)。

    如果您是客戶或公共用戶,您必須先在Fortinet 培訓學院建立帳戶。您必須使用您的公司電子郵件地址進行註冊。
    如果您是合作夥伴,您必須先在合作夥伴入口網站上建立帳戶。您必須使用您的公司電子郵件地址進行註冊。
    如果您有疑問,請造訪Fortinet 培訓學院幫助台頁面。

  • 探索架構本質

    原創 汪照輝 twt企業IT社區

    【摘要】從單體架構到微服務、雲端原生架構,系統架構一直在不斷的演進中。如何透過複雜的生態系探尋架構的本質?架構的本質究竟是什麼?
    【作者】汪照輝,中國銀河證券架構師,專注於容器雲、微服務、DevOps、資料治理、數位轉型等領域,對相關技術有獨特的理解與見解。擅長於軟體規劃和設計,提出的「平台融合」的觀點越來越被認同和事實證明。發表了許多技術文章探討容器平台建置、微服務技術、DevOps、數位轉型、資料治理、中台建置等內容,受到了廣泛關注與肯定。

    隨著技術的發展與演進,系統(指的IT系統)架構也不斷的演進中。從單體架構到微服務、雲端原生架構,系統是從單體到複雜分散式系統演進,系統元件或子系統之間的相互獨立而彼此依賴,形成一個個複雜的生態系統。而係統架構正是描述這個複雜系統的結構和聯繫,以及系統結構和聯繫的建構過程。

    認識系統架構
    架構和系統相關,在討論架構之前,先認識「系統(這裡泛指系統)」。一般系統論創始人貝塔朗菲認為「系統是相互連結相互作用的諸元素的綜合體」。汪應洛教授認為系統是由兩個以上有機連結、相互左右的要素所組成,具有特定功能、結構和環境的整體。系統具有整體性、相關性、環境適應性等特徵。整體性指的是系統所有元素構成複合統一整體;相關性指系統所有元素相關聯繫、相互依存、相互作用、相互制約,不存在孤立元素;環境適應性是指任何系統都存在於一定的環境中,並與環境中的其他系統和元素交流,系統是環境中的一個元素,環境變化必然會引起系統功能和結構的變化,系統需要適應環境變化並隨環境動態變化而調整。

    系統中往往有若干元素,元素以某種結構而存在,彼此之間存在著連結與關係。系統的元素以某種連結的組織架構就是架構。例如一個IT系統從邏輯上劃分為若干個模組,模組之間的關係和結構就是系統的邏輯架構;這些模組最終封裝為若干個組件,這些組件的關係和結構就是系統的物理架構;組件最後根據業務和環境需求部署起來,就是系統的部署架構;系統中資料實體之間的關係和結構就是資料架構。架構結構往往指的是一種穩定的靜態結果,架構多數時候指的是架構結構,不過架構也指的是動態建構系統架構結構及其關係的過程。

    IT系統包括資訊科技軟體和硬體系統。從信創分類包括基礎硬體、基礎軟體、應用軟體、資訊安全等。系統和架構的概念非常廣泛,因此限定本文的系統架構範圍,也就是一般意義上的軟體系統架構。而軟體體系架構是關於軟體基本的結構選擇,一旦實現,這些結構的變更代價高昂,因此架構對於系統來說既是基礎也是核心。

    軟體系統架構要素
    軟體系統架構包括軟體系統結構、軟體系統必須支援的架構特徵、架構決策和設計原則。

    軟體系統結構:是明確的系統骨架(結構),明確系統有哪些構件組成及建構之間的關係與連結等。就像人體骨骼組成的人體骨架一樣,有了骨架才能站立行走。

    架構特徵:是指軟體系統具備的非功能性能力。例如高可用性、可靠性、可測試行、可擴充性、安全性、可恢復性、高效能、可觀測性等。

    架構決策:是指軟體架構過程中合理的方案選擇。例如技術選用、解決實施方案(包括執行目標計畫)、成本評估、性價比評估等等。架構結構是架構決策妥協的產物,沒有十全十美的架構結構,也因此架構其實也需要不斷的調整與演進,不可能一成不變。在架構設計時選擇合理的架構方案是軟體系統成功的關鍵。

    設計原則:設計原則是軟體設計指導,是軟體實現層面的選擇。它和架構決策是不同的,架構決策是專案團隊軟體方向性的選擇,比如說是選擇單體架構還是微服務架構;而設計原則是軟體實現層面的選擇,比如說開發團隊應該利用非同步訊息處理來提升微服務架構服務間存取的效能,是用REST 還是用RPC 來實現等。

    從軟體系統架構要素探索架構本質
    架構要素中,架構特徵是軟的設計目標,是架構非常重要且關鍵的部分,決定架構結構的實用性與適用性。結構是架構設計的結果,綜合各種需求和方案的選擇。架構決策是設計過程,定義軟體架構如何被建構。例如在層級架構中,架構師可能定義架構設計規則只有業務和服務層可以存取資料庫,禁止表示層直接存取資料庫;架構決策從全局架構視角建構系統限制和指導開發團隊什麼是允許的、什麼是不允許的。設計原則是指導方針,從功能實現層次指導功能實現方案選擇,例如定義日誌Info Level和Debug Level 需要輸出的內容,日誌追蹤的Trace ID+ seq ID 來實現聚合以消除節點時間不同步帶來的問題等。而架構決策往往不涉及體的功能實現。

    從架構要素可以認識:架構就是資源的組織方式和組織過程。既包括靜態的結果即架構結構,也包括動態的建構過程。所以架構既是個“名詞”,也是個“動詞”。軟體架構就是對軟體資源的組織方式與過程,IT架構就是對IT資源的組織方式與過程,組織架構就是對組織資源的組織方式與過程,廣義的系統架構是對這個系統資源的組織方式與過程,等等。

    深入探索架構本質
    暫放下具體的概念,從歷史發展的過程來看,是人類使用工具不斷改進工具的過程,而工具的採用又驅動了社會關係、組織關係的演進,就像有隻手在「架構」社會關係。

    馬克思歷史唯物主義生產力與生產關係理論告訴我們,生產力決定生產關係,有什麼樣的生產力就有什麼樣的生產關係,而生產力體現在生產工具上。資訊科技、數位科技、智慧科技等是一種新的生產力,新生產力帶來了生產工具的變革,生產工具的採用決定了生產關係的變革,需要新的架構來適應新技術發展的要求,否則將會阻礙生產力的發展。

    IT系統架構從單體逐步朝向分散式整合架構演進,其資源組織方式發生了變化,既是技術生產力發展的要求,也是資源配置最佳化的結果。單體架構類似小農經濟時代的生產關係,分散式架構演化為社會分工的生產關係。新技術創新和發展促使新的行業和業務創新和發展,從而帶來更多行業和領域,不得不分工協作,例如工業從農業中分離出來,服務業從農業、工業中分離出來等等。分工促進了專業化的發展,使人們(生產者)有機會成產業領域專家,提升了生產效率,但彼此依賴加深,形成你中有我、我中有你的全球化體系。而IT系統架構經過數十年的演進,也逐步向分散式一體化融合的架構方向演進。比如說從單體向分佈微服務、雲端原生、Serverless 等方向演進,功能分解越來越細,重複使用越來越多。每一個分散式微服務是一個完整的、自治的單元,但又為其他服務和系統提供能力,從而相互關聯和依賴,同時又是基於雲端運算分離了底層基礎設施,以雲端原生專注於業務應用研發和創新,推動了雲端原生架構的出現和廣泛應用。因此對科技、人力、業務等進行組織、設計的架構本質上也是一種生產關係,是生產力發展和資源配置最佳化等作用的結果。架構如果適應新的科技生產力發展要求,則能促進生產力的發展,否則將會阻礙生產力的發展。從資訊化到數位化,科技技術的進步促進了生產工具、生產力的演進,必然帶來生產關係的變革,也必然會導致軟體系統架構的改變與前進。

    架構本質是一種生產關係

    架構本質是一種生產關係,必然符合社會生產關係發展趨勢。隨著資訊科技生產力的發展需要不斷的發展與演進。生產力體現在生產工具上,技術和工具的組織是技術架構的體現,技術進步帶來工具的革新,進而帶來新的生產力;生產方式體現在業務架構和IT流程上等,不同的業務架構方式和流程,也意味著不同的處理方式,是生產關係的體系,也影響生產力的發揮;組織架構是一種組織方式,關係著勞動者的權限和驅動力,從而也促進或限制生產力。不同的架構方式,同樣的技術和工具所體現的生產力是不一樣的,因此,架構或促進或限制著企業技術的應用和生產力的效力。

    系統不是獨立的,是相互關聯的。任何組織都是社會系統和技術系統的綜合體,相互支持,相互補充和相互協調,才能更好運作。企業內部的軟體系統也是一樣,也是相互關聯。隨著雲端運算(統一基礎設施底座)、資料湖(統一的資料資產資源)、AI大模型(統一互動協作平台)等,相互協調融合,共同支撐企業業務應用,賦能業務創新轉型。

  • Check Point公司的簡介及與思科公司對比

    Check Point Software Technologies Ltd. 是一家全球領先的網絡安全公司,成立於1993年,總部位於以色列特拉維夫。Check Point專注於提供全面的網絡安全解決方案,涵蓋防火牆、入侵防禦系統、端點保護、雲安全等。以下是Check Point公司的詳細介紹及其與思科公司的對比:

    Check Point公司的簡介

    成立與發展歷史

    • 1993年:由Gil Shwed、Marius Nacht和Shlomo Kramer創立。Gil Shwed被認為是防火牆技術的先驅。
    • 1994年:推出首款產品FireWall-1,這是一款基於Stateful Inspection技術的防火牆,該技術成為現代防火牆的基礎。
    • 1996年:在納斯達克上市,股票代碼CHKP。
    • 2003年:推出UTM(統一威脅管理)設備,將多種安全功能整合到一個設備中。
    • 2016年:進軍雲安全市場,推出CloudGuard系列產品。

    主要產品

    1. 防火牆和入侵防禦
      • Check Point FireWall-1:基於Stateful Inspection技術的防火牆。
      • Check Point Next Generation Firewalls (NGFW):提供高級威脅防禦和入侵防禦功能。
    2. 統一威脅管理(UTM)
      • Check Point UTM-1:將防火牆、VPN、防病毒、防垃圾郵件等功能整合到一個設備中。
    3. 端點安全
    4. 雲安全
      • Check Point CloudGuard:針對公有雲、私有雲和混合雲環境的安全解決方案。
    5. 移動安全
      • Check Point Mobile Threat Defense:保護移動設備免受網絡威脅。

    與思科公司的對比

    專注領域

    • Check Point:主要專注於網絡安全領域,提供全面的安全解決方案,如防火牆、入侵防禦、端點保護和雲安全。Check Point以其高效的防火牆和入侵防禦技術聞名。
    • 思科:除了網絡安全,還涵蓋了廣泛的網絡基礎設施產品,如路由器、交換機、無線網絡設備、協作工具和數據中心解決方案。思科在網絡硬件和整體解決方案方面具有優勢。

    技術創新

    • Check Point:以Stateful Inspection技術為基礎,專注於創新的安全技術和解決方案,特別是在防火牆和入侵防禦系統方面。
    • 思科:在網絡技術創新方面表現突出,包括開發多協議路由器、軟體定義網絡(SDN)和雲計算技術。思科的產品範圍廣泛,涵蓋網絡基礎設施和安全領域。

    市場佔有率

    • Check Point:在全球網絡安全市場中占有重要地位,特別是在企業防火牆和入侵防禦市場中。
    • 思科:在全球網絡設備市場中占據主導地位,包括路由器、交換機和網絡安全等多個領域。

    主要競爭對手

    • Check Point:主要競爭對手包括Palo Alto Networks、Fortinet和Sophos。
    • 思科:在網絡安全領域的競爭對手包括Palo Alto Networks、Fortinet、Check Point等,在網絡基礎設施領域的競爭對手包括華為、Juniper Networks和HPE。

    總結

    Check Point和思科公司在各自的專業領域都有著顯著的優勢和特點。Check Point以其在網絡安全技術方面的創新和高效解決方案著稱,而思科則在網絡基礎設施和整體解決方案方面具有領先地位。兩家公司在網絡安全市場中都有著重要的影響力,並通過不斷的技術創新和市場擴展,保持了各自在行業中的領先地位。

    4o

  • 2024年國內人工智慧大模型彙總

    文心一言
    文心一言(ERNIE Bot)是百度基於文心大模型技術推出的生成式對話產品,將於2023年3月完成內測並對外開放。

    該產品是百度在人工智慧領域深耕十餘年後,擁有產業級知識增強文心大模型ERNIE的基礎上,利用跨模態、跨語言的深度語義理解與生成能力而開發的一款AI聊天機器人。它被設計用於回答用戶的問題和提供信息,以幫助人們解決問題和獲取知識。此外,文心一言還可以透過學習和訓練,不斷提升自己的智慧水平,以便更好地服務使用者。

    通義千問
    通義千問是阿里雲推出的一個超大規模的語言模型,功能包括多輪對話、文案創作、邏輯推理、多模態理解、多語言支援。能夠跟人類進行多輪的交互,也融入了多模態的知識理解,且有文案創作能力,能夠續寫小說,編寫郵件等。

    混元
    混元模型是騰訊自主研發的大模型,具備高性能和低能耗特點,其基礎模型可支援8k-text輸入長度,同時模型本身也兼具一定的推理總結能力。

    在技​​術層面,騰訊雲針對自身AI、大數據產品進行了全端升級,包括雲端全面升級Hadoop系列版本,借助最新的大數據技術,數據存儲成本降低到之前的50%,部分典型計算場景性能提升30%以上。這些技術升級和創新為騰訊雲在AI雲端服務市場上穩居領導地位提供了有力支撐。

    此外,騰訊雲也對現有的AI和大數據產品進行了全端升級,包括雲端全面升級Hadoop系列版本,借助最新的大數據技術,數據存儲成本降低到之前的50%,部分典型計算場景性能提升30%以上。

    豆包
    豆包模型是位元組跳動公司開發的一種AI模型,它具有強大的自然語言處理能力,可以理解和產生人類語言。以下是關於豆包模型的一些詳細介紹:

    技術基礎:
    豆包模型基於Transformer架構,這是一種深度學習模型,特別適合處理序列數據,如文字。 Transformer模型透過自註意力機制來理解文本中的上下文關係,從而實現更準確的文本生成和理解。

    功能應用:
    豆包模型提供了多種功能,包括文字生成、文字理解、問答系統、對話系統等。這些功能可以應用於各種場景,如智慧客服、智慧家庭、教育、遊戲等。

    優勢特點:
    豆包模型具有以下幾個顯著的優勢:首先,它具有強大的生成能力,可以產生流暢、自然的文本;其次,它具有很高的理解能力,可以準確地理解用戶的意圖和需求;最後,它具有很好的適應性,可以適應不同的應用場景和使用者需求。

    持續優化:
    位元組跳動公司一直在不斷優化豆包模型,以提高其性能和實用性。這包括增加訓練資料、改進模型結構、最佳化演算法等。總之,豆包模型是一種功能強大、效能優越的AI模型,廣泛應用於各種場景,為使用者提供了更智慧的服務。如需更多信息,建議訪問字節跳動官網或諮詢相關技術人員。

    盤古
    盤古大模型是華為旗下的重要人工智慧模型,包括NLP大模型、CV大模型、科學計算大模型等。以下是有關介紹:

    NLP大模型:
    這是一種在自然語言處理領域的重要模型,通常用於文本生成、文本理解、語義理解等任務。透過盤古NLP大模型,華為可以提供更準確、更自然的語言處理服務,例如智慧客服、智慧寫作、機器翻譯等。

    CV大模型:
    在電腦視覺領域,盤古CV大模型可用於影像分類、目標偵測、影像產生等任務。這種模型有助於提高影像辨識和處理的速度和準確性,可應用於自動駕駛、安防監控等領域。

    科學計算大模型:
    這是針對科學計算領域設計的模型,可應用於數學建模、物理模擬、資料分析等情境。華為透過持續的研發與創新,不斷提升盤古大模型的效能和應用範圍,以便更好地服務各行各業。這項措施也體現了華為在人工智慧領域的深厚累積和戰略眼光。

    360智腦
    360智腦模型是由360集團研發的人工智慧模型。作為360鴻圖大模型的重要組成,智腦模型擁有多項核心功能,包括多模態理解、多語言處理、知識問答、邏輯推理、多輪對話等。它致力於在多個場景下為用戶提供高效的服務,包括但不限於文字生成、語言理解、知識問答等。

    智腦模型的強大不僅體現在其功能的多樣性上,也體現在其技術實力上。憑藉360集團在搜尋、安全等領域的深厚積累,智腦模型在語義理解、資訊檢索等方面展現出了顯著的優勢。同時,智腦模型仍在不斷學習與進化,透過大量資料的訓練,持續提升自身的智慧水準。

    此外,360智腦模型也積極與各行業合作夥伴共同打造行業大模型,以「行業化、專有化、輕量化」為特點,根據各行業的實際需求定制專屬的行業大模型。這些產業大模型將協助各行各業的企業實現智慧轉型,提升生產效率,降低成本,創新商業模式。

    商量
    商量大模型是商湯科技研發的大模型,其名稱取自於《週易》中的“商湯革命,順天應人,既濟之道”,寓意著這一大模型具有超凡的智慧與廣泛的應用潛力。以下是關於商量大模型的一些詳細介紹:

    技術規格:
    商量大模型擁有175億個參數,這使得它在處理複雜任務時能夠展現出強大的運算能力和學習能力。該模型採用了先進的深度學習技術,包括Transformer架構等,以實現對自然語言、影像等多模態資料的深入理解和處理。

    功能特點:
    商量大模型在多個方面都表現出色。首先,它具備出色的文字生成能力,可以產生流暢、自然的文字內容。其次,它擁有強大的知識庫和推理能力,能夠回答各種複雜的問題,並提供合理的解決方案。此外,商量大模型也具備跨模態理解能力,可以理解處理影像、音訊等多模態資料。

    應用場景:
    由於商量大模型在多個方面都表現出色,因此它具有廣泛的應用前景。它可以應用於智慧客服、智慧家庭、自動駕駛等領域,為用戶提供更智慧化的服務。同時,它還可以應用於教育、醫療、金融等領域,協助各行各業實現數位轉型。

    研發背景:
    商湯科技作為一家領先的人工智慧企業,一直致力於研發先進的大模型技術。透過多年的技術累積和研發投入,商湯科技成功推出了商量大模型,展現了其在人工智慧領域的領先地位和技術實力。

    總之,商量大模型是一款功能強大、性能卓越的大模型,具有廣泛的應用前景和巨大的發展潛力。如需更多信息,建議訪問商湯科技官網或諮詢相關技術人員。

    星火
    星火認知大模型是科大訊飛研發的一款重要的人工智慧模式。它以中文為核心,具備跨語言理解和知識庫覆蓋能力,旨在解決社會重大命題,並推動產業數位化、智慧化升級。

    星火認知大模型具備多項核心能力。首先,它擁有強大的語言理解和知識庫覆蓋能力,能夠理解並處理複雜的自然語言文本。其次,星火認知大模型具備跨語言處理能力,可以處理不同語言的文本,打破語言障礙。此外,它還具備多領域知識覆蓋能力,能夠處理不同領域的知識和資訊。

    在應用方面,星火認知大模型可以在文本生成、語言理解、知識問答等多個方面為使用者提供幫助。它可以產生高品質的自然語言文本,幫助使用者快速獲取資訊和知識。同時,星火認知大模型還可以提供使用者個人化的服務,滿足不同使用者的需求。

    科大訊飛一直致力於研發先進的人工智慧技術,而星火認知大模型的誕生標誌著公司在人工智慧領域取得了重要的突破。未來,科大訊飛將持續加強研發力度,推動星火認知大模型的不斷升級與優化,為使用者帶來更智慧的服務體驗。

    ChatGLMS
    ChatGLMS模型是智譜AI和清華大學KEG實驗室聯合發布的一款前沿的大語言模型。它採用了獨創的多階段增強預訓練方法,使訓練更充分。 ChatGLMS不僅提升了模型效能,也大幅提升了模型的訓練效率。

    在技​​術特性上,ChatGLMS具有以下顯著優勢:

    大規模預訓練:
    模型參數量達到數百億級,這使得它能夠學習到更豐富的語言知識和情境資訊。

    多階段增強預訓練:
    透過獨特的預訓練策略,模型能夠在不同階段進行針對性的訓練,從而更全面地掌握語言技能。

    高效能微調:
    在特定任務上進行微調時,ChatGLMS能夠迅速適應新任務的要求,並保持高效能的同時降低了微調的成本。

    跨語言能力:
    ChatGLMS不僅擅長處理中文文本,也具備一定的跨語言處理能力,能夠應付不同語言的輸入與輸出。

    在應用情境上,ChatGLMS可廣泛應用於自然語言問答、對話系統、文字產生、機器翻譯等領域。它能夠為使用者提供更智慧、準確和流暢的語言互動體驗。

    總的來說,ChatGLMS模型憑藉其先進的技術特點和廣泛的應用場景,成為了當前人工智慧領域備受關注的大語言模型之一。如需更多信息,建議訪問智譜AI官網或諮詢相關技術人員。

    百川大模型
    百川大模型是百川智能推出的大模型產品,融合了意圖理解、資訊檢索以及強化學習技術,結合有監督微調與人類意圖對齊,在知識問答、文本創作領域表現突出。然而,具體的模型規模、技術細節等信息,建議直接諮詢百川智能官方或查閱相關的官方文件。

    此外,百川大模型由前搜狗公司CEO王小川創立,在技術、資源等方面具有一定的優勢,可望在大型語言模型領域佔有一席之地。不過,各類大模型在應用過程中仍需遵循相關法規與倫理規範。

    天工
    「天工」模型是崑崙萬維發布的基座大模型,官方稱為「大模型時代的超級應用」。以下是「天工」模型的詳細介紹:

    技術規格:
    「天工」模型擁有4000億參數,這龐大的參數規模為其提供了強大的表達能力和學習能力。模型採用雙千億級大語言模型,透過自然語言與使用者進行問答式交互,AI生成能力可滿足文案創作、知識問答、代碼編程、邏輯推演、數理推算等多元化需求。

    核心功能:
    「天工」模型的核心功能包括自然語言理解、知識問答、文本創作、邏輯推演、數理推算等。此外,它也針對性地訓練了Agent能力,使其能夠完成產業分析、產品對比等各類複雜需求。在知識問答方面,「天工」模型的表現已經接近人類專家水準。

    技術優勢:
    「天工」模型在許多方面展現出顯著的技術優勢。首先,其模型規模龐大,參數數量高達4000億,為其提供了強大的資訊處理能力。其次,透過自然語言與使用者進行問答式交互,使得人機互動更加自然流暢。最後,其AI生成能力十分出色,能夠滿足多元化的需求。

    研發背景:
    崑崙萬維作為一家領先的互聯網公司,一直致力於人工智慧技術的研發和應用。 「天工」模型的成功研發,不僅體現了崑崙萬維在人工智慧領域的深厚底蘊,也展現了其在推動人工智慧技術應用方面的決心和實力。

    總的來說,「天工」模型是一款功能強大、技術先進的大模型,具有廣泛的應用前景和巨大的發展潛力。

    孟子
    孟子生成式大模型(孟子 GPT)是由瀾舟科技研發的一款功能強大的生成式可控大語言模型。它能夠透過多輪對話,幫助使用者在特定場景中完成各種工作任務,包括內容生成、語言理解、知識問答、推理、程式碼理解和生成、金融任務等。

    雅意
    聞弦歌 知雅意 善推理 會決策 雅意大模型三大特色

    國產自主可控,生態開源開放,垂直領域知識增強,具備多參數、多領域、多語言、多技能的核心能力

    九天
    九天人工智慧平台提供人工智慧算力、演算法、數據,匯聚優秀AI能力,打造從智算基礎設施、核心演算法能力到智慧化應用的全端人工智慧服務,全面支援自智網路等多元營運商智慧營運需求,為工業、醫療、政務、教育、金融等產業客戶建構創新解決方案。

    紫東太初
    中國科學院自動化研究所和武漢人工智慧研究院推出新一代多模態大模型,支援多輪問答、文字創作、圖像生成、3D理解、訊號分析等全面問答任務,擁有更強的認知、理解、創作能力,帶來全新互動體驗。

    知海圖AI
    知海圖Chat推出的新一代智慧大語言模型,能與你互動對話,幫你了解世界知識、處理數理邏輯、編寫程式碼、激發創作靈感;利用大量知識數據,幫助你更好地獲取資訊、做出規劃、解決問題

    言犀
    「言犀」 京東智慧人機互動平台,協助企業服務數智化轉型以AI技術驅動,從文字、語音到多模態交互,從對話智能到情感智能,聚焦體驗、效率與轉化,旨在打造新一代智慧人機互動平台,針對不同產業與客戶場景助力企業服務與行銷實現數智化轉型升級

    網易 AI
    網易AI是網易公司推出的人工智慧品牌,旨在透過先進的技術和解決方案,為用戶帶來更智慧的服務和體驗。網易AI在多個領域都有廣泛的應用,包括但不限於以下幾個面向:

    遊戲智能:
    網易作為知名的遊戲公司,其AI技術首先在遊戲領域中得到了廣泛應用。透過AI技術,網易可以優化遊戲體驗,提高遊戲的自動化和智慧化水平,為玩家帶來更好的遊

    戲感受。

    語音辨識與合成:
    網易AI在語音辨識和合成方面也有很高的技術水準。透過深度學習等技術,網易AI可以實現高效的語音辨識和高品質的語音合成,為使用者提供更智慧的語音互動體驗。

    自然語言處理:
    網易AI在自然語言處理領域也有深厚的累積。透過自然語言處理技術,網易AI可以理解並處理使用者的自然語言文本,實現智慧問答、機器翻譯等功能。

    智能推薦:
    基於大數據和機器學習技術,網易AI可以為使用者提供個人化的推薦服務。無論是遊戲推薦、音樂推薦或新聞推薦,網易AI都能根據用戶的興趣和行為習慣,為用戶提供最符合其需求的推薦內容。

    智能客服:
    網易AI也廣泛應用於智慧客服領域。透過自然語言處理技術和機器學習演算法,網易AI可以模擬人工客服的思維和語言習慣,為使用者提供高效率、便利的線上客服服務。

    總而言之,網易AI作為網易公司的重要技術品牌,已經在多個領域實現了廣泛應用,為用戶帶來了更智慧的服務和體驗.

  • 什麼是智慧自動化

    来自Splunk大数据

    所謂智慧自動化,即透過AI技術的編排,實現IT流程的自動化。

    智慧自動化與傳統的基於規則的自動化不同,後者可根據固定的決策參數和指標閾值來實現流程的自動化。

    智慧自動化的工作原理

    與其他形式的自動化不同,智慧自動化將認知決策能力和情境知識引入自動化控制。這些控制涵蓋從 IT 營運 (ITOps) 到網路安全的多種下游應用。

    企業 IT 基礎設施營運和業務流程的智慧自動化,主要透過以下關鍵功能來提升 IT 效能:

    1.借助認知智能支持即時決策過程。

    2.透過智慧自動化流程和對話式 AI 等功能增強 ITOps 和 IT 服務管理 (ITSM) 的角色。

    3.在業務部門和 IT 營運之間重新分配複雜任務的相關知識,否則這些知識將處於孤立狀態。所有使用者都可以使用和操作這些知識,無論他們的 IT 專業知識如何。

    智慧自動化與傳統 IT 自動化

    那麼智慧自動化與傳統 IT 自動化有何不同呢?

    智慧自動化與傳統 IT 自動化之間的一個主要區別在於建模方法。

    傳統自動化

    傳統自動化會依照固定的規則來定義 IT 環境、系統和營運工作流程。當系統查詢或警報被觸發時,基於規則的自動化引擎會遍歷相關的邏輯選項並收斂到最適合所述參數的解決方案。

    自動化系統的簡單範例可依賴經典的 ML 機制,例如基於規則的專家系統或決策樹。智慧自動化的不同之處在於它依賴先進的 ML 技術(如深度學習演算法),這些演算法經過訓練可以使用真實系統資料和參數來模擬真實的系統行為。

    智慧自動化

    現在我們舉一個可以與事件管理做比較的案例。當網路流量感測器日誌超過預先定義的量級閾值時,基於規則的系統會觸發警告和自動控制操作(如取消對 Web 伺服器的配置)。

    這麼做是為了防禦 DDoS 攻擊,但伺服器停機也會帶來自身的機會成本,例如相關服務的效能下降。

    外部事件(如行銷時刻、社交貼文等)可能導致網路流量快速但自然地增加。我們可以透過分析上下文資訊(如全網流量模式)來驗證這一點。

    智慧自動化系統就是這樣做的:即時分析大量流量以獲取上下文知識,然後再執行決策控制。

    高階 ML 演算法可在決策過程中模擬認知智能。類似於 ChatGPT 的大型語言模型 (LLM) 可以進行逼真且類似人類的對話,以支援第一線 ITSM。對話式 AI 可增強終端使用者和客戶體驗,這對您的數位轉型工作非常有價值。

    智慧自動化的驅動因素

    智慧自動化由即時資訊流驅動。流程挖掘可用於分析團隊和系統的運作方式,並以此識別業務流程及其適用的即時約束。

    儘管傳統自動化採用預先定義的工作流程來為終端使用者自動執行任務,但經過設計的工作流程與實際執行之間存在差距。智慧自動化利用這些洞察可識別:

    可以自動化處理的手動流程。

    現有自動化工作流程是如何帶來瓶頸問題的。

    智慧自動化能夠發掘資料的價值以實現即時決策,這些資料通常跨多個領域並以非結構化格式提供。

    傳統的機器人流程自動化 (RPA) 與流程挖掘一起,作為一種傳輸機制,可以從原始格式中提取有用的信息。它需要額外的處理層來實現:

    數據轉換

    安全

    儲存

    分析

    我們需要部署端到端的集中化資料平台,可以將決策流程從孤島式資訊來源和業務部門中統一出來。 (這也是自助式 ITSM 計畫和終端使用者統一知識庫的重要組成部分。)

    智慧自動化系統中的對話式介面,只有在指導和支援準確且高效時才有用。獲得快速洞察是大規模採用智慧自動化的關鍵,對組織來說,這也是將 AI 嵌入 IT 自動化來提高生產力的主要目標之一。

    實現複雜度的標準化

    這些技術可能很複雜,但智慧自動化透過將流程標準化、簡化和最佳化,可以大規模且快速地提供價值。簡單的自動化會在浪費流程的同時引入新的流程瓶頸,帶來停機風險,增加那些不習慣您的營運工作流程的新用戶的學習難度。

    與任何技術主導的轉型計畫一樣,智慧自動化也引入了重大變革和強大的治理流程、培訓程序和高階主管支援。為了消減這些風險,請從概念驗證開始,並為您的轉型之旅設定合適的期望值。

    智慧自動化強調的重點是:借助人工智慧功能來取代人工 ITSM 代理和 ITOps 經理。如何確定哪些流程需要先自動化,那就從以業務價值為中心的模式開始。圍繞實現永續成長和擴展來製定規劃:自動化工作流程不應使流程和營運變得更加複雜。

  • Fortinet NSE 7 – LAN Edge 7.0考試說明

    本次考試是Fortinet認證解決方案專家 – 網絡安全認證軌道的一部分。該認證驗證您設計、管理、監控和排除Fortinet網絡安全解決方案的故障的能力。 請訪問網絡安全認證頁面,了解有關認證要求的資訊。

    考試概述

    Fortinet NSE 7 – LAN Edge 7.0考試評估您對Fortinet身份管理和有線及無線網絡邊緣產品的知識和專業能力。 考試測試部署、管理並操作Fortinet身份管理和有線及無線網絡安全訪問實施的應用知識、技能和能力。 通過考試後,您將獲得以下考試徽章:

    考試對象

    Fortinet NSE 7 – LAN Edge 7.0考試旨在為負責Fortinet身份管理和LAN邊緣設備設計、管理和支持的網絡和安全專業人員。

    考試詳細信息

    • 考試名稱:Fortinet NSE 7 – LAN Edge 7.0
    • 考試系列:NSE7_LED-7.0
    • 允許時間:70分鐘
    • 考試問題:37個多選題
    • 成績:通過或失敗。您可以從Pearson VUE帳戶中獲取成績報告
    • 語言:英語
    • 產品版本:FortiOS 7.0, FortiSwitch 7.0, FortiAP 6.4, FortiAuthenticator 6.4, FortiManager 7.0, 和 FortiAnalyzer 7.0

    考試主題

    成功應試者在以下領域和任務中具有應用知識和技能:

    • 身份驗證
      • 使用RADIUS和LDAP配置高級用戶身份驗證和授權場景
      • 排除用戶身份驗證和授權問題
      • 使用數字證書實施雙因素身份驗證
      • 實施並排除RADIUS和syslog單點登錄解決方案的故障
    • FortiSwitch
      • 使用FortiManager通過FortiLink配置、管理和供應FortiSwitch
      • 通過實施機器身份驗證、MAB和NAC政策保護有線網絡
      • 實施並部署零觸發(ZTP)解決方案
      • 使用IoC觸發器自動隔離有線客戶端
      • 在FortiSwitch上配置VLAN、端口和干道
      • 監控並排除FortiLink管理之間FortiSwitch和FortiGate的問題
    • 無線網絡
      • 使用FortiManager通過FortiLink配置、部署和管理FortiAP
      • 部署具有動態VLAN分配的複雜無線網絡
      • 實施並部署具有IoT分割的無線網絡
      • 為訪客用戶提供安全訪問
      • 保護無線網絡
      • 使用無線管理器監控和分析無線客戶端和流量
      • 使用IoC觸發器自動隔離無線客戶端

    培訓資源

    推薦以下資源以獲得考試所涵蓋的知識和技能。建議的培訓是考試準備的基礎。除了培訓外,強烈建議您擁有與考試主題和目標相關的實際操作經驗:

    • FCSS – LAN Edge 7.0課程和實驗室操作
    • FCP – 安全無線網絡6.4課程和實驗室操作
    • FCP – FortiAuthenticator 6.4課程和實驗室操作
    • FCP – FortiManager 7.0課程和實驗室操作
    • FCP – FortiAnalyzer 7.0課程和實驗室操作
    • FortiWiFi和FortiAP—配置指南7.0.0
    • FortiAuthenticator—管理指南6.4.0
    • FortiManager—管理指南7.0.0

    經驗

    具備設計、管理並排除Fortinet身份管理和安全訪問設備的實際操作經驗。

    考試示例問題

    Fortinet培訓學院提供一套示例問題。這些問題代表考試的問題類型和內容範圍,但不一定代表所有考試內容,也無意評估您參加認證考試的準備情況。 請查看包含示例問題的Fortinet培訓學院課程。

    考試政策和程序

    Fortinet培訓學院建議在註冊考試之前先審閱考試政策和程序。在Fortinet培訓學院政策頁面上訪問重要信息,並在常見問題解答頁面上找到常見問題的答案。