Entrust Datacard将从泰雷兹手中收购市场领先的通用硬件安全模块业务

明尼波利斯和佛罗里达州森赖斯--(美国商业资讯)--领先的可信身份和安全发布技术解决方案提供商Entrust Datacard今日宣布,该公司已签署一份最终协议,收购泰雷兹(Thales)市场领先的通用硬件安全模块(GP HSM)业务nCipher Security,nCipher Security自2019年1月起便以独立业务形式在泰雷兹内部运营。泰雷兹将根据完成其即将及此前宣布的对金雅拓(Gemalto)的收购,以及确保在HSM市场上具有强大竞争力的市场领导地位所需的监管许可,剥离其nCipher GP HSM业务。

GP HSM是Entrust Datacard解决方案的核心组件,也是该公司公钥基础结构(PKI)和安全套接字层(SSL)产品的安全基础架构的基础部分。此次收购将使该公司不仅能够进一步扩展其为客户提供满足他们高可信用例需求的解决方案的能力,而且还能满足欧盟《通用数据保护条例》(GDPR)等法规以及电子识别、身份验证和信任服务(eIDAS)规范对数据安全日益增长的需求。此次收购将增强Entrust Datacard技术组合,该技术组合可保护内部、云和混合网络中的数据和身份安全,以及免受更频繁、更复杂的网络攻击。它还提供可靠的可信平台,该平台可增强和扩展构成当今和未来数字计划核心的应用的安全,包括物联网、数字支付、卡发行和区块链。

Entrust Datacard总裁兼首席执行官Todd Wilkinson表示:“此次收购是对我们在加密和硬件方面的专业知识的完美补充,将扩展我们满足全球客户日益变化的安全需求的能力,同时有助于我们加快自身发展。”他继续道:“泰雷兹GP HSM解决方案nCipher以广泛的用例为基础,拥有强大的市场地位,不仅将带来卓越的人才,而且让我们能够为客户开发更全面的解决方案。”

nCipher Security首席执行官Cindy Provin表示:“nCipher Security很高兴能加入Entrust Datacard。我们双方的解决方案之间有着强大的协同性,而且随着客户开始实施移动、云和物联网等计划以拓展业务,同时致力于保护数据和管理日益增长的网络风险,两家组织的整合将有助于为他们加快创新。”

此次交易有待泰雷兹顺利完成对金雅拓的收购;欧洲委员会、美国司法部、澳大利亚竞争与消费者委员会及新西兰商务委员会对Entrust作为合适购买者的批准;以及达成惯例的成交条件。交易完成后,将发布有关收购的更多信息。此次收购预计将于2019年第二季度完成。此次收购的财务条款将不予披露。

关于Entrust Datacard Corporation

 

消费者、公民和员工越来越希望在更多领域享受到无地域限制和时间限制的随心体验——无论是在购物、出入境、访问电子政务服务或登录到公司网络。Entrust Datacard为您提供值得信赖的身份认证和安全交易技术,使这些体验更加安全、可靠。我们的解决方案包括从金融卡、护照和身份证件的物理世界与数字证书、身份认证和安全通信的结合。Entrust Datacard在全球拥有2,200多名员工,以及强大的全球合作伙伴网络,服务客户遍及150多个国家。更多详情,欢迎您登录www.entrustdatacard.com。

关于nCipher Security

 

当今快速发展的数字环境提高了客户满意度、竞争优势和运营效率,但也增加了安全风险。通用硬件安全模块(HSM)市场的领导者nCipher Security通过为关键业务信息和应用提供信任、完整性和控制,为世界领先的组织提供支持。我们的加密解决方案使用当今全球组织赖以使用的同样成熟的技术来防范对敏感数据、网络通信和企业基础架构的威胁,从而保护新兴技术——云、物联网、区块链、数字支付——并帮助满足新的合规性要求。我们为您的关键业务应用提供信任,确保数据的完整性,并让您能够完全掌控——在现在和未来的任何时刻。www.ncipher.com

  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
图像识别技术在病虫害检测中的应用是一个快速发展的领域,它结合了计算机视觉和机器学习算法来自动识别和分类植物上的病虫害。以下是这一技术的一些关键步骤和组成部分: 1. **数据收集**:首先需要收集大量的植物图像数据,这些数据包括健康植物的图像以及受不同病虫害影响的植物图像。 2. **图像预处理**:对收集到的图像进行处理,以提高后续分析的准确性。这可能包括调整亮度、对比度、去噪、裁剪、缩放等。 3. **特征提取**:从图像中提取有助于识别病虫害的特征。这些特征可能包括颜色、纹理、形状、边缘等。 4. **模型训练**:使用机器学习算法(如支持向量机、随机森林、卷积神经网络等)来训练模型。训练过程中,算法会学习如何根据提取的特征来识别不同的病虫害。 5. **模型验证和测试**:在独立的测试集上验证模型的性能,以确保其准确性和泛化能力。 6. **部署和应用**:将训练好的模型部署到实际的病虫害检测系统中,可以是移动应用、网页服务或集成到智能农业设备中。 7. **实时监测**:在实际应用中,系统可以实时接收植物图像,并快速给出病虫害的检测结果。 8. **持续学习**:随着时间的推移,系统可以不断学习新的病虫害样本,以提高其识别能力。 9. **用户界面**:为了方便用户使用,通常会有一个用户友好的界面,显示检测结果,并提供进一步的指导或建议。 这项技术的优势在于它可以快速、准确地识别出病虫害,甚至在早期阶段就能发现问题,从而及时采取措施。此外,它还可以减少对化学农药的依赖,支持可持续农业发展。随着技术的不断进步,图像识别在病虫害检测中的应用将越来越广泛。
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值