We are writing to provide an update regarding a security incident related to a specific GitLab environment used by our Red Hat Consulting team. Red Hat takes the security and integrity of our systems and the data entrusted to us extremely seriously, and we are addressing this issue with the highest priority. What happenedWe recently detected unauthorized access to a GitLab instance used for internal Red Hat Consulting collaboration in select engagements. Upon detection, we promptly launched a thorough investigation, removed the unauthorized party’s access, isolated the instance, and contacte

via Red Hat Blog https://ift.tt/yU3ekiD

Red Hat Summit 2026 call for proposals is now openRed Hat Summit is coming to Atlanta, Georgia and we're looking for our community of experts—customers, partners, and associates—to share their knowledge and experiences. The call for proposals is open now through November 12. Submit your session proposal today for a chance to present at Red Hat Summit 2026. Learn more Red Hat Enterprise Linux (RHEL) on AWS Cloud Marketplace trial is now liveThe new self-serve Red Hat Enterprise Linux (RHEL) on AWS Cloud Marketplace trial is now live! With the trial available in the cloud marketplace, it's n

via Red Hat Blog https://ift.tt/kICp1bV

این دیدگاه شما اشتباه هست .
به قول آلبرت اینشتین که میگه : زمانی بدرستی چیزی را می‌دونی که بتونی به مادربزرگت توضیح بدی .

نکته بعدی : این فکت ها هیچ بک گراند علمی ندارند . و حاصل هیچ استدلال و تحلیل نیستند
در جوامع پیشرفته گفتمان جای مفاهیم خود برتری و ارباب و رعیتی را گرفتن
پیشنهاد میکنم در موضوع تفکر سیستمی و اصول و فنون مذاکره مطالعات خودمان را گسترش بدیم
نکته بعدی : فرایند یادگیری برای هر کسی وجود داره .
و همچنین فرق هست بین کسی که عناد میکنه و تلاشی برای دانستن نداره و مرغ براش یه پا هست
چارچوب تحول گفتمان
ارباب–رعیتی: من می‌دانم، تو نمی‌دانی
مشارکتی: هر کسی بخشی از پازل را دارد. دانایی جمعی ارزشمندتر از فردی است
۲. شیوه‌ی بیان
ارباب–رعیتی: تحکم، دستور، قطعیت مطلق
مشارکتی: توضیح ساده، قابل فهم حتی برای “مادربزرگ” همراه با پرسش و دعوت به گفت‌وگو.

۳. نقش‌ها در گفتگو
ارباب–رعیتی: یک نفر مرجع حقیقت است و بقیه شنونده.
مشارکتی: همه نقش فعال دارند؛ شنیدن، پرسیدن، و افزودن دیدگاه
۴. تعامل با اختلاف نظر
ارباب–رعیتی: مخالفت = تهدید. طرف مقابل باید ساکت شود

مشارکتی: مخالفت = فرصت برای دیدن زاویه جدید

1. تفکر سیستمی: نگاه به روابط و پیامدها، نه فقط اجزاء
2. اصول و فنون مذاکره: تمرکز روی منافع مشترک به جای مواضع فردی
3. بازخورد سازنده: به جای قضاوت، پیشنهاد رشد.
4. یادگیری مستمر: پذیرفتن اینکه همیشه چیزی برای یاد گرفتن وجود داره

ماجرای کلاس تک نفره از زبان معلمی که ویدیو او در فضای مجازی پرتکرار شد
‌

درود بر این معلم

It's hard to deny that we now live in a time where AI permeates everyday life—from customer service bots to autonomous assistants. However, poorly designed AI solutions can lead to misplaced trust, misinformation, and ethical lapses, as evidenced by several high-profile failures. Air Canada's chatbot once misled a grieving passenger with inaccurate refund advice, resulting in a tribunal ruling that held the airline accountable for the AI's errors and underscoring the legal risks of unchecked automation.Microsoft's Bing AI, dubbed Sydney, veered into threatening and manipulative behavior dur

via Red Hat Blog https://ift.tt/3bVNhzu

At Red Hat, our goal is to provide enterprise-grade automation solutions that evolve with your needs. As part of this commitment, we are deprecating the Red Hat ServiceNow Notification Service application from the ServiceNow Store. This isn't a reduction in capability; it's an evolution. We're moving away from a simplified, one-size-fits-all application to more robust and modern integration patterns that offer the capabilities required by enterprise IT environments.From simplicity to capability and flexibilityThe Red Hat ServiceNow Notification Service application was designed for simplicity,

via Red Hat Blog https://ift.tt/osCAFad

Last year, Red Hat introduced Red Hat OpenStack Services on OpenShift, the next major release of Red Hat OpenStack Platform. The architectural shift brought the power of OpenStack’s Infrastructure-as-a-Service (IaaS) together with the agility of Red Hat OpenShift, allowing organizations to run virtualized and cloud-native workloads on a single, unified platform. As businesses face increasing pressure to optimize costs and consolidate IT environments, especially in light of shifting market dynamics, many are looking for a modern approach to managing their cloud infrastructure. To address that

via Red Hat Blog https://ift.tt/j8Ixqa6

متا اعلام کرد که دامنه دسترسی به مدل‌های هوش مصنوعی Llama را برای اهداف دفاعی و امنیت ملی به متحدان کلیدی ایالات متحده گسترش می‌دهد.
علاوه بر کشورهای عضو Five Eyes (استرالیا، کانادا، نیوزیلند و بریتانیا)، اکنون فرانسه، آلمان، ایتالیا، ژاپن، کره جنوبی و همچنین نهادهای ناتو و اتحادیه اروپا نیز به این فناوری دسترسی خواهند داشت.

مدل‌های Llama به‌دلیل ماهیت متن‌باز خود، امکان دانلود، استقرار امن و استفاده بدون نیاز به اشتراک‌گذاری داده‌های حساس با ارائه‌دهندگان شخص ثالث را فراهم می‌کنند. دولت‌ها می‌توانند این مدل‌ها را با داده‌های اختصاصی خود بهینه‌سازی (fine-tune) کرده، در محیط‌های امن با سطوح مختلف طبقه‌بندی میزبانی کنند و نسخه‌های سفارشی‌شده را در سیستم‌ها و تجهیزات میدانی به‌کار گیرند.

متا برای ارائه راه‌حل‌های مبتنی بر Llama با شرکت‌هایی مانند AWS، Microsoft، Google Cloud، Palantir، Lockheed Martin و Oracle همکاری می‌کند.
در حال حاضر، ارتش آمریکا از این فناوری برای تعمیر سریع‌تر تجهیزات نظامی استفاده می‌کند. همچنین متا با شرکت‌های نظامی ایالات متحده در حال توسعه عینک‌ها و پوشیدنی‌های هوشمند برای سربازان است تا توانایی دید و تصمیم‌گیری آنان را بهبود دهد. شرکت‌های بزرگ فناوری از جمله مایکروسافت، آمازون و گوگل نیز در این پروژه مشارکت دارند.

متا اعلام کرده است که برنامه‌ای تدریجی و مرحله‌به‌مرحله برای گسترش دسترسی به مدل‌های Llama در حوزه‌های دفاعی و امنیت ملی در حال اجراست. این شرکت با مشورت و هماهنگی نزدیک با دولت آمریکا، بررسی امکان افزودن کشورهای بیشتری به این فهرست را در دستور کار دارد.

🔗 منبع: Meta Newsroom


#ai #military 🪖

آیا با openscap آشنا هستید ؟
Red Hat secure, open source solutions: SCAP+STIG

#video #security #scap #openscap

@unixmens

به گفته :🔻 عدم توازن درآمد و هزینه، #صنعت_ارتباطات را فرسوده کرده؛ افزایش اخیر نرخ ارز هم هزینه اپراتورها را افزایش داده است
‌
رئیس هیات مدیره سندیکای صنعت مخابرات ایران در گفت‌وگو با #سیتنا:
‌
🔹 عدم توازن درآمد و هزینه در صنعت ارتباطات، شبکه‌های ارتباطی را فرسوده و توسعه را مختل کرده است.
‌
🔹 ترس از تورم آینده باعث شده نرخ ارز در هفته‌های اخیر با جهش مواجه شود که این افزایش نرخ ارز هم هزینه‌های اپراتورها را بیشتر می‌کند.
‌
هزینه‌های برق، گاز و نگهداری دیتاسنترها در سه سال گذشته بیش از چهار برابر شده، اما درآمدها متناسب با آن رشد نکرده است.
‌

من در حوزه DevOps فعالیت میکنم و همچنین سالهاست در حوزه پایگاه داده فعالیت میکنم . بالای ۹ سال oracle dba بودم .
به طور میانگین عرض کنم . بالای ۷۰ درصد مشکلات performance مربوط به app ها در سمت پایگاه داده است .
این موضوع در database DevOps هم معنا پیدا کرده .
همچنین از یاد نبریم database storage engine ها و فلسفه اون ها و تفاوت engine ها را .
در هر پایگاه داده هم این مفاهیم به نحوی در معماری اون گنجانده شده .
از یاد نبریم پایگاه داده بدون system design مثل پرنده ای است که پرواز نمیکند .

به طور خلاصه:

واقعیت این است که خیلی از تیم‌ها وقتی درباره DevOps حرف می‌زنند، لایه‌ی داده را به چشم «black box» نگاه می‌کنند؛ در حالی‌که همان‌طور که گفتیم، بیش از ۷۰٪ مشکلات performance معمولاً ریشه در design و behavior پایگاه داده دارد، نه صرفاً در کد یا سرور اپلیکیشن.

چند نکته در ادامه‌ی برای تکمیل بحث:

در واقع Database DevOps یعنی درآوردن پایگاه داده از حاشیه و آوردنش به چرخه‌ی تحویل مستمر — دقیقاً مثل application code.
یعنی پایگاه داده هم باید versioned، testable و deployable باشد (مثلاً با ابزارهایی مثل Liquibase, Flyway, Alembic).
در موردش چندین مقاله نوشتم .

موضوع Storage Engine‌ها — مثل InnoDB، RocksDB، WiredTiger یا حتی ASM در Oracle — در واقع قلب تپنده‌ی رفتار سیستم هستند.
تفاوت در write pattern، buffer management، concurrency control، transaction isolation و logging مستقیماً روی latency و throughput اپ اثر می‌گذارد.


نکته بعدی : System Design برای پایگاه داده همان چیزی است که خیلی‌ها از آن غافل‌اند.
اگر schema design، index strategy، partitioning logic و data lifecycle مدیریت نشود، هیچ tuning یا DevOps pipeline نمی‌تواند نجاتش دهد.

#devops #database #dba #tips

https://www.tgoop.com/unixmens

These are exciting times for AI. Enterprises are blending AI capabilities with enterprise data to deliver better outcomes for employees, customers, and partners. But as organizations weave AI deeper into their systems, that data and infrastructure also become more attractive targets for cybercriminals and other adversaries.Generative AI (gen AI), in particular, introduces new risks by significantly expanding an organization’s attack surface. That means enterprises must carefully evaluate potential threats, vulnerabilities, and the risks they bring to business operations. Deploying AI with a

via Red Hat Blog https://ift.tt/kBIDTHJ

When an organization currently on VMware evaluates transitioning to a new cloud platform, such as Red Hat OpenStack Services on OpenShift, a key initial concern is typically the effective migration of VMware virtual machine workloads. The Red Hat OpenStack VMware Migration toolkit specifically addresses this need, providing an Ansible collection that aims to simplify and automate the migration process from VMware environments into Red Hat OpenStack Services on OpenShift. This toolkit significantly reduces the complexity and downtime often associated with manual migrations, enabling organizatio

via Red Hat Blog https://ift.tt/1tm3XBS

Microsoft's SQL Server 2025 (17.x) Preview release candidate 1 (RC1) now includes preview support for Red Hat Enterprise Linux 10 (RHEL). This milestone expands SQL Server's footprint on Linux, giving developers and IT professionals more choices for modern, high-performance deployments.SQL Server 2025 Preview is packed with AI and developer-friendly features, making RHEL 10 a great platform for experimentation. With RHEL 10 support, you can start validating SQL Server 2025 Preview in your development and test environments ahead of general availability.What’s new in SQL Server 2025 Preview RC

via Red Hat Blog https://ift.tt/SbZtFuB

Red Hat Ansible Automation Platform (AAP) 2.6 is now generally available, delivering new capabilities, platform enhancements, and strategic integrations to help you build resilient and trusted foundations for the next generation of IT operations, because you aren't just preparing for the future — you are automating for it. The 2.6 release is headlined by three new features designed to drive key outcomes for automation and IT ops teams. When you upgrade, you can expect to: Unlock more value: The new automation dashboard allows you to measure the value and impact of automation initiatives.Oper

via Red Hat Blog https://ift.tt/bnvCxiH

Taking a single AI model from idea to production is already a journey. You need to gather data, build and train the model, deploy it, and keep it running. That alone is challenging, but still manageable. This is where MLOps comes in: applying automation and best practices so the process is reliable and repeatable.But what happens when one model becomes a thousand? The artisanal, one-off approach that worked for a single model quickly collapses—retraining by hand becomes unsustainable, deployments drift out of sync, lineage and auditability are lost, and security gaps can appear.The good news

via Red Hat Blog https://ift.tt/vCSd5js

You’ve trained the model, packaged it on Red Hat OpenShift AI, and it’s ready to work. The next move is exposing it through an API so people and applications can use it. At that moment, your model stops being an internal experiment and becomes a front-door service. And like any front door, somebody is going to knock … sometimes it’s the right user, sometimes not.Your model is no longer just a project in a lab: it’s a production endpoint. And like any endpoint, it’s a target. How do you ensure that only the right applications and users are interacting with it? How do you protect the

via Red Hat Blog https://ift.tt/eBUR67a