Amazon Nova models now support the customization of content moderation settings for approved business use cases that require processing or generating sensitive content.
Organizations with approved business use cases can adjust content moderation settings across four domains: safety, sensitive content, fairness, and security. These settings allow customers to adjust specific settings relevant to their business requirements. Amazon Nova enforces essential, non-configurable controls to ensure responsible use of AI, such as controls to prevent harm to children and preserve privacy.
Customization of content moderation settings is available for Amazon Nova Lite and Amazon Nova Pro in the US East (N. Virginia) region.
To learn more about Amazon Nova, visit the Amazon Nova product page and to learn about Amazon Nova responsible use of AI, visit the AWS AI Service Cards, or see the User Guide. To see if your business model is appropriate to customize content moderation settings, contact your AWS Account Manager.
Amazon Nova models now support the customization of content moderation settings for approved business use cases that require processing or generating sensitive content. Organizations with approved business use cases can adjust content moderation settings across four domains: safety, sensitive content, fairness, and security. These settings allow customers to adjust specific settings relevant to their business requirements. Amazon Nova enforces essential, non-configurable controls to ensure responsible use of AI, such as controls to prevent harm to children and preserve privacy. Customization of content moderation settings is available for Amazon Nova Lite and Amazon Nova Pro in the US East (N. Virginia) region. To learn more about Amazon Nova, visit the Amazon Nova product page and to learn about Amazon Nova responsible use of AI, visit the AWS AI Service Cards, or see the User Guide. To see if your business model is appropriate to customize content moderation settings, contact your AWS Account Manager.
AWS Nitro Enclaves is an Amazon EC2 capability that enables customers to create isolated compute environments (enclaves) to further protect and securely process highly sensitive data within their EC2 instances. Nitro Enclaves helps customers reduce the attack surface area for their most sensitive data processing applications.
There is no additional cost other than the cost for the using Amazon EC2 instances and any other AWS services that are used with Nitro Enclaves.
Nitro Enclaves is now available across all AWS Regions, expanding to include new regions in Asia Pacific (New Zealand, Thailand, Jakarta, Hyderabad, Malaysia, Melbourne, and Taipei), Europe (Spain and Zurich), Middle East (UAE and Tel Aviv), and North America (Central Mexico and Calgary).
To learn more about AWS Nitro Enclaves and how to get started, visit the AWS Nitro Enclaves page.
AWS Nitro Enclaves is an Amazon EC2 capability that enables customers to create isolated compute environments (enclaves) to further protect and securely process highly sensitive data within their EC2 instances. Nitro Enclaves helps customers reduce the attack surface area for their most sensitive data processing applications. There is no additional cost other than the cost for the using Amazon EC2 instances and any other AWS services that are used with Nitro Enclaves. Nitro Enclaves is now available across all AWS Regions, expanding to include new regions in Asia Pacific (New Zealand, Thailand, Jakarta, Hyderabad, Malaysia, Melbourne, and Taipei), Europe (Spain and Zurich), Middle East (UAE and Tel Aviv), and North America (Central Mexico and Calgary). To learn more about AWS Nitro Enclaves and how to get started, visit the AWS Nitro Enclaves page.
Amazon Connect can now automatically initiate follow-up evaluations to analyze specific situations identified during initial evaluations. For example, when an initial customer service evaluation detects customer interest in a product, Amazon Connect can automatically trigger a follow-up evaluation focused on the agent’s sales performance. This enables managers to maintain consistent evaluation standards across agent cohorts and over time, while capturing deeper insights on specific scenarios such as sales opportunities, escalations, and other critical interaction moments.
This feature is available in all regions where Amazon Connect is offered. To learn more, please visit our documentation and our webpage.
Amazon Connect can now automatically initiate follow-up evaluations to analyze specific situations identified during initial evaluations. For example, when an initial customer service evaluation detects customer interest in a product, Amazon Connect can automatically trigger a follow-up evaluation focused on the agent’s sales performance. This enables managers to maintain consistent evaluation standards across agent cohorts and over time, while capturing deeper insights on specific scenarios such as sales opportunities, escalations, and other critical interaction moments. This feature is available in all regions where Amazon Connect is offered. To learn more, please visit our documentation and our webpage.
Amazon CloudWatch Database Insights expands the availability of its on-demand analysis experience to the RDS for SQL Server database engine. CloudWatch Database Insights is a monitoring and diagnostics solution that helps database administrators and developers optimize database performance by providing comprehensive visibility into database metrics, query analysis, and resource utilization patterns. This feature leverages machine learning models to help identify performance bottlenecks during the selected time period, and gives advice on what to do next.
Previously, database administrators had to manually analyze performance data, correlate metrics, and investigate root cause. This process is time-consuming and requires deep database expertise. With this launch, you can now analyze database performance monitoring data for any time period with automated intelligence. The feature automatically compares your selected time period against normal baseline performance, identifies anomalies, and provides specific remediation advice. Through intuitive visualizations and clear explanations, you can quickly identify performance issues and receive step-by-step guidance for resolution. This automated analysis and recommendation system reduces mean-time-to-diagnosis from hours to minutes.
You can get started with this feature by enabling the Advanced mode of CloudWatch Database Insights on your RDS for SQL Server databases using the RDS service console, AWS APIs, the AWS SDK, or AWS CloudFormation. Please refer to RDS documentation and Aurora documentation for information regarding the availability of Database Insights across different regions, engines and instance classes.
Amazon CloudWatch Database Insights expands the availability of its on-demand analysis experience to the RDS for SQL Server database engine. CloudWatch Database Insights is a monitoring and diagnostics solution that helps database administrators and developers optimize database performance by providing comprehensive visibility into database metrics, query analysis, and resource utilization patterns. This feature leverages machine learning models to help identify performance bottlenecks during the selected time period, and gives advice on what to do next. Previously, database administrators had to manually analyze performance data, correlate metrics, and investigate root cause. This process is time-consuming and requires deep database expertise. With this launch, you can now analyze database performance monitoring data for any time period with automated intelligence. The feature automatically compares your selected time period against normal baseline performance, identifies anomalies, and provides specific remediation advice. Through intuitive visualizations and clear explanations, you can quickly identify performance issues and receive step-by-step guidance for resolution. This automated analysis and recommendation system reduces mean-time-to-diagnosis from hours to minutes. You can get started with this feature by enabling the Advanced mode of CloudWatch Database Insights on your RDS for SQL Server databases using the RDS service console, AWS APIs, the AWS SDK, or AWS CloudFormation. Please refer to RDS documentation and Aurora documentation for information regarding the availability of Database Insights across different regions, engines and instance classes.
On October 21, 2025 Amazon announced quarterly security and critical updates for Amazon Corretto Long-Term Supported (LTS) versions of OpenJDK. Corretto 25.0.1, 21.0.9, 17.0.17, 11.0.29, 8u472 are now available for download. Amazon Corretto is a no-cost, multi-platform, production-ready distribution of OpenJDK.
This release of Corretto JDK binaries for Generic Linux, Alpine and macOS will include Async-Profiler, a low overhead sampling profiler for Java supported by the Amazon Corretto team. Async-Profiler is designed to provide profiling data for CPU time, allocations in Java Heap, native memory allocations and leaks, contended locks, hardware and software performance counters like cache misses, page faults, context switches, Java method profiling, and much more.
Click on the Corretto home page to download Corretto 25, Corretto 21, Corretto 17, Corretto 11, or Corretto 8. You can also get the updates on your Linux system by configuring a Corretto Apt, Yum, or Apk repo.
On October 21, 2025 Amazon announced quarterly security and critical updates for Amazon Corretto Long-Term Supported (LTS) versions of OpenJDK. Corretto 25.0.1, 21.0.9, 17.0.17, 11.0.29, 8u472 are now available for download. Amazon Corretto is a no-cost, multi-platform, production-ready distribution of OpenJDK. This release of Corretto JDK binaries for Generic Linux, Alpine and macOS will include Async-Profiler, a low overhead sampling profiler for Java supported by the Amazon Corretto team. Async-Profiler is designed to provide profiling data for CPU time, allocations in Java Heap, native memory allocations and leaks, contended locks, hardware and software performance counters like cache misses, page faults, context switches, Java method profiling, and much more. Click on the Corretto home page to download Corretto 25, Corretto 21, Corretto 17, Corretto 11, or Corretto 8. You can also get the updates on your Linux system by configuring a Corretto Apt, Yum, or Apk repo. Feedback is welcomed!
Today, Amazon Simple Email Service (SES) added visibility into the IP addresses used by Dedicated IP Addresses – Managed (DIP-M) pools. Customers can now find out the exact addresses in use when sending emails through DIP-M pools to mailbox providers. Customers can also see Microsoft Smart Network Data Services (SNDS) metrics for these IP addresses, giving them more insight into their sending reputation with Microsoft mailbox providers. This gives customers more transparency into the IP activities in DIP-M pools.
Previously, customers could configure DIP-M pools to perform automatic IP allocation and warm-up in response to changes in email sending volumes. This reduced the operational overhead of managing dedicated sending channels, but customers could not easily see which IP addresses were in use by DIP-M pools. This also made it difficult to find SNDS feedback, which customers use to improve their reputation. Now, customers can see the IPs in DIP-M pools through the console, CLI, or SES API. SES also automatically creates CloudWatch Metrics for SNDS information on each IP address, which customers can access through the CloudWatch console or APIs. This gives customers more tools to monitor their sending reputation.
SES supports DIP-M IP observability in all AWS Regions where SES is available.
For more information, see the documentation for information about DIP-M pools.
Today, Amazon Simple Email Service (SES) added visibility into the IP addresses used by Dedicated IP Addresses – Managed (DIP-M) pools. Customers can now find out the exact addresses in use when sending emails through DIP-M pools to mailbox providers. Customers can also see Microsoft Smart Network Data Services (SNDS) metrics for these IP addresses, giving them more insight into their sending reputation with Microsoft mailbox providers. This gives customers more transparency into the IP activities in DIP-M pools. Previously, customers could configure DIP-M pools to perform automatic IP allocation and warm-up in response to changes in email sending volumes. This reduced the operational overhead of managing dedicated sending channels, but customers could not easily see which IP addresses were in use by DIP-M pools. This also made it difficult to find SNDS feedback, which customers use to improve their reputation. Now, customers can see the IPs in DIP-M pools through the console, CLI, or SES API. SES also automatically creates CloudWatch Metrics for SNDS information on each IP address, which customers can access through the CloudWatch console or APIs. This gives customers more tools to monitor their sending reputation. SES supports DIP-M IP observability in all AWS Regions where SES is available. For more information, see the documentation for information about DIP-M pools.
Starting today, Amazon EC2 High Memory U7i instances with 6TB of memory (u7i-6tb.112xlarge) are now available in the Europe (London) region. U7i-6tb instances are part of AWS 7th generation and are powered by custom fourth generation Intel Xeon Scalable Processors (Sapphire Rapids). U7i-6tb instances offer 6TB of DDR5 memory, enabling customers to scale transaction processing throughput in a fast-growing data environment.
U7i-6tb instances offer 448 vCPUs, support up to 100Gbps Elastic Block Storage (EBS) for faster data loading and backups, deliver up to 100Gbps of network bandwidth, and support ENA Express. U7i instances are ideal for customers using mission-critical in-memory databases like SAP HANA, Oracle, and SQL Server.
Starting today, Amazon EC2 High Memory U7i instances with 6TB of memory (u7i-6tb.112xlarge) are now available in the Europe (London) region. U7i-6tb instances are part of AWS 7th generation and are powered by custom fourth generation Intel Xeon Scalable Processors (Sapphire Rapids). U7i-6tb instances offer 6TB of DDR5 memory, enabling customers to scale transaction processing throughput in a fast-growing data environment. U7i-6tb instances offer 448 vCPUs, support up to 100Gbps Elastic Block Storage (EBS) for faster data loading and backups, deliver up to 100Gbps of network bandwidth, and support ENA Express. U7i instances are ideal for customers using mission-critical in-memory databases like SAP HANA, Oracle, and SQL Server. To learn more about U7i instances, visit the High Memory instances page.
Microsoft Azure ofrece el primer clúster a gran escala con NVIDIA GB300 NVL72 para cargas de trabajo de OpenAI
Por: Rani Borkar, presidenta de Azure Hardware Systems and Infrastructure y Nidhi Chappell, vicepresidenta principal de Azure AI Infrastructure.
Microsoft ofrece el primer clúster de producción a escala con más de 4.600 NVIDIA GB300 NVL72, con GPU NVIDIA Blackwell Ultra conectadas a través de la red NVIDIA InfiniBand de próxima generación. Este clúster es el primero de muchos, ya que escalamos a cientos de miles de GPU Blackwell Ultra implementadas en los centros de datos de IA de Microsoft a nivel mundial, lo que refleja nuestro compromiso continuo de redefinir la infraestructura de IA y la colaboración con NVIDIA. Los clústeres de escala masiva con GPU Blackwell Ultra permitirán el entrenamiento de modelos en semanas en lugar de meses, lo que brindará un alto rendimiento para las cargas de trabajo de inferencia. También desbloqueamos modelos más grandes y potentes, y seremos los primeros en admitir modelos de entrenamiento con cientos de billones de parámetros.
Esto fue posible gracias a la colaboración entre hardware, sistemas, cadena de suministro, instalaciones y muchas otras disciplinas, así como con NVIDIA.
El lanzamiento del superclúster NVIDIA GB300 NVL72 por parte de Microsoft Azure es un paso emocionante en el avance de la IA de vanguardia. Este sistema de ingeniería conjunta ofrece el primer clúster de producción GB300 a escala del mundo, para brindar el motor de supercomputación necesario para que OpenAI sirva a modelos de varios billones de parámetros. Esto establece el nuevo estándar definitivo para la computación acelerada.
Ian Buck, vicepresidente de hiperescala y computación de alto rendimiento de NVIDIA
De NVIDIA GB200 a GB300: un nuevo estándar en rendimiento de IA
A principios de este año, Azure presentó las máquinas virtuales (VM, por sus siglas en inglés) ND GB200 v6, aceleradas por la arquitectura Blackwell de NVIDIA. Estos se convirtieron con rapidez en la columna vertebral de algunas de las cargas de trabajo de IA más exigentes de la industria, incluso para organizaciones como OpenAI y Microsoft, que ya usan clústeres masivos de GB200 NVL2 en Azure para entrenar e implementar modelos de frontera.
Ahora, con las máquinas virtuales ND GB300 v6, Azure vuelve a subir el listón. Estas máquinas virtuales están optimizadas para modelos de razonamiento, sistemas de IA agentiva e IA generativa multimodal. Construido en un sistema a escala de bastidor, cada bastidor tiene 18 máquinas virtuales con un total de 72 GPU:
72 GPU NVIDIA Blackwell Ultra (con 36 CPU NVIDIA Grace).
800 gigabits por segundo (Gbp/s) por GPU de ancho de banda de escalabilidad horizontal entre bastidores a través de NVIDIA Quantum-X800 InfiniBand de próxima generación (2x GB200 NVL72).
130 terabytes (TB) por segundo de ancho de banda de NVIDIA NVLink dentro del bastidor.
37 TB de memoria rápida.
Hasta 1.440 petaflops (PFLOPS) de rendimiento FP4 Tensor Core.
Construir para la supercomputación de IA a escala
La construcción de infraestructura para la IA de frontera requiere que reimaginemos cada capa de la pila (computación, memoria, redes, centros de datos, refrigeración y energía) como un sistema unificado. Las máquinas virtuales ND GB300 v6 son una clara representación de esta transformación, después de años de colaboración en silicio, sistemas y software.
A nivel de rack, NVLink y NVSwitch reducen las restricciones de memoria y ancho de banda, lo que permite hasta 130 TB por segundo de transferencia de datos dentro del rack conectando un total de 37 TB de memoria rápida. Cada bastidor se convierte en una unidad estrechamente acoplada, lo que ofrece un mayor rendimiento de inferencia con latencias reducidas en modelos más grandes y ventanas de contexto más largas, lo que permite que los sistemas de IA agéntica y multimodal sean más receptivos y escalables que nunca.
Para escalar más allá del bastidor, Azure implementa una arquitectura completa de árbol grueso y sin bloqueo mediante NVIDIA Quantum-X800 Gbp/s InfiniBand, el tejido de red más rápido disponible en la actualidad. Esto garantiza que los clientes puedan escalar el entrenamiento de modelos ultragrandes de manera eficiente a decenas de miles de GPU con una sobrecarga de comunicación mínima, lo que brinda un mejor rendimiento de entrenamiento de extremo a extremo. La reducción de la sobrecarga de sincronización también se traduce en la máxima utilización de las GPU, lo que ayuda a los investigadores a iterar más rápido y a costos más bajos a pesar de la naturaleza hambrienta de computación de las cargas de trabajo de entrenamiento de IA. La pila de ingeniería conjunta de Azure, que incluye protocolos personalizados, bibliotecas colectivas y computación en red, garantiza que la red sea de una alta confiabilidad y que las aplicaciones la usen por completo. Funciones como NVIDIA SHARP aceleran las operaciones colectivas y duplican el ancho de banda efectivo al realizar cálculos matemáticos en el conmutador, lo que hace que el entrenamiento y la inferencia a gran escala sean más eficientes y confiables.
Los sistemas de refrigeración avanzados de Azure usan unidades de intercambiador de calor independientes y refrigeración de instalaciones para minimizar el uso de agua y, al mismo tiempo, mantener la estabilidad térmica para clústeres densos y de alto rendimiento, como GB300 NVL72. También continuamos con el desarrollo e implementación de nuevos modelos de distribución de energía capaces de admitir la alta densidad de energía y el equilibrio de carga dinámico requerido por la clase de VM ND GB300 v6 de clústeres de GPU.
Además, nuestras pilas de software rediseñadas para almacenamiento, orquestación y programación están optimizadas para utilizar por completo la infraestructura informática, de redes, de almacenamiento y de centros de datos a escala de supercomputación, lo que ofrece niveles de rendimiento sin precedentes con alta eficiencia a nuestros clientes.
Mirar hacia el futuro
Microsoft ha invertido en infraestructura de IA durante años, para permitir una rápida habilitación y transición a la tecnología más nueva. También es la razón por la que Azure está en una posición única para ofrecer infraestructura GB300 NVL72 a escala de producción a un ritmo rápido, para satisfacer las demandas de la IA de vanguardia en la actualidad.
A medida que Azure continúa con el aumento de las implementaciones de GB300 en todo el mundo, los clientes pueden esperar entrenar e implementar nuevos modelos en una fracción del tiempo en comparación con las generaciones anteriores. Las máquinas virtuales ND GB300 v6 están preparadas para convertirse en el nuevo estándar para la infraestructura de IA, y Azure se enorgullece de liderar el camino, para ayudar a los clientes a avanzar en el desarrollo de IA de vanguardia.
Estén atentos para obtener más actualizaciones y pruebas comparativas de rendimiento a medida que Azure expande la implementación de producción de NVIDIA GB300 NVL72 a nivel mundial.
The post Microsoft Azure ofrece el primer clúster a gran escala con NVIDIA GB300 NVL72 para cargas de trabajo de OpenAI appeared first on Source LATAM.
Amazon Elastic Container Service (Amazon ECS) now supports AWS CloudTrail data events, providing detailed visibility into Amazon ECS Agent API activities. This new capability enables customers to monitor, audit, and troubleshoot container instance operations.
With CloudTrail data event support, security and operations teams can now maintain comprehensive audit trails of ECS Agent API activities, detect unusual access patterns, and troubleshoot agent communication issues more effectively. Customers can opt in to receive detailed logging through the new data event resource type AWS::ECS::ContainerInstance for ECS agent activities, including when the ECS agent polls for work (ecs:Poll), starts telemetry sessions (ecs:StartTelemetrySession), and submits ECS Managed Instances logs (ecs:PutSystemLogEvents). This enhanced visibility enables teams to better understand how container instance roles are utilized, meet compliance requirements for API activity monitoring, and quickly diagnose operational issues related to agent communications.
This new feature is available for Amazon ECS on EC2 in all AWS Regions and ECS Managed Instances in select regions. Standard CloudTrail data event charges apply. To learn more, visit the Developer Guide.
Amazon Elastic Container Service (Amazon ECS) now supports AWS CloudTrail data events, providing detailed visibility into Amazon ECS Agent API activities. This new capability enables customers to monitor, audit, and troubleshoot container instance operations. With CloudTrail data event support, security and operations teams can now maintain comprehensive audit trails of ECS Agent API activities, detect unusual access patterns, and troubleshoot agent communication issues more effectively. Customers can opt in to receive detailed logging through the new data event resource type AWS::ECS::ContainerInstance for ECS agent activities, including when the ECS agent polls for work (ecs:Poll), starts telemetry sessions (ecs:StartTelemetrySession), and submits ECS Managed Instances logs (ecs:PutSystemLogEvents). This enhanced visibility enables teams to better understand how container instance roles are utilized, meet compliance requirements for API activity monitoring, and quickly diagnose operational issues related to agent communications. This new feature is available for Amazon ECS on EC2 in all AWS Regions and ECS Managed Instances in select regions. Standard CloudTrail data event charges apply. To learn more, visit the Developer Guide.
Nuevos patrones y prácticas de Microsoft Secure Future Initiative (SFI): Guías prácticas para fortalecer la seguridad
Por: Hammad Rajjoub, director, marketing de seguridad.
Al aprovechar el impulso de nuestro lanzamiento inicial de los patrones y prácticas de Microsoft Secure Future Initiative (SFI), esta segunda entrega continúa nuestro compromiso de hacer que la implementación de seguridad sea práctica y escalable. La primera versión introdujo una biblioteca fundamental de orientación procesable basada en arquitecturas probadas como Zero Trust. Ahora, ampliamos esa guía con nuevos ejemplos que reflejan nuestros aprendizajes continuos, para ayudar a los clientes y socios a comprender nuestro enfoque estratégico de manera más profunda y aplicarlo de manera efectiva en sus propios entornos.
El siguiente conjunto de artículos sobre patrones y prácticas de SFI incluye una guía práctica y procesable creada por profesionales, para profesionales, en las áreas de redes, sistemas de ingeniería y respuesta de seguridad. Cada uno de los seis artículos incluye detalles sobre cómo Microsoft ha mejorado nuestra posición de seguridad en cada área para que los clientes, los socios y la comunidad de seguridad en general puedan hacer lo mismo.
Contener infracciones de forma predeterminada. Segmenten y aíslen su red (a través de ACL por servicio, redes virtuales aisladas y más) para evitar el movimiento lateral y limitar los ciberatacantes si ingresan.
Ayuden a eliminar los inquilinos «en la sombra». Apliquen directivas de seguridad de línea base, como la autenticación multifactor (MFA, por sus siglas en inglés), el acceso condicional y más, a cada inquilino de la nube y retiren los que no se usan, para que los ciberatacantes no puedan aprovechar los entornos olvidados y poco protegidos.
Cierren las puertas traseras de identidad. Apliquen altos estándares de seguridad para todas las aplicaciones de Microsoft Entra ID (Azure AD) (quitar aplicaciones no utilizadas, restringir permisos y requerir una autorización segura) para bloquear errores de configuración comunes de los que abusan los ciberatacantes para ataques entre inquilinos.
Protejan la canalización de desarrollo. Requerir MFA de prueba de presencia para confirmaciones y fusiones de código crítico para ayudar a garantizar que solo los desarrolladores verificados puedan insertar código y evitar que los ciberatacantes inyecten cambios de manera subrepticia.
Bloqueen las compilaciones y las dependencias. Controlen sus canalizaciones de integración continua y entrega continua (CI/CD, por sus siglas en inglés) y la gestión de paquetes: utilicen plantillas de compilación estandarizadas, feeds de paquetes internos y análisis automatizados para bloquear los ciberataques a la cadena de suministro antes de que lleguen a la producción.
Aceleren las investigaciones. Estandaricen y centralicen su recopilación de registros (con una retención más prolongada) para que los equipos de seguridad tengan una visibilidad unificada y puedan detectar e investigar incidentes más rápido, incluso en entornos complejos de múltiples nubes.
Más información sobre los patrones y prácticas de SFI
Al igual que los patrones de diseño de software brindan soluciones reutilizables a problemas comunes de ingeniería, los patrones y prácticas de SFI ofrecen enfoques repetibles y probados para resolver desafíos complejos de ciberseguridad. Cada patrón está diseñado para abordar un riesgo de seguridad específico (infraestructura heredada o canalizaciones de CI/CD inconsistentes) y se basa en la propia experiencia de Microsoft. Al igual que los patrones de diseño en la arquitectura de software, estos patrones de seguridad son modulares, extensibles y están diseñados para su reutilización en diversos entornos.
Además, cada patrón en la biblioteca de patrones y prácticas de SFI sigue una estructura consistente y con un propósito. Cada artículo comienza con un nombre de patrón, un identificador conciso que captura la esencia del desafío de ciberseguridad. La sección de problemas describe el riesgo de seguridad y su contexto en el mundo real, para ayudar a los lectores a comprender por qué es importante. La solución describe cómo Microsoft abordó el problema a nivel interno. La sección de orientación proporciona recomendaciones prácticas que los clientes pueden considerar aplicar en sus propios entornos. Por último, la sección de implicaciones describe los resultados y las compensaciones de implementar el patrón, para ayudar a las organizaciones a anticipar tanto los beneficios como las consideraciones operativas.
Esta estructura ofrece un marco para comprender, aplicar y evolucionar las prácticas de seguridad.
Próximos pasos con SFI
La seguridad es un recorrido y Microsoft se compromete a compartir nuestros conocimientos de SFI. Estén atentos a más consejos prácticos en los próximos meses. Los patrones y prácticas de SFI proporcionan una hoja de ruta para poner en práctica una arquitectura segura. La adopción de estos enfoques permite a las organizaciones avanzar en su postura de seguridad, minimizar los obstáculos de implementación y establecer entornos seguros por diseño, de forma predeterminada y en las operaciones.
Para obtener más información sobre las soluciones de seguridad de Microsoft, visiten nuestro sitio web. Agreguen a Favoritos el blog de Seguridad para mantenerse al día con nuestra cobertura experta en asuntos de seguridad. Además, síganos en LinkedIn (Microsoft Security) y X (@MSFTSecurity) para conocer las últimas noticias y actualizaciones sobre ciberseguridad.
The post Nuevos patrones y prácticas de Microsoft Secure Future Initiative (SFI): Guías prácticas para fortalecer la seguridad appeared first on Source LATAM.
