• <strike id="fdgpu"><input id="fdgpu"></input></strike>
    <label id="fdgpu"></label>
    <s id="fdgpu"><code id="fdgpu"></code></s>

  • <label id="fdgpu"></label>
  • <span id="fdgpu"><u id="fdgpu"></u></span>

    <s id="fdgpu"><sub id="fdgpu"></sub></s>
    您當前的位置是:  首頁 > 資訊 > 國內(nèi) >
     首頁 > 資訊 > 國內(nèi) >

    這套全球高級威脅檢測難題,深信服NDR答對了90%以上

    2021-11-24 10:03:37   作者:   來源:CTI論壇   評論:0  點擊:


      
    這些題目考驗了企業(yè)用戶,在高級威脅檢測能力上的布局與思考,您也來看看到底能得多少分?答案馬上揭曉——




      在這場“全球高級威脅檢測能力考試”中,深信服全流量高級威脅檢測系統(tǒng)NDR(Network Detection And Response,網(wǎng)絡(luò)檢測與響應(yīng)),能答對90%以上難題,7*24h全年無休隨時解題。
     
      深信服NDR“學霸”人設(shè),最近也獲得了國內(nèi)外公認:
      
      深信服在國際權(quán)威研究機構(gòu)IDC 2021年中國態(tài)勢感知解決方案市場評估中處于『領(lǐng)導(dǎo)者地位』,NDR作為其中一個關(guān)鍵組件,其發(fā)揮的價值在于高級威脅檢測這一核心能力,對威脅的自動化編排與響應(yīng)能力也成為解決方案提供商能力差距的重要體現(xiàn)。
      能獲得國內(nèi)外多個權(quán)威機構(gòu)認可,深信服NDR自然有一套獨特的學習方法,以不斷提升高級威脅檢測能力,朝著滿分進發(fā)。
      方法一
      目標明確,緊抓最新重要“考點”
      深信服NDR專門以“高級威脅”為攻克目標,精準針對隱秘隧道通信、加密流量、內(nèi)網(wǎng)異常行為/違規(guī)訪問、0day漏洞等新型威脅。在惡意攻擊“突擊考試”來臨之前,確保90%以上押題命中率,萬無一失。
      方法二
      構(gòu)建AI模型,無監(jiān)督主動學習
      從訓(xùn)練式學習到推理學習,做到不需要監(jiān)督,深信服NDR能夠主動學習,這便是“學霸”的高分密碼。如何理解有監(jiān)督學習和無監(jiān)督學習呢?
      有監(jiān)督學習,就像考試前一夜機械式記憶知識點,但有兩個風險:一是一旦考到未知的知識點,背再多也無濟于事,面對難題還是束手無策;二是如果只復(fù)習了加法的計算,一旦出現(xiàn)乘法題,同樣無從下手。這種情況下,無監(jiān)督學習就可以派上用場了。無監(jiān)督學習就是即便考到了沒有學過的知識點和算法,也能夠基于掌握的解題方法,舉一反三,輕松解決難題。
     
      深信服NDR掌握的這套“解題方法”到底是什么呢?
      日前,深信服NDR與全球權(quán)威IT研究與咨詢機構(gòu)Gartner聯(lián)合發(fā)布白皮書《使用AI對抗AI:NDR中的專用AI模型》。面對AI武器化的挑戰(zhàn),深信服NDR應(yīng)用AI技術(shù)來檢測高級威脅及現(xiàn)有安全工具無法檢測的網(wǎng)絡(luò)異常行為,實力展現(xiàn)“用魔法打敗魔法,以AI打敗AI”的能力。
      白皮書里對深信服NDR的AI技術(shù)應(yīng)用進行了闡述:一方面,構(gòu)建檢測威脅的專用 AI 模型,學習企業(yè)的業(yè)務(wù)模型形成基線,對偏離基線的異常行為進行告警,同時學習高級威脅和新型威脅的模型樣本,進行泛化處理,對符合威脅特征的異常行為進行告警;另一方面,利用AI模型消減安全告警,避免安全分析師淹沒在海量的告警日志中。
     
      內(nèi)容詳見鏈接:https://www.gartner.com/technology/media-products/newsletters/Sangfor/1-26PLU163/index.html
     
      以UEBA算法模型為核心,深信服NDR還可以實現(xiàn)7*24小時不間斷檢測多個會話流量。UEBA基于歷史數(shù)據(jù)獲取關(guān)于用戶和實體行為的基準,并以這個基準來持續(xù)對新產(chǎn)生的行為進行判斷,一旦最新的行為不符合該用戶的歷史行為模式,會判斷用戶出現(xiàn)行為異常,幫助用戶實現(xiàn)簡單有效運營。這就相當于,學霸會通過不斷復(fù)盤錯題、每天進行學習總結(jié),從而降低重復(fù)做錯題的幾率。
      
      行為模型檢測
      然而只會考高分可不是什么“真學霸”,來看深信服是如何通過AI學習到的能力應(yīng)用到實際場景里?
      場景一
      
      場景二
     
      在成為“NDR界學霸”的路上,必定遭受很多質(zhì)疑:
      把能力說得那么玄乎,一定有大量告警和誤報吧?
      檢測能力這么強,會不會增加運維工作量?
      ……
      逐個擊破質(zhì)疑,
      深信服NDR有充分的實力證明:
      簡單易用,讓每個用戶都會使用、看得懂
      創(chuàng)新突破的分層多流檢測技術(shù),實現(xiàn)精準檢測
      深信服NDR在業(yè)界創(chuàng)新突破分層多流檢測技術(shù),分為流量采集層、威脅感知層、威脅確認層、威脅分析層、響應(yīng)處置層,形成從網(wǎng)絡(luò)流量到響應(yīng)閉環(huán)的完整檢測鏈條。這種“地毯式”檢測技術(shù),威脅藏得再深,深信服NDR也能精準有效檢出。
      分層多流檢測技術(shù)架構(gòu)
      通過分層多流檢測技術(shù),安全威脅事件被劃分為日常運營與攻防對抗兩個優(yōu)先級,在日常運營場景中通過告警消減實現(xiàn)簡單運維,在攻防對抗場景中確認存在威脅,可進行自動聯(lián)動響應(yīng)與一鍵溯源。
      AI告警消減,實現(xiàn)簡化運維
      在運用分層多流檢測技術(shù)生成海量告警后,AI引擎通過攻擊方向判別、告警聚合、去除弱規(guī)則項、UEBA算法模型、云端持續(xù)更新等手段,再次過濾其中的誤報,確保提供給用戶的告警的準確率,實現(xiàn)簡化運維。
     
      AI告警消減
      SOAR自動聯(lián)動處置+黃金眼一鍵溯源,實現(xiàn)安全風險的落地
      面對已經(jīng)確認的安全威脅,深信服NDR圍繞SOAR(安全編排與自動化響應(yīng))的強大功能,涵蓋勒索病毒、僵尸網(wǎng)絡(luò)、漏洞攻擊、暴力破解等20+的事件類型,通過預(yù)定義/自定義組合多個元素(時間、風險等級、資產(chǎn)范圍)進行策略設(shè)定,自動聯(lián)動自有生態(tài)的下一代防火墻AF、終端檢測響應(yīng)平臺EDR、全網(wǎng)行為管理AC等閉環(huán)處置,甚至與第三方API接口跨生態(tài)聯(lián)動,將用戶的業(yè)務(wù)情況和安全等級,分為高、中、低威脅標簽化處理。
      通過深信服NDR“黃金眼”功能,用戶只需要根據(jù)IP/域名/URL/端口,便能輕松一鍵溯源,同時從攻擊時間、攻擊者信息、攻擊方式、攻擊規(guī)模等多維度分析,幫助用戶研判風險影響面。
      
      此外,深信服NDR能夠支持阿里云、騰訊云、亞馬遜AWS和VMware等主流云計算架構(gòu)和虛擬化平臺,與云上現(xiàn)有的防御體系構(gòu)建起互補完整的安防體系,重點解決云上全網(wǎng)安全在東西向流量上監(jiān)控盲區(qū)的問題,助力保障企業(yè)的云上安全。
      目前,深信服NDR在全球舞臺開始展露鋒芒,獲得歐洲、東南亞、中東地區(qū)等60+高端專業(yè)用戶認可,覆蓋制造業(yè)、金融、物流等行業(yè)。來源:深信服科技
     
    【免責聲明】本文僅代表作者本人觀點,與CTI論壇無關(guān)。CTI論壇對文中陳述、觀點判斷保持中立,不對所包含內(nèi)容的準確性、可靠性或完整性提供任何明示或暗示的保證。請讀者僅作參考,并請自行承擔全部責任。

    專題

    CTI論壇會員企業(yè)

    亚洲精品网站在线观看不卡无广告,国产a不卡片精品免费观看,欧美亚洲一区二区三区在线,国产一区二区三区日韩 南宫市| 河南省| 阳信县| 江油市| 鹤壁市| 武夷山市| 定州市| 天水市| 平度市| 临漳县| 仁化县| 临清市| 县级市| 闽清县| 新田县| 汨罗市| 吴桥县| 陵川县| 织金县| 武强县| 嵊泗县| 右玉县| 临海市| 阳原县| 昭通市| 黔南| 津南区| 嘉峪关市| 蛟河市| 伊川县| 霍山县| 上杭县| 观塘区| 磐石市| 大化| 瑞安市| 南昌市| 于田县| 榆树市| 钦州市| 卫辉市| http://444 http://444 http://444 http://444 http://444 http://444