那曲檬骨新材料有限公司

0
  • 聊天消息
  • 系統消息
  • 評論與回復
登錄后你可以
  • 下載海量資料
  • 學習在線課程
  • 觀看技術視頻
  • 寫文章/發帖/加入社區
會員中心
創作中心

完善資料讓更多小伙伴認識你,還能領取20積分哦,立即完善>

3天內不再提示

全球首款能夠利用自學習深度神經網絡且本地部署的網絡安全分析產品

倩倩 ? 來源:中國IDC圈 ? 2020-03-10 15:59 ? 次閱讀

提供全面,集成,自動化網絡安全解決方案的全球領導者Fortinet(NASDAQ:FTNT),今天正式發布FortiAI,全球首款能夠利用自學習深度神經網絡(DNN)且本地部署的網絡安全分析產品,能夠快速緩解威脅,并處理傳統情況需要人工執行且耗時的安全分析任務。FortiAI的Virtual Security AnalystTM (虛擬安全分析師)嵌入了業界最成熟之一的網絡安全人工智能,由Fortinet FortiGuard實驗室開發,直接部署到用戶網絡中,向用戶交付亞秒級高級威脅檢測與事件分析溯源能力。

Fortinet 首席營銷官兼產品執行副總裁John Maddison指出:“Fortinet在FortiGuard實驗室投入了巨大的資源,來實現基于云網絡的分發和產生AI驅動的威脅情報,讓我們能夠更快速更精確的檢測到更多威脅。FortiAI獲得了全部的FortiGuard實驗室所積累的知識與經驗,并將其部署到用戶本地。這種方式讓客戶直接在其自己的環境內獲得了FortiGuard實驗室強大的安全研究與分析能力,通過自學習AI來識別,分類和調查復雜威脅,這一切在一秒內即可完成。”

企業在面臨一場漫長而艱難的戰役

安全架構師在進行威脅發現、分析與溯源的過程中,面臨著眾多挑戰,包括:

網絡犯罪在變得愈發復雜。盡管傳統網絡威脅持續存在,由人工智能、機器學習和開源社區加持的高級復雜攻擊也在快速增長。結果就是,組織與其安全防線的升級難以跟上威脅發展的節奏。

攻擊平面在持續擴張。成百上千萬的新應用,持續增長的云用量,不斷增長的終端設備數量,創造了數以十億計的網絡邊緣,這些邊緣都需要安全團隊進行妥善的保護和管理。組織中的這些潛在威脅入口,成為了安全新挑戰。

安全團隊由于缺乏網絡安全技能而在工作中受到制約。網絡安全產業面臨技能短缺的現狀,這也成為組織中很重要的一個安全威脅。由于不具備足夠的專業技能來妥善對日益快速增長的攻擊和惡意文件進行甄別、分類、調查和響應,因此在潛在或現實層面上,讓網絡攻擊者更容易突破傳統安全流程和工具構建的防線。

自學習AI幫助組織有力應對威脅

為了解決安全專家如今面臨的上述挑戰,Fortinet推出了FortiAI Virtual Security AnalystTM (虛擬安全分析師)來加速威脅防御與處置。FortiAI能夠處理眾多耗時且需要安全專家人工進行的任務,節約安全專家的寶貴時間,讓他們處理更加有價值的安全任務。一旦將FortiAI部署到組織的網絡中,其自學習能力讓自己持續進化,變得更智能,成為組織的貼身AI安全分析師。

FortiAI結合了深度學習和深度神經網絡,能夠模擬人腦的神經元來處理復雜決策,對所部署在的組織中發現的特定威脅進行科學分析。隨著FortiAI的人工智能持續成熟,強大,組織將會獲益于擁有FortiAI虛擬安全分析師帶來的對威脅應對的高效轉變。

FortiAI平衡了攻防對抗的環境

Fortinet的深度神經網絡(DNN)讓FortiAI顛覆了傳統威脅防護的方式:

自動化執行需要人工處理的耗時工作,如實時進行威脅識別,分類和事件調查:組織使用的傳統安全流程結合有限的安全專業人力讓他們難以實現對每個威脅告警的深入調查。這帶來了更多的風險,包括由于響應速度慢帶來的不必要數據泄露和安全事故。FortiAI使用DNN來自動化進行事件調查,包括識別威脅及其在網絡中的移動軌跡,追溯初始感染者和后續一系列感染情況,這一切都在1秒內即可完成。

轉變安全處置流程,以立即檢測和響應攻擊:通過科學分析威脅特征和產生精確判定來加速威脅響應,FortiAI虛擬安全分析師可以顯著降低組織暴露給攻擊者的時間。

提供定制化的威脅情報來大幅度降低誤報:誤報是安全分析師在做事件調查時最為頭痛的問題之一,也讓安全分析師在甄別是否是真威脅上花費了更多時間。通過定制化的威脅情報,FortiAI可以立即使用其新學習到的惡意軟件特征來甄別新攻擊,以此降低誤報。

為無法聯網的環境也提供同樣先進的保護能力

FortiAI的另一個關鍵特點就是其提供了本地部署的AI平臺,能夠完整功能工作在組織的網絡環境中,即使這個網絡環境無法連接互聯網。工業環境,政府,金融,和一些大型企業有著很嚴格的合規要求或者安全策略和規范,限制其網絡連接互聯網。FortiAI的自學習AI模型不需要互聯網連接進行更新,也可以進行自學習和持續進化,讓組織的封閉網絡環境或有嚴格安全策略控制的網絡中也能持續對抗高級威脅。

Fortinet AI驅動的技術實現自動化威脅防御

Fortinet在使用人工智能技術幫助客戶強化安全態勢方面有著很長的歷史。除了最新的FortiAI以外,一些Fortinet已經向市場提供的服務和產品中也以不同方式使用了AI,比如最小平方優化和貝葉斯概率度量:

FortiGuard 威脅情報:FortiGuard實驗室使用的是Fortinet最成熟的人工智能系統-自演進式檢測系統(SEDS),以機器的速度和性能執行以往由人工操作的惡意軟件分析,每日分析超過1000億安全事件,并將產生的威脅情報通過FortiGuard實驗室全球分發網絡推送給所有擁有安全訂閱服務的Fortinet產品,包括旗艦產品FortiGate下一代防火墻。

FortiSandbox:Fortinet是第一家將AI引入到沙箱技術來自動進行入侵防御的安全廠商。FortiSandbox含有兩種機器學習模型:靜態分析和動態行為分析,來檢測未知威脅。即使在面對持續進化和變種的惡意軟件時也能始終保持極高檢出率,比如對抗勒索軟件和加密劫持。

FortiEDR:Fortinet的FortiEDR使用機器學習來自動化進行實時的終端防御,檢測與響應。

FortiInsight:FortiInsight使用機器學習執行有效的終端監控,數據流轉和用戶行為分析來檢測異常,可疑行為和策略違規,以幫助用戶應對內部威脅。

FortiWeb:為了更好的保護Web應用和API,FortiWeb引入了雙層機器學習模型來執行定制化的防御,對抗針對性攻擊。為用戶提供極低的誤報率,同時維持用戶良好的訪問體驗。

FortiSIEM:FortiSIEM在進行關聯分析時結合了機器學習來識別典型用戶行為,如訪問位置,時間,使用設備,和訪問的特定服務器。

隨著攻擊者使用復雜攻擊手段在不斷擴張的數字化攻擊平面中尋找可被利用的漏洞,Fortinet Security Fabric提供了廣泛且深入的AI驅動的安全技術,幫助用戶獲得無以倫比的實時且自動化的威脅防御,檢測和響應能力。

聲明:本文內容及配圖由入駐作者撰寫或者入駐合作網站授權轉載。文章觀點僅代表作者本人,不代表電子發燒友網立場。文章及其配圖僅供工程師學習之用,如有內容侵權或者其他違規問題,請聯系本站處理。 舉報投訴
  • 神經網絡
    +關注

    關注

    42

    文章

    4781

    瀏覽量

    101178
  • 自動化
    +關注

    關注

    29

    文章

    5622

    瀏覽量

    79671
  • 機器學習
    +關注

    關注

    66

    文章

    8441

    瀏覽量

    133089
收藏 人收藏

    評論

    相關推薦

    Moku人工神經網絡101

    Moku3.3版更新在Moku:Pro平臺新增了全新的儀器功能【神經網絡】,使用戶能夠在Moku設備上部署實時機器學習算法,進行快速、靈活的信號分析
    的頭像 發表于 11-01 08:06 ?363次閱讀
    Moku人工<b class='flag-5'>神經網絡</b>101

    神經網絡辨識模型具有什么特點

    ,可以對未知數據進行預測,具有很好的泛化能力。 自學習能力 :神經網絡通過反向傳播算法等優化算法,可以自動調整網絡參數,實現自學習。 并行處理能力 :
    的頭像 發表于 07-11 11:12 ?533次閱讀

    簡單認識深度神經網絡

    深度神經網絡(Deep Neural Networks, DNNs)作為機器學習領域中的一種重要技術,特別是在深度學習領域,已經取得了顯著的
    的頭像 發表于 07-10 18:23 ?1189次閱讀

    人工神經網絡模型包含哪些層次

    人工神經網絡(Artificial Neural Network,ANN)是一種模擬人腦神經網絡的計算模型,具有自適應、自學習、泛化能力強等特點。本文將詳細介紹人工神經網絡模型的各個層
    的頭像 發表于 07-05 09:17 ?716次閱讀

    深度神經網絡與基本神經網絡的區別

    在探討深度神經網絡(Deep Neural Networks, DNNs)與基本神經網絡(通常指傳統神經網絡或前向神經網絡)的區別時,我們需
    的頭像 發表于 07-04 13:20 ?1064次閱讀

    反向傳播神經網絡優點和缺點有哪些

    、自然語言處理等。然而,BP神經網絡也存在一些優點和缺點。本文將介紹BP神經網絡的優點和缺點。 一、BP神經網絡的優點 自學習能力:BP神經網絡
    的頭像 發表于 07-03 11:05 ?1102次閱讀

    神經網絡擬合的誤差怎么分析

    神經網絡擬合誤差分析是一個復雜深入的話題,涉及到多個方面,需要從數據質量、模型結構、訓練過程和正則化方法等多個角度進行綜合考慮。 引言 神經網絡是一種強大的機器
    的頭像 發表于 07-03 10:36 ?680次閱讀

    神經網絡算法的優缺點有哪些

    的優點 自學習能力:神經網絡算法具有強大的自學習能力,能夠從大量數據中自動提取特征,無需人工干預。這使得神經網絡算法在處理復雜問題時具有很高
    的頭像 發表于 07-03 09:47 ?1655次閱讀

    卷積神經網絡訓練的是什么

    卷積神經網絡(Convolutional Neural Networks,簡稱CNN)是一種深度學習模型,廣泛應用于圖像識別、視頻分析、自然語言處理等領域。本文將詳細介紹卷積
    的頭像 發表于 07-03 09:15 ?521次閱讀

    深度學習與卷積神經網絡的應用

    隨著人工智能技術的飛速發展,深度學習和卷積神經網絡(Convolutional Neural Network, CNN)作為其中的重要分支,已經在多個領域取得了顯著的應用成果。從圖像識別、語音識別
    的頭像 發表于 07-02 18:19 ?1054次閱讀

    卷積神經網絡和bp神經網絡的區別

    化能力。隨著深度學習技術的不斷發展,神經網絡已經成為人工智能領域的重要技術之一。卷積神經網絡和BP神經
    的頭像 發表于 07-02 14:24 ?4717次閱讀

    反向傳播神經網絡模型的特點

    的應用,如圖像識別、語音識別、自然語言處理等。 BP神經網絡的特點 1.1 多層結構 BP神經網絡由輸入層、多個隱藏層和輸出層組成。輸入層的節點數與問題的特征維度相同,輸出層的節點數與問題的輸出維度相同。隱藏層的層數和節點數可以根據問題的復雜程度進行調整。 1.2
    的頭像 發表于 07-02 14:14 ?466次閱讀

    基于神經網絡算法的模型構建方法

    和應用等方面。 1. 引言 神經網絡是一種模擬人腦神經元網絡的計算模型,由大量的節點(神經元)和連接(突觸)組成。神經網絡具有自學習能力,
    的頭像 發表于 07-02 11:21 ?660次閱讀

    深度神經網絡模型有哪些

    、Sigmoid或Tanh。 卷積神經網絡(Convolutional Neural Networks,CNN): 卷積神經網絡深度學習中最重
    的頭像 發表于 07-02 10:00 ?1644次閱讀

    利用深度循環神經網絡對心電圖降噪

    具體的軟硬件實現點擊 http://mcu-ai.com/ MCU-AI技術網頁_MCU-AI 我們提出了一種利用由長短期記憶 (LSTM) 單元構建的深度循環神經網絡來降 噪心電圖信號 (ECG
    發表于 05-15 14:42
    大发888捕鱼| 博之道百家乐官网的玩法技巧和规则 | 百家乐怎么赢对子| 24山是什么意思| 哪个百家乐最好| 百家乐账号变动原因| 百家乐手机投注平台| 澳门百家乐线上娱乐城| 至尊百家乐奇热| 百家乐游戏免费| 赌博百家乐游戏| 百家乐真人玩下载| 巴黎人百家乐的玩法技巧和规则| 24山消砂| 百家乐庄闲筹码| 威尼斯人娱乐城备用网| 大发888注册步骤| 太阳城百家乐杀猪吗| 中华百家乐的玩法技巧和规则| 大发888游戏代充| 金濠国际网| 哪个百家乐官网玩法平台信誉好 | 棋牌室名字| 百家乐官网的嬴钱法| 百家乐官网赌场讨论群| 千亿百家乐官网的玩法技巧和规则| 百家乐赢的方法| 百家乐博乐城| 香港六合彩直播| 德州扑克学校| 百家乐官网怎么才赢| 百家乐官网乐翻天| 百家乐娱乐城官方网| 大发888是真的吗| 子长县| 百家乐官网如何买大小| 百家乐客户端软件| 大发888手机真钱游戏| 镇赉县| 太阳百家乐官网代理| 百家乐电器维修|