国产精品久久久aaaa,日日干夜夜操天天插,亚洲乱熟女香蕉一区二区三区少妇,99精品国产高清一区二区三区,国产成人精品一区二区色戒,久久久国产精品成人免费,亚洲精品毛片久久久久,99久久婷婷国产综合精品电影,国产一区二区三区任你鲁

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
加入交流群
微信小助手二維碼

掃碼添加小助手

加入工程師交流群

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

    4838

    瀏覽量

    107768
  • 自動化
    +關注

    關注

    31

    文章

    5933

    瀏覽量

    90239
  • 機器學習
    +關注

    關注

    66

    文章

    8553

    瀏覽量

    136948
收藏 人收藏
加入交流群
微信小助手二維碼

掃碼添加小助手

加入工程師交流群

    評論

    相關推薦
    熱點推薦

    面向嵌入式部署神經網絡優化:模型壓縮深度解析

    1.為什么需要神經網絡模型壓縮? 神經網絡已經成為解決復雜機器學習問題的強大工具。然而,這種能力往往伴隨著模型規模和計算復雜度的增加。當輸入維度較大(例如長時序窗口、高分辨率特征空間)時,模型需要
    的頭像 發表于 02-24 15:37 ?4745次閱讀
    面向嵌入式<b class='flag-5'>部署</b>的<b class='flag-5'>神經網絡</b>優化:模型壓縮<b class='flag-5'>深度</b>解析

    神經網絡的初步認識

    日常生活中的智能應用都離不開深度學習,而深度學習則依賴于神經網絡的實現。什么是神經網絡
    的頭像 發表于 12-17 15:05 ?325次閱讀
    <b class='flag-5'>神經網絡</b>的初步認識

    人工智能時代,如何打造網絡安全“新范式”

    在當今信息化迅速發展的時代,5G、大數據、云計算、深度學習等新興技術的廣泛應用,帶來了前所未有的網絡安全挑戰。人工智能技術的崛起,為網絡安全領域提供了新的解決方案,尤其在威脅識別、告警
    的頭像 發表于 12-02 16:05 ?484次閱讀

    攻擊逃逸測試:深度驗證網絡安全設備的真實防護能力

    攻擊逃逸測試通過主動模擬協議混淆、流量分割、時間延遲等高級規避技術,能夠深度驗證網絡安全設備的真實防護能力。這種測試方法不僅能精準暴露檢測引擎的解析盲區和策略缺陷,還能有效評估防御體系在面對隱蔽攻擊
    發表于 11-17 16:17

    NMSIS神經網絡庫使用介紹

    NMSIS NN 軟件庫是一組高效的神經網絡內核,旨在最大限度地提高 Nuclei N 處理器內核上的神經網絡的性能并最??大限度地減少其內存占用。 該庫分為多個功能,每個功能涵蓋特定類別
    發表于 10-29 06:08

    在Ubuntu20.04系統中訓練神經網絡模型的一些經驗

    本帖欲分享在Ubuntu20.04系統中訓練神經網絡模型的一些經驗。我們采用jupyter notebook作為開發IDE,以TensorFlow2為訓練框架,目標是訓練一個手寫數字識別的神經網絡
    發表于 10-22 07:03

    CICC2033神經網絡部署相關操作

    在完成神經網絡量化后,需要將神經網絡部署到硬件加速器上。首先需要將所有權重數據以及輸入數據導入到存儲器內。 在仿真環境下,可將其存于一個文件,并在 Verilog 代碼中通過 readmemh 函數
    發表于 10-20 08:00

    液態神經網絡(LNN):時間連續性與動態適應性的神經網絡

    神經元,但卻能產生復雜的行為。受此啟發,與傳統的神經網絡相比,LNN旨在通過模擬大腦中神經元之間的動態連接來處理信息,這種網絡能夠順序處理數
    的頭像 發表于 09-28 10:03 ?1220次閱讀
    液態<b class='flag-5'>神經網絡</b>(LNN):時間連續性與動態適應性的<b class='flag-5'>神經網絡</b>

    神經網絡的并行計算與加速技術

    問題。因此,并行計算與加速技術在神經網絡研究和應用中變得至關重要,它們能夠顯著提升神經網絡的性能和效率,滿足實際應用中對快速響應和大規模數據處理的需求。神經網絡并行
    的頭像 發表于 09-17 13:31 ?1127次閱讀
    <b class='flag-5'>神經網絡</b>的并行計算與加速技術

    如何在機器視覺中部署深度學習神經網絡

    圖 1:基于深度學習的目標檢測可定位已訓練的目標類別,并通過矩形框(邊界框)對其進行標識。 在討論人工智能(AI)或深度學習時,經常會出現“神經網絡
    的頭像 發表于 09-10 17:38 ?901次閱讀
    如何在機器視覺中<b class='flag-5'>部署</b><b class='flag-5'>深度</b><b class='flag-5'>學習</b><b class='flag-5'>神經網絡</b>

    DEKRA德凱產品網絡安全全球準入深圳研討會順利舉行

    隨著全球網絡安全監管政策不斷趨嚴,尤其是歐盟無線電設備指令(RED)的網絡安全要求已于2025年8月1日正式強制實施,網絡安全已經成為全球產品
    的頭像 發表于 08-28 15:50 ?642次閱讀

    神經網絡專家系統在電機故障診斷中的應用

    摘要:針對傳統專家系統不能進行自學習、自適應的問題,本文提出了基于種經網絡專家系統的并步電機故障診斷方法。本文將小波神經網絡和專家系統相結合,充分發揮了二者故障診斷的優點,很大程度上降低了對電機
    發表于 06-16 22:09

    神經網絡RAS在異步電機轉速估計中的仿真研究

    眾多方法中,由于其結構簡單,穩定性好廣泛受到人們的重視,已被用于產品開發。但是MRAS仍存在在低速區速度估計精度下降和對電動機參數變化非常敏感的問題。本文利用神經網絡的特點,使估計更
    發表于 06-16 21:54

    AI神經網絡降噪算法在語音通話產品中的應用優勢與前景分析

    的語音保真度以及更低的延遲,能夠有效應對復雜噪聲場景。本文將探討AI神經網絡降噪在語音通話產品中的核心優勢,并分析其未來發展趨勢和市場前景
    的頭像 發表于 05-16 17:07 ?1513次閱讀
    AI<b class='flag-5'>神經網絡</b>降噪算法在語音通話<b class='flag-5'>產品</b>中的應用優勢與前景<b class='flag-5'>分析</b>

    芯資訊|WTK6900系列語音識別芯片IC自學習功能解析

    自學習功能,為用戶提供了靈活高效的語音交互解決方案。本文將深入解析這一核心技術的工作原理及操作流程。一、智能自學習功能概述WTK6900系列芯片支持多模態學習方式,
    的頭像 發表于 03-20 08:52 ?1000次閱讀
    芯資訊|WTK6900系列語音識別芯片IC<b class='flag-5'>自學習</b>功能解析