至顶网网络频道 06月11日 综合消息: 网络安全解决方案提供商 CheckPoint 软件技术有限公司(纳斯达克股票代码:CHKP)今天宣布推出面向大型企业和数据中心的全新网络安全产品套件,旨在提供业界领先的 Tbps(每秒位数)级第五代威胁防护技术,同时不会影响网络性能、正常运行时间或可扩展性。
16000 和 26000 安全网关采用 Check Point Infinity 架构,集成了 Check Point 的 ThreatCloud 和屡获殊荣的 SandBlast零日保护技术。这些模块化网关具有基础版、增强版和 turbo 版,可提供高达 24 Gbps 的第五代威胁防护安全吞吐量,支持高达 100 GbE 的连接标准,并采用了面向多达 64 个网络接口的扩展选项。
Check Point 软件公司首席执行官兼创始人 Gil Shwed 表示:“第五代网络攻击已经影响到了 20 亿消费者和 46% 的企业,但大多数组织仍然停留在第二代和第三代安全防护技术上。通过与 Maestro Orchestrator 安全解决方案相互配合,我们的新网关将能够使我们的大型企业客户以行业领先的检测速率实现前所未有的第五代安全级别。”
几周前,首席执行官兼创始人 Gil Shwed 在 CPX 纽约大会上宣布推出最新版 Check Point R80.30 软件,该软件开创了提取 Web 威胁的行业先例,并采用了正在申请专利的 TLS/SSL 检查技术。
R80.30 凭借业内首个 Web 威胁提取功能开启了安全防护的新时代,提供了针对高级威胁的实用防护技术。有了 R80.30,管理员将再也不必为了效率而牺牲安全。R80.30 第五代威胁防护解决方案可以实时保护用户免受恶意 Web 下载的影响。威胁提取功能可删除存在安全漏洞的内容,重建文件以消除潜在威胁,并及时将干净的内容传输给用户。此外,威胁防护仪表板可跨所有网络、移动设备和端点提供全面的可见性。
最新版 R80.30 采用了正在申请专利的新型传输层安全 (TLS) 技术,其先进的 SSL 检查功能可使企业快速检查使用 SSL 加密的网络流量,躲避服务器名称指示 (SNI) 操作等网络攻击技术,并在安全和隐私之间取得适当的平衡。由于 90% 的 Web 流量都进行了加密处理,Check Point 的 SSL 检查创新技术将会为全球企业带来重大影响。
R80 集成了 160 多项技术和 100 项新功能,是适用于数据中心、云、移动端和端点的业界最先进的威胁防御和安全管理软件。R80.30 的创新特性可使全新 16000 和 26000 网关实现业界领先的威胁防御性能,同时通过单一控制台简化管理流程。
业界首个超大规模网络安全解决方案 Check Point Maestro Hyperscale Orchestrator 能够使单个 Check Point 网关在几分钟内扩展到 52 个网关的容量和性能。这种近乎无限的可扩展性加之 Tbps 级防火墙吞吐量可提供云级弹性和可靠性,能够使组织支持 5G 网络高数据速率和超低延迟,同时确保运行要求最苛刻的网络计算工作负载。
通过结合使用 R80.30 软件、16000/26000 安全网关和 Maestro Orchestrator,Check Point 客户能够获得 Tbps 级威胁防御性能,从而实现超大规模网络安全性。
Check Point的全球合作伙伴网络将于 2019 年 6 月开始提供 16000 和 26000 设备。
好文章,需要你的鼓励
Liquid AI发布了新一代视觉语言基础模型LFM2-VL,专为智能手机、笔记本电脑和嵌入式系统等设备高效部署而设计。该模型基于独特的LIV系统架构,GPU推理速度比同类模型快2倍,同时保持竞争性能。提供450M和1.6B两个版本,支持512×512原生分辨率图像处理,采用模块化架构结合语言模型和视觉编码器。模型已在Hugging Face平台开源发布。
AIM Intelligence联合多所知名大学揭示了音频AI系统的重大安全漏洞,开发出名为WhisperInject的攻击方法。这种攻击能让看似无害的音频指令操控AI生成危险内容,成功率超过86%,完全绕过现有安全机制。研究暴露了多模态AI系统的系统性安全风险,对全球数十亿智能设备构成潜在威胁。
阿里团队推出首个AI物理推理综合测试平台DeepPHY,通过六个物理环境全面评估视觉语言模型的物理推理能力。研究发现即使最先进的AI模型在物理预测和控制方面仍远落后于人类,揭示了描述性知识与程序性控制间的根本脱节,为AI技术发展指明了重要方向。
新加坡国立大学研究团队系统梳理了视觉强化学习领域的最新进展,涵盖超过200项代表性工作。研究将该领域归纳为四大方向:多模态大语言模型、视觉生成、统一模型框架和视觉-语言-动作模型,分析了从RLHF到可验证奖励范式的政策优化策略演进,并识别出样本效率、泛化能力和安全部署等关键挑战,为这一快速发展的交叉学科提供了完整的技术地图。