至顶网网络与安全频道 01月16日 综合消息: 2020年1月15日,网络安全解决方案提供商 Check Point® 软件技术有限公司(纳斯达克股票代码:CHKP)今天宣布推出 Fast Track 网络安全解决方案,这套全新的解决方案能够为分支机构、企业数据中心等提供前所未有的防护、可扩展性以及轻松部署和控制的能力。
根据 IBM 2019 年数据泄露成本研究,恶意攻击的生命周期(从攻破防护到有效控制)平均为 314 天,平均给组织造成 390 万美元的损失。Check Point Fast Track 网络安全解决方案直接解决了当今企业面临的三大安全挑战:缺乏一套完整的安全技术来防御第五代高级网络攻击;无法根据业务需求快速扩展安全性;安全管理流程复杂无章。
Enterprise Strategy Group (ESG) 高级首席分析师 John Grady 表示:“安全漏洞正在以惊人的速度持续影响着全球企业。随着攻击效率的提高,攻击者能够在更短的时间内造成更大的破坏,漏洞造成的成本继续攀升。企业需要敏捷的网络安全解决方案,帮助他们主动防御漏洞,避免遭到攻击。Check Point 通过不断革新威胁防御技术和性能,为企业提供了按需扩展能力,帮助他们在攻击环境中抢占先机,同时满足不断变化的业务需求。”
Fast Track 网络安全套件采用了面向分支机构和中型企业的五种新型 Check Point 量子安全网关,以及一种为大型企业和数据中心的 Maestro Hyperscale 编排而设计的网关。 所有网关均采用 Check Point ThreatCloud 及其屡获殊荣的 SandBlast 零日保护。新系列包括面向分支机构的 3600 网关和面向企业数据中心的 16000 Turbo Hyperscale 网关。所有 Fast Track 网络安全解决方案都采用了 Check Point R80 统一安全软件的最新版 R80.40,R80.40 具有 100 多种新特性,可扩展防护、简化流程并提高工作效率。
Check Point 发言人表示:“Fast Track 网络安全解决方案背后的原理非常简单。它帮助企业在其基础设施的所有节点上部署业界领先的威胁防御功能,并根据不断变化的业务需求近乎无限地扩展安全性。 同时,它还大大提高了企业的安全运营效率。即使面对最高级的攻击,企业也能够进行有效阻止和拦截,避免业务中断。”
与竞争对手的高端设备相比,新型 Fast Track 网络安全系列网关的性能均提高了一倍,能耗降低了一半。网关系列包括:
如 NSS 实验室最近执行的漏洞防御系统 (BPS) 小组测试所示,所有网关均实现了 100% 的电子邮件和 Web 恶意软件防护率、漏洞利用拦截率和感染后捕获率。 它们还具有超快的 SSL 加密流量检查功能,确保提供最高安全保障,并且可随时进行超大规模扩展,能够将威胁防御性能扩展至 1.6 Tera-bps。 这些设备还配备了两个企业级固态盘存储,并且能够基于动态工作负载技术提供更快的处理速度,充分利用 CPU 资源。
R80 是业界最先进的威胁防御与安全管理软件,可应用于数据中心、云、移动、端点和物联网。最新版 R80.40 具有 100 多种新特性,包括零接触部署功能,该功能可在五分钟内完成新安全设备的设置和运行。它还支持 Check Point IoT Security,该功能可自动执行物联网设备的策略。
通过无缝全面整合企业安全环境,R80 能够让企业在可自定义的可视仪表盘中全面了解其整个网络架构的安全性,支持其直接从 Web 浏览器轻松高效地管理最复杂的环境。
Fast Track 网络安全将先进的新型量子安全网关、Maestro Hyperscale 技术与创新的 R80.40 软件相结合,可为 Check Point 客户提供 TB 级威胁防御性能,快速获得超大规模网络安全,同时加速和简化管理流程。
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。