近年来,以信息化、网络化、智能化为代表,数字化转型的深入为经济发展带来新的动能,同时也让业务系统面临更大的网络威胁。对于各行业信息化部门来说,等保建设、测评或者整改成为当前重要工作之一。
所谓不打无准备之仗,为了帮助广大中小企业和政府机构快速实现等保合规的体系化建设,4月8日,紫光旗下新华三集团全新发布安管一体机2.0,通过重构管理平台,全力打造“一体管理”、“集、简配置”、“合规可视”三大核心特性,集成更丰富的功能组件,增强使用体验,帮助用户更高效、全面的完成安全建设。本次发布的新华三安管一体机2.0产品主要面向等保三级要求,除了原有的漏洞扫描、日志审计、运维审计等核心能力外,还新增了数据库审计、终端安全等功能模块,全面满足各行业用户对等保2.0中管理审计类的合规要求。
等保建设与运维中的三大困局
硬件堆叠 建设繁琐
建设阶段:为了满足等级保护要求中的各项控制点,缺乏规模化安全团队的中小企业和政府机构,往往盲目添加各种安全硬件设备。这不仅导致机房空间紧张、功能重复、投资浪费,而且一旦设备品牌不统一,不仅会提高沟通、适配的成本,也会拉长采购、实施周期。
设备割裂 运维复杂
设备配置阶段:由于各类安全产品都有各自独立的管理平台,需要用户在多台设备上跨平台分别配置安全策略,既复杂又容易出错。
服务脱节 响应滞后
运维阶段:受限于人员不足及缺乏集中管理平台,不同设备间缺乏策略和数据的协同联动和集中展示,导致现网安全情况无法有效掌控,无法针对安全事件进行快速响应和闭环处置,致使安全风险被忽略或安全事件爆发。
小场景轻量化 一机打破等保建设困局
新华三安管一体机2.0主打“小场景轻量化”,本次全新升级主要体现在“一体管理”、“集、简配置”、“合规可视”三大特性上,能够有效化解中小企业及政府机构在等保建设过程中遭遇到的各类困局。以一台硬件设备交付,实现多种安全功能统一高效管理与集中展示,让繁琐的等保建设变得简单,复杂的安全策略配置变得高效,滞后的服务响应变得及时。
一体管理
新华三安管一体机2.0通过重构统一管理平台,实现统一界面管理,功能上将“系统管理、审计管理、安全(主机)管理”整合形成多态化安全管理中心,在整网架构零影响的前提下,统一UI,统一运维,实现真正的“一体化管理”,达到1+1大于2的高效防护。设备割裂、运维复杂的困扰,一机搞定。
集、简配置
新华三安管一体机2.0将等保建设所需的多种硬件设备模块化并集成到一台硬件中,在提供堡垒机、漏洞扫描、日志审计、终端、数据库审计、安全运营平台等多种安全能力的同时,更是提供常用配置模板,支持应用策略一键下发与集中管理,不同组件间的配置还可互相关联,例如新增一台数据库服务器,数据库审计组件发现后可报告给漏扫组件进行一次漏洞扫描,避免新的业务系统带来新的安全风险。大幅提升部署速度与产品易用性的同时,简化、优化安全策略配置,在大部分场景下,半个小时即可完成产品上架,还不用担心错配漏配的情况发生。
合规可视
新华三安管一体机2.0通过对各组件日志、告警等相关信息进行关联分析,从而实现重要告警集中展示,各维度报表统一定义、统一提取,提供对内网资产安全状况打分,并通过大屏统一可视化分析展示,可以有效避免由于信息孤岛造成的服务脱节,响应滞后的问题,帮助用户直观洞察内网安全现状,迅速处置安全风险。
等保合规建设是一次大考,企业与机构要想在这次考试中赢得好成绩,高效实用的安全利器显然必不可少。自2019年7月新华三集团推出安管一体机X6010以来,不到一年已经服务了地市政府机构、高校职教、地方医院以及能源煤炭等数百个用户。本次产品全新升级,正是基于充分的市场打磨,进一步优化、完善产品功能特性后的最佳实践成果。新华三作为我国网络安全等级保护工作的重要参与者与践行者,将持续凭借安全可信的产品、服务和解决方案,积极推进行业客户在数字化转型过程中的网络安全体系建设,助力数字经济发展稳步前行。
好文章,需要你的鼓励
很多人担心被AI取代,陷入无意义感。按照杨元庆的思路,其实无论是模型的打造者,还是模型的使用者,都不该把AI放在人的对立面。
MIT研究团队提出递归语言模型(RLM),通过将长文本存储在外部编程环境中,让AI能够编写代码来探索和分解文本,并递归调用自身处理子任务。该方法成功处理了比传统模型大两个数量级的文本长度,在多项长文本任务上显著优于现有方法,同时保持了相当的成本效率,为AI处理超长文本提供了全新解决方案。
谷歌宣布对Gmail进行重大升级,全面集成Gemini AI功能,将其转变为"个人主动式收件箱助手"。新功能包括AI收件箱视图,可按优先级自动分组邮件;"帮我快速了解"功能提供邮件活动摘要;扩展"帮我写邮件"工具至所有用户;支持复杂问题查询如"我的航班何时降落"。部分功能免费提供,高级功能需付费订阅。谷歌强调用户数据安全,邮件内容不会用于训练公共AI模型。
华为研究团队推出SWE-Lego框架,通过混合数据集、改进监督学习和测试时扩展三大创新,让8B参数AI模型在代码自动修复任务上击败32B对手。该系统在SWE-bench Verified测试中达到42.2%成功率,加上扩展技术后提升至49.6%,证明了精巧方法设计胜过简单规模扩展的技术理念。