至顶网网络与安全频道 07月20日 综合消息: 近日,网络安全解决方案供应商 Check Point 软件技术有限公司(纳斯达克证券代码:CHKP)推出了物联网防护 (IoT Protect) 解决方案,可保护智慧建筑、智慧城市、医疗保健、工业和关键基础设施环境的物联网设备和网络免遭先进的第六代网络攻击。该解决方案利用威胁情报和创新的物联网专用安全服务,提供了强大的威胁防护和安全管理功能,可以阻止物联网网络层和设备层的未知网络攻击。
商业、工业、医疗保健和公用事业部门的大多数组织已经部署了物联网和运营技术 (OT) 解决方案,这显著加剧了组织面临的网络风险。许多物联网设备存在漏洞、无法修补或使用了不安全的通信协议。此外,组织的设备来自多个供应商,类型多样,其中许多影子设备未被纳入管理,未经授权就连接到网络,因此组织对这些设备及其相关风险的发现和控制能力非常有限。Check Point 最近所作的一项调查* 显示:90% 的受访者表示组织的网络中有影子物联网设备,44% 的受访者表示他们至少有一半的物联网设备是在 IT 或安全团队不知情的情况下连接的。只有 11% 的受访者表示,他们已经全面实施了物联网安全解决方案,而 52% 的受访者根本没有部署物联网安全解决方案。
因此,67% 的企业和 82% 的医疗保健机构曾遭遇过物联网相关网络事件。随着针对物联网设备和网络的攻击日益增多,再加上新冠疫情迫使人们迅速转向远程办公,组织需要采用最先进的全面安全架构,以识别易受攻击的物联网设备,实施保护,并阻止狡诈的网络威胁。
“连接到互联网的物联网设备数量不断增多,到 2025 年将达到 416 亿。网络犯罪已瞄准包括医疗、工业、智慧建筑、智能办公室在内的所有行业的物联网设备,因此企业需要将安全问题列入工作重点。鉴于物联网设备数量巨大、种类繁多,组织需要一种简单的安全方案部署方式。”IDC 安全与信任研究总监 Robyn Westervelt 表示。Check Point 全面的 IoT Protect 安全解决方案利用自动化和威胁情报,可提供设备风险评估、网络分段和针对最复杂网络攻击的威胁防护。
Check Point的 IoT Protect 配合 Check Point 安全网关以及支持设备运行时防护的 IoT Protect Nano-Agents 共同提供网络层安全和策略管理。IoT Protect 与医疗保健、工业、智能办公和智慧建筑领域的行业领先物联网资产发现平台相集成,为数十万台物联网设备提供安全保障。该解决方案提供:
跨国制药和生物技术公司 CIPLA 有限公司的数字风险官兼首席信息安全官 Kalpesh Shah 表示:“我们希望确保对 IT 网络以及生产设施中运营技术 (OT) 网络上的所有设备获得完全的安全可视化和控制力。”“使用 Check Point IoT Protect 解决方案,我们能够发现运营技术网络上的所有设备,识别其漏洞,并应用虚拟补丁,从而消除这些系统面临的安全威胁。我们还能屏蔽所有不必要的设备通信,大大提高运营技术的性能。”
“从 IP 摄像头到智能电梯、医疗设备和工业控制器,许多物联网设备都存在固有漏洞,容易遭受攻击。但由于设备种类繁多,保护不断增长的设备网络难度很大,这意味着组织本身极易遭受攻击,”Check Point 副总裁、产品经理 Itai Greenberg 说道。“Check Point IoT Protect 独树一帜,可为组织提供一个完整的端到端的安全结构,提供网络层和设备层防护,并且非常易于设置和管理。它甚至可以保护不可修补的遗留设备,防止各种类型的攻击或漏洞利用,防止对关键流程的中断和破坏。”
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。