5月18日,在“超越想象”山石网科容器安全发布会上,山石网科正式发布云安全新品——山石云铠。至此,山石网科云计算安全版图补全“容器安全”板块,已完成目前主流虚拟化技术及云服务场景网络安全产品的全面覆盖。
山石网科云安全业务群总经理余滔表示,山石云铠同时符合容器业务运维习惯和传统安全运维习惯,具备容器镜像风险管理、资产与业务可视化、进程与网络访问控制能力,山石网科可以将其与原有云安全产品深度整合,为用户提供国内首个闭环的容器安全解决方案。
超越想象,云原生安全防护正当时
作为中国云安全领域的先行者,山石网科早在2013年便开始布局云计算安全。近年来,随着云计算的快速发展,容器技术进入了人们的视野,并因其轻量化、开发敏捷性和可移植性等特点,逐渐为更多的企业采用和部署。据赛迪研究院统计预测,2019-2022年容器云平台市场规模将以超过100%增长率爆发式增长,行业渗透也将从互联网向更多的传统行业,如金融、政府、电信等行业扩展。
随着越来越多的用户采用容器技术构建业务,容器和容器编排平台的安全漏洞也不断被黑客挖掘出来,针对容器业务的攻击事件逐年增多,容器安全成为用户采用容器技术构建业务过程中必须要考虑的问题。
容器技术的全新架构,却使得传统的云安全解决方案难以适用。容器业务涉及持续运营,与传统网络安全相比,容器安全的防护范围需要前移、粒度更细。据Gartner的分析,在容器的开发、部署、运行的全生命周期中,存在11层的潜在攻击面。在当前主流的行业标准和安全指南中,也反复提到开发安全、镜像安全、运行时安全等层面的问题。
山石网科针对客户的实际使用场景,基于对云安全技术的前瞻性预研,结合容器技术最新的发展方向,发挥自身的研发优势,推出了全新的容器安全系统——山石云铠(CloudArmour)。
山石云铠 :先看清 再管控
基于“先看清,再管控”的理念,山石云铠以镜像、应用、网络、集群四大分类梳理容器云环境中核心资产信息,实现分类管理,并实时同步k8s资产数据的变化。此外,山石云铠具备丰富的容器镜像漏洞管理功能,通过对宿主机内的镜像扫描和对仓库镜像的扫描,实现全域资产可视化。
在应用和网络安全层面,山石云铠部署在节点中的安全服务容器具备防火墙能力,适应容器平台各种CNI类型,实现从应用外的网络连接和访问控制,到应用间、容器间的访问控制全覆盖,助用户掌握容器云网络东西/南北向行为。山石云铠还会对运行时的行为进行监控,从进程、网络服务、文件操作、系统指令四个维度行为建模,对应用的活动展开行为模型自学习,根据活动模型配置安全策略,告警/拦截越权行为。
山石云铠采用全分布式架构,遵循云原生的运维习惯,将安全服务容器分散部署到各个容器计算节点内,提供本地化容器安全防护能力,提供一致性的运维体验,节约算力,构建全方位、零打扰、一站式容器安全服务系统。
补全版图,可持续安全运营落地云端
山石云铠的发布,进一步完善了针对客户云原生安全需求中的一环,可以与山石云·界、云·格、云·集、云·池等产品一道,为客户提供针对公有云、私有云、混合云的云安全方案。
在云原生领域,DevOps把开发和运营结合起来,关注持续运营。对云原生安全,亦是如此,云铠产品在设计之初就考虑到静态安全与动态安全结合,把安全能力与服务结合,轻量灵活,持续迭代,这是可持续安全运营在云安全领域的实践。
从云平台大边界,到租户小边界,再往内深入,到虚机容器的微边界,山石网科为客户提供从大到小、由外往内的虚拟化纵深化防御能力。从网络安全,到应用安全与数据安全,再到主机安全与安全管理平台,山石网科为客户提供由浅入深的业务纵深防御能力。再结合威胁情报与大数据分析,山石网科可以为客户提供全方位云计算安全方案,支撑客户云业务的可持续安全运营。
好文章,需要你的鼓励
Zoom发布全新智能代理AI功能,旨在帮助用户在工作中节省时间。新的自定义AI助手插件可连接16多个第三方应用,无需离开Zoom界面。该AI助手现已支持在线购买并可集成到微软Teams和谷歌Meet等第三方会议平台。智能代理AI能够独立运行,自动执行任务、收集数据并达成目标。新功能包括日程管理、会议录制剪辑生成、文档创作辅助等,月费12美元。
加州大学伯克利分校研究团队开发出革命性的R2R2R系统,仅需智能手机拍摄和一段演示视频,就能自动生成大量机器人训练数据。该系统绕过了传统昂贵的远程操作和复杂物理仿真,通过3D重建和智能轨迹生成技术,让机器人训练效率提升27倍,成本大幅降低,有望让高质量机器人技能变得像安装手机应用一样普及。
YouTube准备更新政策,打击创作者从"非真实"内容中获利的能力,包括批量生产视频和其他重复性内容。7月15日,公司将更新YouTube合作伙伴计划货币化政策,提供更详细的指导原则。随着AI技术的兴起,YouTube充斥着AI生成的低质量内容,包括AI语音配音、虚假新闻视频等。尽管YouTube将此称为"小幅更新",但实际上是为了应对AI内容泛滥对平台声誉和价值的潜在损害。
腾讯优图实验室提出AnoGen方法,仅用3张异常图片就能训练出高精度工业检测AI。该方法通过扩散模型学习异常特征并生成大量逼真样本,在MVTec数据集上将检测精度提升5.8%,为解决工业异常检测中样本稀缺问题提供了突破性方案。