随着网络变得更加复杂及分散,发现并及时应对威胁变得愈发困难。这一变化已经导致了安全问题的蔓延,使管理变得复杂,割裂了可见性,限制了组织有效应对威胁的能力。在一定程度上,这是由于现在平均每个企业在自己的网络上部署了多达45个安全解决方案,使得任何形式的集中管理都几乎无法实现。更糟糕的是,检测和响应网络事件需要在其中的19个工具之间进行协调,导致每次设备升级时都需要不断管理和重新配置。
尽管存在这些挑战,但很多企业仍然选择先行动起来,然后再去思考如何最好地保护和管理其网络更改。但是,这又为攻击者和威胁创造了“完美风暴”,他们希望利用这种复杂和零散的环境自然产生的孤岛、复杂性和可见性差距。所以Gartner的网络安全网格架构(CSMA,Cybersecurity Mesh Architecture )被列入2022年网络安全主要趋势也就不足为奇了。
什么是网络安全网格平台?
现在的企业不只是在寻找一种能够更好地控制其零散的基础设施和部署的统一架构,更需要一个能够安全、直接地部署新技术和服务的系统。仅仅依靠连接不同安全技术的变通方法是不够的,他们需要一个全面覆盖、深度集成和动态协同的“网络安全网格平台”,提供集中管理和可见性,支持在一个庞大的解决方案生态系统中协同运行,自动适应网络中的动态变化。
虽然,现在Gartner将这个想法称为“网络安全网格架构(CSMA)”,但其实十多年以来,Fortinet一直将其称为Fortinet Security Fabric安全架构,并率先提出了这个原则:全面覆盖、深度集成、动态协同的“网络安全网格平台”对于在当前不断扩展的网络中降低复杂度和提高整体安全有效性至关重要。
后疫情时代的随时随地办公(WFA)新常态,就是“统一安全网格架构”的完美用例。WFA需要多个解决方案才能在一组动态的园区和数据中心资产、分布式家庭办公室和基于云的应用中协同工作。Fortinet Security Fabric安全架构非常适合应对这些新的复杂挑战。
Fortinet 50多种安全和组网技术的组合(业内最全)从一开始就是为交互操作设计的——共享威胁情报、关联数据,并作为一个协调的系统自动响应威胁。更重要的是Fortinet不仅提供网络安全产品的融合,还通过安全SD-WAN等行业首创产品提供安全和组网的融合 ——这就是Fortinet引以为傲的“安全驱动网络” 。
Fortinet认为真正的“网络安全网格平台”应该通过实现和支持广泛开放的技术合作伙伴生态系统来进一步消除技术和供应商孤岛。到目前为止,作为Fortinet Security Fabric安全架构开放生态系统的一部分,Fortinet已经与450多家第三方技术合作伙伴实现了集成和交互操作。这样一个开放的生态系统非常重要,它让组织能够灵活地进行方案部署,同时从集成和融合的运营、可视化和安全性中受益。
这种方案不仅适用于企业,渠道合作伙伴也可以通过一个“网格平台”战略为其客户提供更强大的解决方案,同时自身也可以获得更多的盈利,并且不再是简单地销售单点产品。真正集成的解决方案全面组合能够通过应用其专业知识和架构能力来解决当今组织面临的更大挑战,从而提升真正的价值。
无论是为了保护WFA等新兴网络安全挑战,对抗日益严重的勒索软件威胁,还是想减少管理大量孤立安全解决方案的费用,采用更加统一的安全方法是不可避免的趋势。Gartner认为,“到2024年,对于采用网络安全网格架构(CSMA)——将安全工具整合为一个协同生态系统的组织来说,可以平均降低90%在财务上遭受安全事件的影响。”
业界表现力最佳的网络安全网格平台会带来什么?
对于Fortinet的客户来说,好消息是不必等到2024年才能享有新型网络安全网格架构(CSMA),他们现在就可以通过Fortinet Security Fabric安全架构获得以下优势:
威廉·莎士比亚曾经写道:“玫瑰即使不叫玫瑰,依然馨香如故。” 一个全面覆盖、深度集成、动态协同的“网络安全网格平台”也是如此。无论是将其称为“网络安全网格架构(CSMA)” 、“网络安全平台” 还是 “Fortinet Security Fabric安全架构” ,为企业客户带来的效果都是一样的。重要的是组织应该接受和采用一种集成的安全方案作为其数字化加速计划的一部分。无论他们的路在何方,这都可以帮助他们降低复杂度、简化操作和提高安全有效性。
我们很欣喜地看到Gartner对Fortinet已推广了十多年的理念做出回应与认可!
好文章,需要你的鼓励
当前企业面临引入AI的机遇与挑战。管理层需要了解机器学习算法基础,包括线性回归、神经网络等核心技术。专家建议从小规模试点开始,优先选择高影响用例,投资数据治理,提升员工技能。对于影子IT现象,应将其视为机会而非问题,建立治理流程将有效工具正式化。成功的AI采用需要明确目标、跨部门协作、变革管理和持续学习社区建设。
杜克大学研究团队开发了MOG-DFM技术,这是首个能够同时优化生物分子多种特性的AI系统。该方法成功解决了传统药物设计中"顾此失彼"的难题,能够设计出既安全又有效的治疗性分子。实验证明,MOG-DFM在肽类药物和DNA序列设计中都表现优异,有望显著加速药物发现进程并推动个性化医疗发展。
美国垃圾收集行业2024年创收690亿美元,近18万辆垃圾车每周运营六至七天,每日停靠超千次。设备故障成为行业最大隐性成本,每辆车年均故障费用超5000美元。AI技术通过实时监控传感器数据,能提前数周预测故障,优化零部件库存管理,减少重复维修。车队报告显示,预测性维护每辆车年节省高达2500美元,显著提升运营效率和服务可靠性。
印度理工学院团队开发REFINE-AF框架,让小型AI模型通过强化学习自动生成训练指令,无需大量人工标注。该方法在119项测试任务中,63-66%的表现超越传统方法,证明了小模型也能通过巧妙设计获得优异效果,为降低AI训练成本提供了新思路。