至顶网网络频道 06月11日 综合消息: 网络安全解决方案提供商 CheckPoint 软件技术有限公司(纳斯达克股票代码:CHKP)今天宣布推出面向大型企业和数据中心的全新网络安全产品套件,旨在提供业界领先的 Tbps(每秒位数)级第五代威胁防护技术,同时不会影响网络性能、正常运行时间或可扩展性。
16000 和 26000 安全网关采用 Check Point Infinity 架构,集成了 Check Point 的 ThreatCloud 和屡获殊荣的 SandBlast零日保护技术。这些模块化网关具有基础版、增强版和 turbo 版,可提供高达 24 Gbps 的第五代威胁防护安全吞吐量,支持高达 100 GbE 的连接标准,并采用了面向多达 64 个网络接口的扩展选项。
Check Point 软件公司首席执行官兼创始人 Gil Shwed 表示:“第五代网络攻击已经影响到了 20 亿消费者和 46% 的企业,但大多数组织仍然停留在第二代和第三代安全防护技术上。通过与 Maestro Orchestrator 安全解决方案相互配合,我们的新网关将能够使我们的大型企业客户以行业领先的检测速率实现前所未有的第五代安全级别。”
几周前,首席执行官兼创始人 Gil Shwed 在 CPX 纽约大会上宣布推出最新版 Check Point R80.30 软件,该软件开创了提取 Web 威胁的行业先例,并采用了正在申请专利的 TLS/SSL 检查技术。
R80.30 凭借业内首个 Web 威胁提取功能开启了安全防护的新时代,提供了针对高级威胁的实用防护技术。有了 R80.30,管理员将再也不必为了效率而牺牲安全。R80.30 第五代威胁防护解决方案可以实时保护用户免受恶意 Web 下载的影响。威胁提取功能可删除存在安全漏洞的内容,重建文件以消除潜在威胁,并及时将干净的内容传输给用户。此外,威胁防护仪表板可跨所有网络、移动设备和端点提供全面的可见性。
最新版 R80.30 采用了正在申请专利的新型传输层安全 (TLS) 技术,其先进的 SSL 检查功能可使企业快速检查使用 SSL 加密的网络流量,躲避服务器名称指示 (SNI) 操作等网络攻击技术,并在安全和隐私之间取得适当的平衡。由于 90% 的 Web 流量都进行了加密处理,Check Point 的 SSL 检查创新技术将会为全球企业带来重大影响。
R80 集成了 160 多项技术和 100 项新功能,是适用于数据中心、云、移动端和端点的业界最先进的威胁防御和安全管理软件。R80.30 的创新特性可使全新 16000 和 26000 网关实现业界领先的威胁防御性能,同时通过单一控制台简化管理流程。
业界首个超大规模网络安全解决方案 Check Point Maestro Hyperscale Orchestrator 能够使单个 Check Point 网关在几分钟内扩展到 52 个网关的容量和性能。这种近乎无限的可扩展性加之 Tbps 级防火墙吞吐量可提供云级弹性和可靠性,能够使组织支持 5G 网络高数据速率和超低延迟,同时确保运行要求最苛刻的网络计算工作负载。
通过结合使用 R80.30 软件、16000/26000 安全网关和 Maestro Orchestrator,Check Point 客户能够获得 Tbps 级威胁防御性能,从而实现超大规模网络安全性。
Check Point的全球合作伙伴网络将于 2019 年 6 月开始提供 16000 和 26000 设备。
好文章,需要你的鼓励
CoreWeave发布AI对象存储服务,采用本地对象传输加速器(LOTA)技术,可在全球范围内高速传输对象数据,无出口费用或请求交易分层费用。该技术通过智能代理在每个GPU节点上加速数据传输,提供高达每GPU 7 GBps的吞吐量,可扩展至数十万个GPU。服务采用三层自动定价模式,为客户的AI工作负载降低超过75%的存储成本。
IDEA研究院等机构联合开发了ToG-3智能推理系统,通过多智能体协作和双重进化机制,让AI能像人类专家团队一样动态思考和学习。该系统在复杂推理任务上表现优异,能用较小模型达到卓越性能,为AI技术的普及应用开辟了新路径,在教育、医疗、商业决策等领域具有广阔应用前景。
谷歌DeepMind与核聚变初创公司CFS合作,运用先进AI模型帮助管理和改进即将发布的Sparc反应堆。DeepMind开发了名为Torax的专用软件来模拟等离子体,结合强化学习等AI技术寻找最佳核聚变控制方式。核聚变被视为清洁能源的圣杯,可提供几乎无限的零碳排放能源。谷歌已投资CFS并承诺购买其200兆瓦电力。
上海人工智能实验室提出SPARK框架,创新性地让AI模型在学习推理的同时学会自我评判,通过回收训练数据建立策略与奖励的协同进化机制。实验显示,该方法在数学推理、奖励评判和通用能力上分别提升9.7%、12.1%和1.5%,且训练成本仅为传统方法的一半,展现出强大的泛化能力和自我反思能力。