2020年以来,由于新冠疫情的肆虐,很多行业都在面临混合办公模式带来的技术与安全挑战。随着越来越多的远程用户连接到公司应用,企业可能遭受的攻击面也扩大到前所未有的范围。银行作为与用户利益密切相关的行业,更成为了黑客们实施不法手段的首选行业之一。因此,为了确保为远程员工提供高级防护,银行必须提供以下方面的保护:
而且,他们还必须确保随时随地零信任访问公司应用。
近日,Check Point公司公布了四个真实的银行用户案例,旨在为更多用户介绍银行业所面临的挑战,及其应对挑战并改善安全状况所用的解决方案。
客户案例1:RCB 银行支持员工使用个人移动设备安全办公
RCB 银行是一家成立于 1936 年的社区银行(前身为罗杰斯县银行),总部位于俄克拉荷马州克莱尔莫尔,在俄克拉荷马州和堪萨斯州设有分行。
在远程办公人员保护方面,RCB 银行选择了 Harmony Mobile。该解决方案可帮助这家银行:
RCB 银行信息安全分析师 Stacy Dunn表示:“事实证明,Harmony Mobile 是一款经济高效的解决方案,其所提供的保护是仅靠容器解决方案所无法实现的。”
客户案例:波罗的海地区 SEB 通过最高级别的安全防护保护数千台端点设备
SEB 是波罗的海地区最大的银行之一,管理着多个国家/地区的数百万私人客户、中小型企业及公司帐户。
借助 Harmony Endpoint,SEB 正通过以下优势获益:
客户案例:运河银行保护数百名 Office 365 电子邮件和协作应用远程用户安全并提供无缝体验
运河银行在巴拿马的九个省份设有办事处,为商业客户和小型机构提供专业服务,并在分行和线上为其客户提供各种服务。
如今,电子邮件和协作应用已成为企业最基本的工具。因此,它也是网络犯罪分子最常利用的渠道之一,商务电子邮件入侵 (BEC) 攻击占网络犯罪所致损失的 50% 以上。
为了降低风险并避免 BEC 及其他攻击对其远程办公人员造成的损害,运河银行选择了 Harmony Email & Collaboration 来实现:
更高的安全性
第一年,该银行在不影响工作效率的情况下,阻止了 1400 次网络钓鱼攻击,并抵御了 800 次恶意软件攻击。
简单的部署和管理
在数分钟内完成部署,快速实现即时保护,报告功能有助于持续了解威胁态势。
更低的总体拥有成本
只需一款解决方案即可有效保护电子邮件、SharePoint、Teams、OneDrive 等,包括防范恶意软件、网络钓鱼、敏感业务数据 (DLP)、恶意链接、账户接管等等
运河银行首席信息官 Erick Garay表示:“Check Point Harmony Email & Office 不仅能够帮助我们实现安全目标,而且还可以发现我们尚未意识到的其他应用问题”。
客户案例:一家在欧洲、中东及非洲地区(EMEA)开展业务的银行,支持随时随地使用任何设备安全访问公司应用
借助 Harmony Connect,这家 EMEA 银行获得了:
零信任访问
无客户端访问
云安全服务
Check Point Harmony解决方案确保远程办公人员安全无虞
Check Point Harmony 系列产品为金融服务业提供了卓越的保护和出色的简单性,其中包括:
同时,Check Point 支持银行通过 Quantum、CloudGuard、Harmony 及 Infinity 系列产品为他们的客户提供高级数字服务,并为其网络、云端、用户及访问提供最高级别的安全保护。通过采用基于 Check Point Infinity 架构和服务的整合安全方案,银行可实现针对第五代复杂攻击的前瞻性防护,同时将运营效率提高 50% 并将安全成本降低 20%。
Check Point 提供的这套广泛的网络安全解决方案和服务产品正助力全球 6,500 家金融机构轻松应对当今最严峻的挑战。
好文章,需要你的鼓励
Arelion升级其斯堪的纳维亚网络,连接超大规模数据中心以支持该地区蓬勃发展的AI市场。该网络基于1.6Tbps波长和可扩展400G相干可插拔光学技术,在奥斯陆、斯德哥尔摩和哥本哈根之间构建AI"超级高速公路"。升级将为企业客户提供增强的全球互联网骨干网接入和多样化连接服务。预计2025年第二季度末完成,并计划在2025年剩余时间及2026年继续投资。
这项由香港科技大学领导的研究首次建立了大语言模型安全守护栏的系统性评估框架。研究团队对13种主流守护栏进行了全面测试,提出了六维分类体系和SEU三维评估标准,揭示了不同守护栏在安全性、效率和实用性方面的权衡关系,为AI安全防护技术的选择和部署提供了科学指导。
CloudBees首席执行官Anuj Kapur表示,AI可能重新测试DevOps的基础假设,但警告不要为追求效率而创建黑盒代码。他指出,一些因担心错失机会而匆忙采用AI生成代码的客户正开始放缓步伐,变得更加谨慎。Kapur认为,将整代软件外包给提示工程将创建非人类生成的黑盒代码,虽然效率高但质量、测试覆盖率和漏洞问题值得担忧。
南加州大学研究团队开发出一种名为PILS的新技术,能够通过分析AI模型输出时的概率信息来破解隐藏的系统指令。这种方法通过观察AI生成文本过程中多个步骤的"思考轨迹",将隐藏提示的恢复成功率提高了2-3.5倍。研究发现AI模型的概率输出存在于低维空间中,可以用数学方法进行压缩和逆向分析。这项发现对AI安全具有重要影响,揭示了当前依赖隐藏指令的安全机制可能存在漏洞,为AI安全防护提出了新挑战。