今日,深信服举办2024秋季新品发布会。发布会上,深信服正式推出了最新的创新成果:实现动静态数据分类分级和数据风险自动研判分析的安全GPT4.0、具备卓越可靠性和AI勒索防护能力的分布式存储EDS新版本520。通过这些新品和能力,帮助用户在享受数字化带来的便利的同时,也能确保数字化转型的数据安全和存储可靠。
首发安全GPT数据安全平台,引领行业新标准
随着数字化转型的深入发展,数据已成为企业最重要的资产之一。然而,如何有效保障数据安全一直是业界面临的难题。传统的数据分类分级方案通常需要大量的人工参与,准确率低且效率低下,难以满足现代企业的复杂数据安全需求。此外,数据安全风险行为往往与正常业务行为相似,缺乏明显的攻击特征,使得检测、研判难度极大。为应对这些挑战,深信服此次发布了安全GPT-数据安全平台,通过技术创新升级,推动数据安全方案在行业的高质量落地。

(1)动静态数据分类分级,解决长期困扰行业的难题
深信服安全GPT 数据安全大模型能够自动化完成数据库静态数据以及API等流动数据分类分级工作,大幅提升分类分级的效率,让整个数据的可视真正具备了使用价值。与传统的小模型相比,静态分类分级的准确率从60%提升到了90%,打标效率提升了40倍,人工只需设置分类标准,打标过程全部由模型自动完成。
除了高效地进行数据发现与分类,深信服安全GPT数据安全大模型还支持分钟级完成任意数据类型使用情况调查,帮助企业快速定位数据以及掌握数据使用情况,确保敏感信息的安全。
(2)数据风险自动研判分析,精准应对多种典型攻击场景
经过大量数据安全风险分析案例微调,数据安全大模型能够自动监测异常行为,并进行上下文关联分析,从而有效区分正常的业务行为和真正的数据安全风险,同时数据安全大模型输出详细的研判分析过程,极大降低研判分析难度。
在数据泄露、数据滥用、违规数据出境和超范围处理数据等多种典型的攻击场景,安全GPT数据安全大模型检出率高达90%,准确率达70%,为数据安全提供坚实保障。
首次公开演练极端故障场景恢复,架构创新提升可靠性
发布会上,深信服还展示了其最新版本的分布式存储EDS,通过自主研发的架构大幅提升了系统的性能与可靠性,使得EDS不仅能胜任备份归档等大规模数据管理任务,还能支持非结构化生产数据以及AI应用等多种复杂场景下的业务承载。

(1)极端多重故障场景下,依然“稳”定发挥,秒级恢复
在实际演示中,面对最常见的硬件故障——硬盘故障,深信服的EDS存储能够实现无缝的数据切换,确保业务连续性不受影响。而在更为极端的多重故障情况下,深信服的EDS存储同样展现了高稳定性。
在模拟的测试中,即使同时发生三个节点的故障,包括断电、缓存盘和数据盘被拔出等极端情况,EDS存储也能在3到5秒内迅速恢复业务。这一恢复速度远快于其他厂商在单一故障情况下所需的30至45秒,有效验证了深信服分布式存储EDS在极端故障场景下的高可靠性。
(2)智能AI防勒索,全方位守护数据存储安全
针对近年来日益严峻的勒索威胁,深信服分布式存储EDS集成了智能AI防勒索功能,采用旁路检测方式,大多数时候仅进行基本的IO流检测,只有在发现异常行为时才会启动深度AI分析,这样既保证了安全性,又避免了不必要的性能开销。
相比之下,其他存储厂商在开启类似的防勒索软件后,性能消耗可能高达25%-30%,而深信服的分布式存储性能消耗仅为3%-5%。同时,EDS提供快照和告警,确保数据安全,为用户提供一个既高效又可靠的数据存储方案。
随着秋季新品的重磅发布,深信服再次站在了全面拥抱AI的数字化转型前沿。深信服深知,在数字化的浪潮中,用户不仅渴望享受技术带来的便利,更迫切需要确保数据的安全。通过融合AI的创新,深信服将不断为用户提供更智能、更安全的数字化解决方案,助力每一位用户在数字化转型的道路上更加从容不迫。
好文章,需要你的鼓励
美国最高法院以6比3的投票结果,裁定手机位置信息受第四修正案隐私权保护。法院认为,用户在使用谷歌等科技公司服务时,并非主动共享位置数据,因此执法机构在申请地理围栏搜查令时,必须证明存在"合理犯罪嫌疑"并获得法院批准。此裁决虽未完全禁止地理围栏搜查令,但对其使用范围加以限制,对美国执法实践及隐私保护具有深远影响。
南加州大学团队发现语音抑郁检测领域存在数据漏洞,并提出CLeaD跨语言对比对齐框架,揭示模型规模越大跨语言性能越差的反直觉规律。
佛罗里达州男子Angelo Martino以网络安全公司勒索软件谈判员身份为掩护,与黑客合谋部署BlackCat勒索软件攻击美国企业,被判处逾五年有期徒刑。美国司法部同时没收其逾1000万美元加密货币及资产。Martino与Kevin Martin、Ryan Goldberg三人于2023年联手实施多起攻击,其中一次成功勒索约120万美元后三人平分。BlackCat曾于2024年2月入侵医疗巨头Change Healthcare,导致逾1.92亿人敏感数据外泄。
KAIST等机构提出3D HAMSTER,通过为视觉语言模型加入深度编码器和几何重建损失,让机器人规划器直接输出三维轨迹,解决了分层机器人系统中规划与执行的维度不匹配问题,显著提升了操作鲁棒性。