Cato Networks推出了一款名为自适应威胁预防引擎的新功能,旨在阻止多阶段攻击在造成损害或中断之前得手。
Cato动态预防功能已集成到该厂商的安全访问服务边缘(SASE)平台中。该功能专门应对那些逐步展开、单独查看时看起来无害的攻击。该引擎不再仅仅依赖时点检查或静态规则,而是分析长期行为模式,并关联多个安全控制的信号,以便在攻击链的早期阶段检测可疑活动。
Cato Networks安全与管理产品管理副总裁Lior Cohen表示:"威胁行为者滥用可信工具和有效凭据,他们知道大多数防御措施仍在分析孤立事件,依靠人工为更复杂的攻击链连接线索。Cato动态预防通过持续理解上下文中的行为、预测威胁行为者的下一步行动,并自动执行只会影响真正威胁的保护措施来改变游戏规则。因此,这可以在漏洞形成之前阻止潜在威胁。"
Cato动态预防在较长时间内监控跨用户、设备和站点的网络和安全活动。当它识别出与恶意行为一致的模式时,会自动应用自适应控制来阻止或限制高风险行为,无需IT或安全团队的手动干预。
据该公司介绍,这种方法针对那些使用合法凭据和可信工具、将活动分散在数天或数周内的威胁行为者。单独来看,这些行为可能不会触发警报。在基于断开连接的点产品构建的环境中,关联这些信号可能既缓慢又耗费资源,通常会延迟响应直到攻击的后期阶段。
Cato Networks产品营销经理Makiko Yamada在公司博客中写道:"传统安全工具旨在发现明显的时点指标、签名、已知恶意IP或孤立异常。但现代攻击被设计得看起来很常规:它们使用合法的管理工具,'低调缓慢'地分散活动,并将入侵分解为单独看起来无害的小步骤。结果是大量弱警报和延迟行动,让团队在攻击者已经行动后手动连接线索。"
由于该功能在Cato的云原生SASE架构内运行,它还可以利用内置服务生成的遥测数据,如入侵防护、反恶意软件、安全Web网关和数据丢失防护。该公司表示,这种统一的可见性能够提供更深层次的上下文和更准确的关联。
Yamada解释说:"关键是关联:一次内部扫描可能是IT任务;一次远程执行命令可能是标准操作;一次异常认证可能是用户旅行。然而,当这些事件在多个主机和网络中以可疑序列发生时,组合模式就变得更难忽视。"
动态预防功能现已作为Cato SASE云平台的一部分全面可用,该平台运行在由90多个接入点(PoP)组成的私有全球骨干网上,通过多个SLA支持的网络提供商连接。
Q&A
Q1:Cato动态预防功能是什么?它解决什么问题?
A:Cato动态预防是一种自适应威胁预防引擎,专门应对多阶段攻击。它解决了传统安全工具只能分析孤立事件、无法有效关联复杂攻击链的问题,通过分析长期行为模式和关联多个安全控制信号来早期检测威胁。
Q2:为什么传统安全工具难以防护现代攻击?
A:现代攻击被设计得看起来很常规,使用合法管理工具,采用"低调缓慢"的方式分散活动,将入侵分解为单独看起来无害的小步骤。传统工具只关注时点指标和孤立异常,难以关联这些分散的可疑行为。
Q3:Cato动态预防如何实现自动化防护?
A:该功能在较长时间内监控跨用户、设备和站点的网络活动,识别出与恶意行为一致的模式后,会自动应用自适应控制来阻止或限制高风险行为,无需IT或安全团队手动干预,从而在威胁形成前就将其阻止。
好文章,需要你的鼓励
英国国家医疗服务(NHS)正将无人机纳入常规医疗物流体系。自今年2月起,无人机每天在雷恩斯公园和圣乔治医院之间运送血液等诊断样本,飞行仅需3分钟,比公路运输快约85%,且碳排放减少高达98%。目前已有逾2000名患者受益。NHS计划将该服务扩展至圣赫利尔、克罗伊登等多家医院,最终惠及约180万名患者。该网络由英国医疗初创公司Apian与谷歌旗下Wing合作运营。
AgentLens是Explyt公司联合俄罗斯学术机构开发的AI编程助手评测基准,通过分析完整人机交互轨迹而非仅看最终结果,从五个维度评估代码智能体的真实表现。
边缘AI计算厂商Aetina宣布,将在其DeviceEdge AIE-KT风冷系列和新款AIE-PT无风扇平台上支持英伟达全新Jetson T3000和T2000模块。T3000基于Blackwell GPU,最高提供865 FP4 TFLOPS算力,功耗70W;T2000则提供400 FP4 TFLOPS,面向视觉AI代理和自主移动机器人等场景。两款模块预计2027年第一季度上市,支持Nemotron、Cosmos 3等英伟达AI软件生态。
韩国梨花女子大学提出Splash框架,通过识别AI模型中的"休眠参数"并只在其中训练触觉能力,让小型多模态AI在学会感知材质触感的同时,完整保留原有视觉语言推理能力。