002542中化岩土（借呗）

r发布自学习人工智能产品，完结亚秒级要挟检测与剖析

r引进深度神经网络来完结主动化要挟检测、剖析与溯源，进一步丰厚r驱动的安全处理方案

供给全面，集成，主动化网络安全处理方案的全球领导者r(:)，今日正式发布r，全球首款能够运用自学习深度神经网络()且本地布置的网络安全剖析产品，能够快速缓解要挟，并处理传统状况需求人工履行且耗时的安全剖析使命。r的rr(虚拟安全剖析师)嵌入了业界最老练之一的网络安全人工智能，由rrr实验室开发，直接布置到用户网络中，向用户交给亚秒级高档要挟检测与事情剖析溯源才能。

r首席营销官兼产品履行副总裁指出：“r在rr实验室投入了巨大的资源，来完结根据云网络的分发和发生驱动的要挟情报，让我们能够更快速更准确的检测到更多要挟。r取得了悉数的rr实验室所堆集的常识与经历，并将其布置到用户本地。这种方法让客户直接在其自己的环境内取得了rr实验室强壮的安全研讨与剖析才能，经过自学习来辨认，分类和查询杂乱要挟，这一切在一秒内即可完结。”

企业在面临一场绵长而困难的战争

安全架构师在进行要挟发现、剖析与溯源的过程中，面临着很多应战，包含：

网络违法在变得益发杂乱。虽然传统网络要挟继续存在，由人工智能、机器学习和开源社区加持的高档杂乱进犯也在快速增加。成果便是，安排与其安全防地的晋级难以跟上要挟开展的节奏。

进犯平面在继续扩张。成百上千万的新运用，继续增加的云用量，不断增加的终端设备数量，发明了数以十亿计的网络边际，这些边际都需求安全团队进行妥善的维护和办理。安排中的这些潜在要挟进口，成为了安全新应战。

安全团队因为缺少网络安全技能而在作业中遭到约束。网络安全工业面临技能缺少的现状，这也成为安排中很重要的一个安全要挟。因为不具备满足的专业技能来妥善对日益快速增加的进犯和歹意文件进行鉴别、分类、查询和呼应，因此在潜在或实际层面上，让网络进犯者更简单打破传统安全流程和东西构建的防地。

自学习协助安排有力应对要挟

为了处理安全专家现在面临的上述应战，r推出了rrr(虚拟安全剖析师)来加快要挟防护与处置。r能够处理很多耗时且需求安全专家人工进行的使命，节省安全专家的宝贵时刻，让他们处理愈加有价值的安全使命。一旦将r布置到安排的网络中，其自学习才能让自己继续进化，变得更智能，成为安排的贴身安全剖析师。

r结合了深度学习和深度神经网络，能够模仿人脑的神经元来处理杂乱决议计划，对所布置在的安排中发现的特定要挟进行科学剖析。跟着r的人工智能继续老练，强壮，安排将会获益于具有r虚拟安全剖析师带来的对要挟应对的高效改变。

r平衡了攻防对立的环境

r的深度神经网络()让r推翻了传统要挟防护的方法：

主动化履行需求人工处理的耗时作业，如实时进行要挟辨认，分类和事情查询：安排运用的传统安全流程结合有限的安全专业人力让他们难以完结对每个要挟告警的深化查询。这带来了更多的危险，包含因为呼应速度慢带来的不必要数据走漏和安全事故。r运用来主动化进行事情查询，包含辨认要挟及其在网络中的移动轨道，追溯初始感染者和后续一系列感染状况，这一切都在1秒内即可完结。

改变安全处置流程，以当即检测和呼应进犯：经过科学剖析要挟特征和发生准确断定来加快要挟呼应，r虚拟安全剖析师能够明显下降安排露出给进犯者的时刻。

供给定制化的要挟情报来大幅度下降误报：误报是安全剖析师在做事情查询时最为头痛的问题之一，也让安全剖析师在鉴别是否是真要挟上花费了更多时刻。经过定制化的要挟情报，r能够当即运用其新学习到的歹意软件特征来鉴别新进犯，以此下降误报。

为无法联网的环境也供给相同先进的维护才能

r的另一个要害特色便是其供给了本地布置的渠道，能够完好功用作业在安排的网络环境中，即便这个网络环境无法衔接互联网。工业环境，政府，金融，和一些大型企业有着很严厉的合规要求或许安全战略和标准，约束其网络衔接互联网。r的自学习模型不需求互联网衔接进行更新，也能够进行自学习和继续进化，让安排的关闭网络环境或有严厉安全战略操控的网络中也能继续对立高档要挟。

r驱动的技能完结主动化要挟防护

r在运用人工智能技能协助客户强化安全态势方面有着很长的前史。除了最新的r以外，一些r现已向商场供给的服务和产品中也以不同方法运用了，比方最小平方优化和贝叶斯概率衡量：

rr要挟情报：rr实验室运用的是r最老练的人工智能体系-自演进式检测体系()，以机器的速度和功能履行以往由人工操作的歹意软件剖析，每日剖析超越1000亿安全事情，并将发生的要挟情报经过rr实验室全球分发网络推送给一切具有安全订阅服务的r产品，包含旗舰产品r下一代防火墙。

rb：r是第一家将引进到沙箱技能来主动进行侵略防护的安全厂商。rb含有两种机器学习模型：静态剖析和动态行为剖析，来检测不知道要挟。即便在面临继续进化和变种的歹意软件时也能始终保持极高检出率，比方对立勒索软件和加密绑架。

r：r的r运用机器学习来主动化进行实时的终端防护，检测与呼应。

r：r运用机器学习履行有用的终端监控，数据流通和用户行为剖析来检测反常，可疑行为和战略违规，以协助用户应对内部要挟。

rb：为了更好的维护b运用和P，rb引进了双层机器学习模型来履行定制化的防护，对立针对性进犯。为用户供给极低的误报率，一起保持用户杰出的拜访体会。

r：r在进行相关剖析时结合了机器学习来辨认典型用户行为，如拜访方位，时刻，运用设备，和拜访的特定服务器。

跟着进犯者运用杂乱进犯手法在不断扩张的数字化进犯平面中寻觅可被运用的缝隙，rrbr供给了广泛且深化的驱动的安全技能，协助用户取得无以伦比的实时且主动化的要挟防护，检测和呼应才能。