
方 案
安全大數據
企業或機構已經部署了眾多安全檢測設備、防護設備、審計設備,這些以旁路部署、串行部署、或是在服務器和終端上部署的軟硬件在啟用后會持續產生各種告警數據、原始操作等審計數據,這些數據設備本身并不長期存儲。不少企業針對重點防護的系統或業務還要求直接對其產生的日志等數據進行收集、存儲和分析。近年來還有不少企業或機構對流協議解析后原始數據進行收集、存儲、分析,例如DNS和Http訪問等數據量都很大。


物聯網安全
某倉儲公司的整體網絡架構中,工業物聯網的應用主要包括平臺層的物資管理系統,網絡層的WiFi、ZigBee、4G-LTE等組網技術,感知層的各類傳感器、智能終端以及機器人等操作設備。在此場景下,其攻擊面廣泛,攻擊路徑眾多對物聯網網絡安全的防護范圍和防護粒度提出了挑戰;另外智慧倉儲管理系統是保障物流系統穩定運行的重要系統,一旦系統遭受攻擊,不僅影響物流系統的正常運行,也可能影響到企業或者行業的商業利益,且倉儲數據也具有非常重要的價值,一旦泄露或者遭受破壞,后果也非常嚴重。因此,智慧倉儲的物聯網網絡安全防護應是能夠覆蓋端側、網絡和云平臺的體系化防護部署,不僅需要對各類物聯網終端設備進行防護,也要在云端實現整體安全態勢的監測和管控,期望形成整個覆蓋云-網-端的安全防護能力。


移動互聯安全
在信息化時代的大背景下,移動互聯網飛速發展,移動應用進入全民時代。與此同時國家大力推動創新驅動發展戰略,移動應用在各行各業得到廣泛應用。隨著人們對移動互聯網的依賴程度越來越高,移動應用的安全問題也越來越明顯,這些問題既嚴重制約著移動互聯網的健康發展又對社會公眾的學習、生活、工作帶來很大的危害,如企業內部數據泄露、用戶隱私信息泄露、敏感數據惡意竊取、用戶量流失或經濟財產損失等。


人工智能安全
基于異常的IDS的構造方法可以分為三大類,即有監督、半監督和無監督。其中前兩類都需要有標注數據作為基礎,然而在實際生產環境中獲取足夠多的標注數據通常是不現實的。即使對于僅需要正常行為數據的半監督方法來說,獲取或者構造出反映真實場景的各種正常行為實例數據也仍然是非常困難的任務。相對地,無監督方法則不需要任何標注數據,因此在實際中具有更高的可行性。


上一頁
1
下一頁
前往
頁
跳轉
北京網御星云信息技術有限公司 京ICP備05080314號-1