日韩无码专区无码一级三级片|91人人爱网站中日韩无码电影|厨房大战丰满熟妇|AV高清无码在线免费观看|另类AV日韩少妇熟女|中文日本大黄一级黄色片|色情在线视频免费|亚洲成人特黄a片|黄片wwwav色图欧美|欧亚乱色一区二区三区

RELATEED CONSULTING
相關(guān)咨詢
選擇下列產(chǎn)品馬上在線溝通
服務(wù)時間:8:30-17:00
你可能遇到了下面的問題
關(guān)閉右側(cè)工具欄

新聞中心

這里有您想知道的互聯(lián)網(wǎng)營銷解決方案
RSA創(chuàng)新沙盒盤點|AbnormalSecurity——下一代電子郵件安全

RSAConference2021將于舊金山時間5月17日召開,這將是RSA大會有史以來第一次采用網(wǎng)絡(luò)虛擬會議的形式舉辦。大會的Innovation Sandbox(沙盒)大賽作為“安全圈的奧斯卡”,每年都備受矚目,成為全球網(wǎng)絡(luò)安全行業(yè)技術(shù)創(chuàng)新和投資的風(fēng)向標(biāo)。

成都創(chuàng)新互聯(lián)公司是一家專業(yè)提供福鼎企業(yè)網(wǎng)站建設(shè),專注與網(wǎng)站設(shè)計制作、網(wǎng)站制作、H5場景定制、小程序制作等業(yè)務(wù)。10年已為福鼎眾多企業(yè)、政府機構(gòu)等服務(wù)。創(chuàng)新互聯(lián)專業(yè)網(wǎng)站設(shè)計公司優(yōu)惠進行中。

前不久,RSA官方宣布了最終入選創(chuàng)新沙盒的十強初創(chuàng)公司:WABBI、Satori、Abnormal Security、Apiiro、Axis Security、Cape Privacy、Deduce、Open Raven、STARATA、WIZ。

綠盟君將通過背景介紹、產(chǎn)品特點、點評分析等,帶大家了解入圍的十強廠商。今天,我們要介紹的是廠商是:Abnormal Security。

公司介紹

Abnormal Security是一家來自美國的電子郵件安全公司,其主要業(yè)務(wù)包括保護企業(yè)和機構(gòu)組織避免受到針對性的電子郵件攻擊。公司于2018年4月成立,公司總部位于美國西海岸舊金山灣區(qū),其創(chuàng)始人包括Evan Reiser以及Sanjay Jeyakumar,Evan之前在twitter負責(zé)領(lǐng)導(dǎo)產(chǎn)品和機器學(xué)習(xí)團隊,Sanjay曾經(jīng)在Google作為首席工程師負責(zé)搜索技術(shù)和Android版本發(fā)布。公司具備很好的技術(shù)背景,公司于2020年11月剛剛完成B輪融資,總金額達到5000萬美元。公司為現(xiàn)在云辦公環(huán)境提供安全保障,通過利用AI技術(shù)對針對性的郵件攻擊進行檢測并對電子郵件進行保護,此外能夠?qū)ζ髽I(yè)、人員以及供應(yīng)鏈進行攻擊保護。

產(chǎn)品介紹

隨著云計算環(huán)境的發(fā)展,電子郵件安全最近幾年也在發(fā)生轉(zhuǎn)變。Gartner在2020年發(fā)布了最新的《電子郵件安全的市場洞察。報告中指出目前71%的企業(yè)在使用原生云或者混合云電子郵件,并且企業(yè)越來越多的依靠云環(huán)境中郵件SaaS服務(wù)的內(nèi)置郵件保護功能。并預(yù)測指出到2023年,至少40%的機構(gòu)組織將依靠云郵件服務(wù)提供商的內(nèi)置郵件保護功能作為郵件防護的手段,而在2020年這一比例是27%。此外報告中指出90%的數(shù)據(jù)泄露事件是由人為因素造成的,而人為因素導(dǎo)致的數(shù)據(jù)丟失是最常見的數(shù)據(jù)泄露原因。

隨著企業(yè)辦公服務(wù)在云端部署的越來越多,郵件服務(wù)也不斷遷移到辦公云中。在云環(huán)境下很多企業(yè)經(jīng)常受到黑客有針對性的郵件攻擊,如釣魚郵件、APT攻擊等,而且郵件SaaS平臺提供的郵件安全服務(wù)往往無法集成企業(yè)員工內(nèi)部系統(tǒng),例如ERP系統(tǒng)、Vendor管理系統(tǒng)。為此,基于企業(yè)級電子郵件安全面臨的機遇與挑戰(zhàn),Abnormal Security公司提出了郵件安全防護的新方法,并基于云環(huán)境建立了Abnormal架構(gòu),具體如下圖所示。

Abnormal Security提出的Abnormal架構(gòu)包含5層結(jié)構(gòu),具體包括負責(zé)收集數(shù)據(jù)整合數(shù)據(jù)的Data Layer,利用AI技術(shù)進行數(shù)據(jù)分析的AI Analysis Layer,利用行為分析、關(guān)系分析進行智能融合的Business Insights Layer,利用機器學(xué)習(xí)模型進行AI決策的AI Decision Engine,以及最終落地的產(chǎn)品Application。

Data Layer是檢測引擎的數(shù)據(jù)輸入層,Abnormal Security的云原生架構(gòu)已經(jīng)能夠與數(shù)十個平臺進行數(shù)據(jù)集成,其中不僅僅包括Microsoft Office365,G Suite等云服務(wù)平臺,而且也能夠?qū)⑵髽I(yè)本地側(cè)的ERP、Vendor Management等系統(tǒng)數(shù)據(jù)進行整合收集。Abnormal通過整合多源數(shù)據(jù)到統(tǒng)一平臺從而進行分析,并且能夠提供跨平臺的數(shù)據(jù)一致性保護。這樣帶來的好處是可以快速的一鍵式完成API集成,并且對于郵件流來說沒有風(fēng)險,同時不影響現(xiàn)有的安全工具,既能夠支持用戶自定義的開放式API集成到現(xiàn)有的SIEM或者SOAR中,實現(xiàn)標(biāo)準的數(shù)據(jù)輸入和響應(yīng)處置;也可以支持開發(fā)者利用API自定義的拓展應(yīng)用程序。此外為了能夠在Microsoft平臺上增強本地安全能力,利用Microsoft的API信息進行信息豐富。

在AI Analysis Layer,Abnormal利用大量的AI技術(shù)對API集成后的大量數(shù)據(jù)進行分析,其中用到的技術(shù)包括自然語言處理,計算機視覺,實體識別,文本分析,知識挖掘等。

Business Insights layer主要包括用戶行為分析,組織關(guān)系分析以及供應(yīng)鏈分析。關(guān)于用戶行為分析,Abnormal是通過將企業(yè)中每個人的上千維數(shù)據(jù)進行歸一化整理得到一個人的所有形式的身份信息(包括電話、電子郵件、設(shè)備id等),對個人的數(shù)據(jù)進行關(guān)聯(lián)之后按照時間軸合并生成事件列表, AI分析系統(tǒng)會對每個人的多平臺融合數(shù)據(jù)進行智能分析。Abnormal與組織架構(gòu)系統(tǒng)進行集成,通過觀察通信模式和行為來學(xué)習(xí)非正式的組織層次結(jié)構(gòu)關(guān)系。組織關(guān)系分析不僅能理解企業(yè)組織內(nèi)的架構(gòu)關(guān)系,而且能夠?qū)缃M織間的關(guān)系進行學(xué)習(xí)理解。Business Insights Layer通過了解企業(yè)中的業(yè)務(wù)流程(例如審批流程、升級路徑)來獲取群落知識以及組織流程。通過對郵件等交流方式的分析理解,找出溝通過程中蘊含的關(guān)系和話題。供應(yīng)鏈分析是Abnormal Security通過不斷的深入了解與企業(yè)交互的第三方來映射出完整的供應(yīng)鏈,這個過程中每個和第三方通信過程中發(fā)現(xiàn)的屬性例如郵件、電話號、地址等信息都會被解析為一個特定的業(yè)務(wù)實體,業(yè)務(wù)實體最終會被映射到聯(lián)系人和渠道信息,商業(yè)文件也會被識別和分析,并通過信息提取技術(shù)提取出業(yè)務(wù)屬性,包括產(chǎn)品數(shù)據(jù)等信息。最終通過跟蹤企業(yè)實體從而得到整個供應(yīng)鏈關(guān)系。

Abnormal Security通過利用AI Decision Engine對異常行為和正常行為進行區(qū)分判別,通過利用機器學(xué)習(xí)集成模型建立正常業(yè)務(wù)基線并對異常行為進行檢測,從而判斷異常風(fēng)險程度。為了能夠讓決策引擎的判別結(jié)果更加容易被人類理解,利用可解釋的人工智能技術(shù)使得安全分析專家和決策引擎用戶之間的理解達成一致。

產(chǎn)品特點

Microsoft Office365目前是應(yīng)用最廣泛的郵箱SaaS服務(wù),其郵件安全防護主要包括Exchange Online Protection(EOP)和Advanced Threat Protection(ATP),EOP主要作為郵箱防護的基礎(chǔ)功能為用戶過濾垃圾郵件,檢測惡意軟件等;ATP主要作為Office365的升級服務(wù)可以提供自動響應(yīng)和攻擊模擬的防護能力,避免公司組織收到復(fù)雜的郵件攻擊,例如網(wǎng)絡(luò)釣魚以及0day惡意軟件等。但是由于在企業(yè)中Office365無法結(jié)合部門和跨職能之間的用戶關(guān)系以及組織關(guān)系,因此無法對有針對性的郵件攻擊例如內(nèi)網(wǎng)釣魚、網(wǎng)絡(luò)欺詐、企業(yè)賬戶安全等更強的ATP攻擊進行有效防護;另一種傳統(tǒng)的郵件防護方式是SEG郵件安全網(wǎng)關(guān),SEG郵件安全網(wǎng)關(guān)和Office365相比存在一定的安全防護特性的重復(fù),例如垃圾郵件檢測,惡意軟件檢測;此外SEG郵件安全網(wǎng)關(guān)也無法覆蓋企業(yè)員工內(nèi)部系統(tǒng),例如ERP系統(tǒng)、Vendor管理系統(tǒng),和Office365的集成對SEG來說目前還不支持。Abnormal Security孵化的產(chǎn)品不僅能夠和Office365等郵件SaaS服務(wù)無縫集成,而且能夠利用AI技術(shù)解決企業(yè)郵件攻擊的檢測和防護,不僅包括APT攻擊、內(nèi)部釣魚、網(wǎng)絡(luò)欺詐等。而且通過將ERP、Vendor管理系統(tǒng)的信息集成到產(chǎn)品中,可以支持對企業(yè)用戶全方位的賬戶保護。對比Office365和SEG,Abnormal Security產(chǎn)品特點如下圖所示:

1.     使用人工智能決策引擎對商業(yè)電子郵件攻擊進行檢測并防護。以云原生模式和技術(shù)為基礎(chǔ),通過一鍵式API解決方案對針對性的郵件攻擊進行阻止,避免手動檢測安全事件的延時問題以及漏報問題。不僅能夠防止內(nèi)部釣魚攻擊,而且還能識別并禁用有威脅的供應(yīng)商賬戶。

2.     利用數(shù)據(jù)科學(xué)技術(shù)將云原生的API結(jié)構(gòu)和數(shù)據(jù)相結(jié)合,通過對通信進行學(xué)習(xí)和檢測,標(biāo)記財務(wù)語言,利用計算機視覺技術(shù)可以將財務(wù)信息中的報告數(shù)據(jù)等進行識別,從而達到檢測發(fā)票欺詐、供應(yīng)鏈攻擊的行為,避免對企業(yè)造成因郵件攻擊引起的經(jīng)濟損失。

3.     防止企業(yè)員工收到釣魚郵件和鏈接,防止敲詐、惡意軟件和勒索軟件的攻擊,避免垃圾郵件以及禮品詐騙等各種形式的詐騙行為。

總結(jié)

隨著云環(huán)境的發(fā)展,越來越多的企業(yè)將業(yè)務(wù)遷移到云環(huán)境中,其中電子郵件業(yè)務(wù)也逐漸從傳統(tǒng)郵箱方式向云環(huán)境進行轉(zhuǎn)移。電子郵件安全也因此面臨著新的挑戰(zhàn),越來越多的攻擊者會針對企業(yè)或者機構(gòu)組織進行針對性的電子郵件攻擊,一旦在電子郵件中出現(xiàn)數(shù)據(jù)泄露或者被釣魚等威脅的發(fā)生,都會給企業(yè)帶來嚴重的利益損失。

目前Abnormal Security已經(jīng)提出了一種針對云環(huán)境下的電子郵件防護技術(shù)來防御并組織惡意的電子郵件攻擊,其產(chǎn)品的創(chuàng)新之處在于結(jié)合當(dāng)前云原生環(huán)境的發(fā)展和需求,孵化出了基于AI人工智能技術(shù)的電子郵件安全防護機制。并且在基于用戶行為分析和知識圖譜構(gòu)建的惡意電子郵件檢測的基礎(chǔ)上,實現(xiàn)事件自動化響應(yīng)、郵箱賬戶泄露檢測以及濫用郵箱檢測等一系列電子郵件防護機制。但是筆者的顧慮是部署其防護平臺的公司需要向Abnormal Security暴露過多的信息,不僅包括企業(yè)的機密信息也包括公司員工個人的隱私數(shù)據(jù),這一過程是否導(dǎo)致產(chǎn)品在推廣的過程中受阻或者是出現(xiàn)隱私泄露的問題。

 Abnormal Security提出的郵件防護機制不僅能夠無縫對接企業(yè)安全平臺,也具備通過AI人工智能技術(shù)強大的學(xué)習(xí)能力,從而預(yù)測出偏離正常行為基線的異常行為。能夠?qū)ζ髽I(yè)郵件安全進行一站式服務(wù),不僅適應(yīng)當(dāng)前技術(shù)的發(fā)展,也具備比較高的技術(shù)壁壘,筆者認為Abnormal Security未來前景很好,而且在本次RSA創(chuàng)新沙盒的競爭中具備很強的競爭力。


網(wǎng)站名稱:RSA創(chuàng)新沙盒盤點|AbnormalSecurity——下一代電子郵件安全
新聞來源:http://m.5511xx.com/article/dhgpcdc.html