将机器学习应用于网络安全, RiskIQ 获3050万美元C轮融资

简介:

11 月 10 日,网络安全初创企业 RiskIQ 宣布完成 3050 万美元 C 轮融资,由 Georgian Partners 领投,现有投资者 Summit Partners、Battery Ventures 和 MassMutual Ventures 参投。公司计划利用本轮融资进一步拓展公司业务范围,加大公司平台建设力度并继续将公司平台应用于数字风险管理市场之中。

RiskIQ 创立于 2009 年,总部位于旧金山,致力于让企业及组织客户能够访问安全智能和应用程序,从而保护数字攻击面、定位业务风险。客户能够随时发现和处理恶意软件、恶意广告和恶意 App,降低网络、移动及社交工具的威胁。RiskIQ 通过全球代理网络每天持续扫描数以千万计的网站,随时向客户报告异常情况。据悉美国前十大金融机构中有八家都适用 RiskIQ 追踪监控企业 web 和移动应用资产。

与此同时,RiskIQ 运用机器学习和数据科学,利用大数据、用户使用以及攻击活动信息,不断提高平台智能程度,扩大平台功能。

RiskIQ 方面表示公司服务能够帮助安全人员提高效率,更快发现威胁、加快调查并有效预防或采取补救措施。公司客户遍布金融服务、技术、零售、政府、医疗保健、媒体和制造业等领域,其中包括Facebook、电子签名初创企业 DocuSign 和美国体育运动装备品牌安德玛(Armour)等。

RiskIQ 自创立以来,获得融资总额为 6550 万美元,公司业务已经渗透到欧洲和亚洲市场,拥有 200 多家企业客户,有超过 13000 个安全分析师使用 RiskIQ 平台。每周大约有数百个用户订阅其数字威胁调查工具 RiskIQ PassiveTotal。

本文转自d1net(转载)

目录
打赏
0
0
0
0
176
分享
相关文章
基于DeepSeek的生成对抗网络(GAN)在图像生成中的应用
生成对抗网络(GAN)通过生成器和判别器的对抗训练,生成高质量的合成数据,在图像生成等领域展现巨大潜力。DeepSeek作为高效深度学习框架,提供便捷API支持GAN快速实现和优化。本文详细介绍基于DeepSeek的GAN技术,涵盖基本原理、实现步骤及代码示例,展示其在图像生成中的应用,并探讨优化与改进方法,如WGAN、CGAN等,解决模式崩溃、训练不稳定等问题。最后,总结GAN在艺术创作、数据增强、图像修复等场景的应用前景。
254 16
MATLAB在机器学习模型训练与性能优化中的应用探讨
本文介绍了如何使用MATLAB进行机器学习模型的训练与优化。MATLAB作为强大的科学计算工具,提供了丰富的函数库和工具箱,简化了数据预处理、模型选择、训练及评估的过程。文章详细讲解了从数据准备到模型优化的各个步骤,并通过代码实例展示了SVM等模型的应用。此外,还探讨了超参数调优、特征选择、模型集成等优化方法,以及深度学习与传统机器学习的结合。最后,介绍了模型部署和并行计算技巧,帮助用户高效构建和优化机器学习模型。
76 1
MATLAB在机器学习模型训练与性能优化中的应用探讨
云原生应用网关进阶:阿里云网络ALB Ingress 全面增强
云原生应用网关进阶:阿里云网络ALB Ingress 全面增强
机器学习在网络流量预测中的应用:运维人员的智慧水晶球?
机器学习在网络流量预测中的应用:运维人员的智慧水晶球?
143 19
基于机器学习的人脸识别算法matlab仿真,对比GRNN,PNN,DNN以及BP四种网络
本项目展示了人脸识别算法的运行效果(无水印),基于MATLAB2022A开发。核心程序包含详细中文注释及操作视频。理论部分介绍了广义回归神经网络(GRNN)、概率神经网络(PNN)、深度神经网络(DNN)和反向传播(BP)神经网络在人脸识别中的应用,涵盖各算法的结构特点与性能比较。
DeepSeek生成对抗网络(GAN)的训练与应用
生成对抗网络(GANs)是深度学习的重要技术,能生成逼真的图像、音频和文本数据。通过生成器和判别器的对抗训练,GANs实现高质量数据生成。DeepSeek提供强大工具和API,简化GAN的训练与应用。本文介绍如何使用DeepSeek构建、训练GAN,并通过代码示例帮助掌握相关技巧,涵盖模型定义、训练过程及图像生成等环节。
应用程序中的网络协议:原理、应用与挑战
网络协议是应用程序实现流畅运行和安全通信的基石。了解不同协议的特点和应用场景,以及它们面临的挑战和应对策略,对于开发者和用户都具有重要意义。在未来,随着技术的不断发展,网络协议也将不断优化和创新,为数字世界的发展提供更强大的支持。
解锁机器学习的新维度:元学习的算法与应用探秘
元学习作为一个重要的研究领域,正逐渐在多个应用领域展现其潜力。通过理解和应用元学习的基本算法,研究者可以更好地解决在样本不足或任务快速变化的情况下的学习问题。随着研究的深入,元学习有望在人工智能的未来发展中发挥更大的作用。
下一篇
oss创建bucket
AI助理

你好,我是AI助理

可以解答问题、推荐解决方案等