Palo Alto Cortex XSOAR 8.8 for ESXi - 安全编排、自动化和响应 (SOAR) 平台

简介: Palo Alto Cortex XSOAR 8.8 for ESXi - 安全编排、自动化和响应 (SOAR) 平台

Palo Alto Cortex XSOAR 8.8 for ESXi - 安全编排、自动化和响应 (SOAR) 平台

Security Orchestration, Automation and Response (SOAR) platform

请访问原文链接:https://sysin.org/blog/cortex-xsoar-8/ 查看最新版。原创作品,转载请保留出处。

作者主页:sysin.org


Palo Alto Logo

重新定义安全编排和自动化
Cortex XSOAR 是一种综合安全编排、自动化和响应 (SOAR) 平台,能够统一案例管理、 自动化、实时协作和威胁情报管理,在整个事件生命周期内为安全团队提供支持。

who-use-it

SOAR 平台的主要新功能

安全编排
快速大规模地响应事件

  • 集成了数百种产品
  • 数千个自动化操作
  • 直观的剧本编辑器

案例管理
获取、搜索和查询所有安全警报

  • 自定义事件布局
  • 自动记录
  • 仪表盘和报告

协作与学习
通过协同工作 (sysin),提高调查质量

  • 虚拟战情室
  • 调查界面
  • 机器学习

威胁情报管理
分析、管理威胁情报并据其采取措施

  • 威胁来源汇总
  • 细化指标视图
  • 情报共享与响应

Cortex XSOAR 的工作原理

Cortex XSOAR 从检测源(例如,安全信息和事件管理 (SIEM) 解决方案、网络安全工具、威胁情报源和邮箱)获取汇总的警报和威胁指标 (IOC),然后执行基于流程的自动化剧本以实现丰富并响应事件 (sysin)。这些剧本跨技术、安全团队和外部用户进行协调,以集中可视化和处理数据。

how-to-work

安全运营中心

通过 Palo Alto Networks 的虚拟 SOC 之旅,深入了解安全运营。单击每个感兴趣的点,了解我们如何防止针对自己企业的网络攻击。

位于 Palo Alto Networks 的安全运营中心 (SOC) 的任务是保护我们在全球的 1 万名员工和不断扩展的 5 万个端点组成的网络。我们的 SOC 还监控我们的数据中心和全球 7.5 万个客户使用的安全服务。了解他们如何利用自动化,通过一个由 SOC 分析师组成的精干内部团队提供这些服务。

新增功能

Cortex XSOAR 8.8 版本包含以下亮点:

  • Cortex XSOAR 多租户

    Cortex XSOAR 8 On-prem 现提供以下功能:

    • 托管安全服务提供商 (MSSP) 的多租户
    • 企业多租户

    以下许可证与此版本相关:

    • MSSP:PAN-CORTEX-MSSP、PAN-DEMISTO-MSSP
    • 企业:PAN-XSOAR-ENT-MT、PAN-XSOAR-SOAR-ENT-MT、PAN-XSOAR-TIM-ENT-MT

    在主租户中,您可以集中管理资源和报告、将自定义内容推送到多个租户、搜索事件以及跨多个租户运行命令,而不会在租户之间公开任何数据。

  • 配置和数据的备份和恢复通过定期备份 Cortex XSOAR 租户,您可以持续高效地运行 Cortex XSOAR 租户,从而恢复数据、配置和设置。这可以最大限度地减少停机时间,防止数据丢失,并帮助您在发生故障、损坏或回滚时恢复数据。

  • Canvas - 多层指标/事件关系图

    SOC 分析师现在可以创建动态攻击图或静态快照,并与 IR、取证和威胁追踪团队共享。这使他们能够可视化并关联关键安全事件和 IOC,从而更快、更精简地开展调查。有关更多信息,请参阅使用画布调查事件 。

系统要求

Operating Systems:

要求 ESXi 6.7 及更新版本,仅测试用途也支持运行在 Fusion 12+ 和 Workstation 16+ 中。

建议在以下版本的 VMware 软件中运行(Linux OVF 无需本站定制版可以正常运行,macOS 虚拟化如果不是 Mac 必须使用定制版才能运行,Windows OVF 需要定制版才能启用完整功能):

Hardware Requirements:

Component Extra-small scale Small scale Medium scale Large scale
CPU per VM 8 CPU cores 16 CPU cores 32 CPU cores 48 CPU cores
Memory per VM 32 GB RAM 64 GB RAM 128 GB RAM 192 GB RAM
Storage per VM 256 GB boot disk plus a separate 775 GB data disk. These disks must be SSDs. 256 GB boot disk plus a separate 775 GB data disk. These disks must be SSDs. 256 GB boot disk plus a separate 1.3 TB data disk (1 TB = 1024 GB). These disks must be SSDs. 256 GB boot disk plus a separate 1.8 TB data disk (1 TB = 1024 GB). These disks must be SSDs.

下载地址

Palo Alto Networks Cortex XSOAR 8.8 for ESXi

相关产品:Palo Alto Cortex XSOAR 6.13 for Linux - 安全编排、自动化和响应 (SOAR) 平台

更多:HTTP 协议与安全

目录
相关文章
|
29天前
|
JavaScript 搜索推荐 前端开发
通义灵码2.5智能体模式联合MCP:打造自动化菜品推荐平台,实现从需求到部署的全流程创新
本项目利用通义灵码2.5的智能体模式与MCP服务,构建在线点餐推荐网站。基于Qwen3模型,实现从需求到代码生成的全流程自动化,集成“今天吃什么”和EdgeOne MCP服务,提供个性化推荐、偏好管理等功能。技术架构采用React/Vue.js前端与Node.js后端,结合MCP工具链简化开发。项目涵盖功能测试、部署及未来扩展方向,如餐厅推荐、语音交互等,展示高效开发与灵活扩展能力。
|
3月前
|
运维 安全 网络安全
自动化与统一管理:Websoft9 平台为教师提供的一站式解决方案
教育场景常面临资源分散、技术门槛高、资源利用低效及安全风险等问题。Websoft9 提供自动化部署与统一管理方案,通过预集成应用模板库、容器化资源隔离和智能运维监控等技术,大幅缩短环境搭建时间,提升资源利用率并保障数据安全。其典型应用场景包括混合教学环境搭建、科研项目管理和实验课程弹性扩展,助力高校降低成本、提高效率。Websoft9 的图形化界面降低技术门槛,支持自定义开发,推动教育数字化转型,未来有望成为教学生产力提升的底层基座。
67 6
|
5月前
|
机器学习/深度学习 人工智能 运维
基于AI的自动化事件响应:智慧运维新时代
基于AI的自动化事件响应:智慧运维新时代
269 11
|
7月前
|
机器学习/深度学习 数据采集 运维
智能化运维:机器学习在故障预测和自动化响应中的应用
智能化运维:机器学习在故障预测和自动化响应中的应用
125 4
|
8月前
|
机器学习/深度学习 数据采集 运维
智能化运维:机器学习在故障预测和自动化响应中的应用
【10月更文挑战第1天】智能化运维:机器学习在故障预测和自动化响应中的应用
131 3
|
9月前
|
存储 弹性计算 运维
自动化监控和响应ECS系统事件
阿里云提供的ECS系统事件用于记录云资源信息,如实例启停、到期通知等。为实现自动化运维,如故障处理与动态调度,可使用云助手插件`ecs-tool-event`。该插件定时获取并转化ECS事件为日志存储,便于监控与响应,无需额外开发,适用于大规模集群管理。详情及示例可见链接文档。
|
10月前
|
测试技术 Android开发 iOS开发
Appium 是一个开源的自动化测试框架,它支持多种平台和多种编程语言
Appium是一款开源自动化测试框架,支持iOS和Android多平台及多种编程语言。通过WebDriver协议,开发者可编写自动化测试脚本。在iPhone上实现屏幕点击等操作需安装Appium及其依赖,启动服务器,并设置所需的测试环境参数。利用Python等语言编写测试脚本,模拟用户交互行为,最后运行测试脚本来验证应用功能。对于iPhone测试,需准备真实设备或Xcode模拟器。
269 1
|
9月前
|
运维 监控 数据可视化
高效运维的秘密武器:自动化工具链的构建与实践在当今数字化时代,IT系统的复杂性和规模不断增加,使得传统的手动运维方式难以应对日益增长的业务需求。因此,构建一套高效的自动化工具链成为现代运维的重要任务。本文将深入探讨如何通过自动化工具链提升IT运维效率,确保系统稳定运行,并实现快速响应和故障恢复。
随着企业IT架构的不断扩展和复杂化,传统的手动运维已无法满足业务需求。自动化工具链的构建成为解决这一问题的关键。本文介绍了自动化工具链的核心概念、常用工具及其选择依据,并通过实际案例展示了自动化工具链在提升运维效率、减少人为错误、优化资源配置等方面的显著效果。从监控系统到自动化运维平台,再到持续集成/持续部署(CI/CD)的流程,我们将一步步揭示如何成功实施自动化工具链,助力企业实现高效、稳定、可靠的IT运维管理。
|
10月前
|
机器学习/深度学习 运维 监控
智能化运维:机器学习在故障预测和自动化响应中的应用
【8月更文挑战第2天】 本文探讨了将机器学习技术应用于IT运维领域,特别是在故障预测和自动化响应方面的潜力与挑战。通过分析机器学习如何优化传统运维流程,我们揭示了数据驱动的决策制定对提升系统稳定性和效率的影响。文章进一步讨论了实施机器学习模型时可能遇到的技术和非技术性问题,并提出了相应的解决策略。最后,我们反思了这一转变对IT专业人员技能要求的影响,以及如何在不断变化的技术环境中维持竞争力。
138 4
|
10月前
|
机器学习/深度学习 数据采集 运维
预见未来:机器学习引领运维革命——故障预测与自动化响应的新篇章
【8月更文挑战第2天】智能化运维:机器学习在故障预测和自动化响应中的应用
119 1