绿盟科技Techworld 2017网络安全智能化 机器学习成亮点

本文涉及的产品
云原生大数据计算服务MaxCompute,500CU*H 100GB 3个月
简介:

近日,绿盟科技第六届技术大会“Techworld 2017”在北京成功举办。本届Techworld大会以“创新联动安全”为主题,主要围绕云与大数据安全、移动与智能安全展开,并重点就“机器学习”、“软件定义安全”等热门议题进行讨论。

绿盟科技Techworld 2017网络安全智能化 机器学习成亮点

近年来,伴随“云大物移智”等新兴IT技术的全面覆盖,网络威胁也变得日趋复杂,作为防守方,需要紧跟趋势,比“敌人”更快,拥抱技术创新的同时做好上下游的紧密联动,才能在日益紧张的网安环境下构建系统的防御生态。“只有我们自己变得更强大,才有可能影响、帮助更多业内人士成长,这也是Techworld 技术大会的初衷“。绿盟科技总裁沈继业在致辞中表示。

绿盟科技Techworld 2017网络安全智能化 机器学习成亮点

绿盟科技总裁 沈继业

网络空间依法治理 共享联动成趋势

“利用集体的知识和技术能力实现网络安全领域的共享联动,才有可能打造国家网络安全的纵深防御体系”。CNCERT运行部主任严寒冰表示,近年来,我国高度重视网络安全信息共享工作,国家政策、法规中也明确提出了促进关键信息基础设施的运营者、研究机构、网络安全服务商之间的网络安全信息共享问题,而面对纷繁复杂、多维度的数据源信息,需要建立一套基于大数据分析的网络安全威胁信息共享标准。目前,包括CNCERT在内的很多机构已经开展网络安全威胁信息共享的具体尝试。

绿盟科技Techworld 2017网络安全智能化 机器学习成亮点

CNCERT运行部主任严寒冰

企业和安全厂商需转变观念协同作战

据绿盟科技《2017上半年网络安全观察报告》显示,全球60%的恶意Ip集中在GDP排名前十的国家,全球范围的勒索产业日趋成熟,勒索行为趋向于利用系统漏洞进行自动传播。

对此,绿盟科技高级副总裁叶晓虎表示,能被最大规模利用的漏洞非常有限,且很多被利用的漏洞早已有官方补丁,比如WannaCry利用的漏洞在今年4月初就已经发布了补丁。由此也反映出企业和安全厂商协同运营“防微杜渐”的必要性,企业需要将安全运营能力和开发能力相整合;对于安全服务商而言,则需要从单点的技术场景转化为解决方案的提供,而这种市场需求的转变与绿盟近年来提出的“智慧安全2.0战略” 从传统产品模式向智能、敏捷、可运营的解决方案转型不谋而合。

绿盟科技Techworld 2017网络安全智能化 机器学习成亮点

绿盟科技高级副总裁 叶晓虎

作为企业端的代表,美团点评首席信息安全官赵彦也充分肯定了叶晓虎的观点,并强调企业安全建设中投入研发的重要意义。赵彦认为,安全运维与研发应该是相辅相成的关系,只做运维,反入侵就永远无法深入问题源头,而把安全设计融入产品才能达到像谷歌那样领先水平。

绿盟科技Techworld 2017网络安全智能化 机器学习成亮点

美团点评首席信息安全官赵彦

大数据驱动下的威胁情报应用实践

大数据的高速发展,极大促进经济繁荣的同时,也催生了新一代威胁的产生,新一代威胁不仅传播速度更快,攻击面也更广。绿盟科技安全专家指出,安全可能不会因为大数据变得更好,但也绝不会变得更坏,态势感知和威胁情报分析也因此应运而生。

以绿盟科技威胁情报中心(NTI)为例,NTI使用高效的云端引擎,可帮用户全方位实时洞悉企业暴露在全球公网的相关资产指纹信息及威胁活动,同时支持多引擎文件检测及最全面的漏洞信息查询分析,用户可通过多层多源关联进行追踪溯源,快速对业务相关的威胁活动进行响应。

基于人工智能的网络安全技术研究全面铺开

越来越多的网络攻击者通过自动化技术发起网络攻击,而传统的应对方式是受攻击一方通过人工查漏补缺,就在安全人员修复的这段时间内,攻击者依然能够利用漏洞侵入系统,肆意掠夺数据,不仅错过了 “治病”的最佳时期,还导致了病情的“恶化”。机器学习凭借其出色的数据分析能力被认为在网络安全方面将会“大有作为”。围棋世界冠军古力的到来,为大会掀起了人工智能讨论的高潮,绿盟科技副总裁周凯和滴滴labs安全研究部负责人蔺毅翀,也加入关于“Google人工智能与机器学习”的圆桌论坛的讨论。

绿盟科技Techworld 2017网络安全智能化 机器学习成亮点

蔺毅翀指出,现阶段,一些主流的机器学习方向如人脸识别、大数据建模、后台离线学习等在很多行业都有应用,由于威胁不固定等问题,安全行业在人工智能方面的研发相对滞后。

绿盟科技Techworld 2017网络安全智能化 机器学习成亮点

滴滴labs安全研究部负责人蔺毅翀

设备的堆砌解决不了黑客日益更新的攻击方式,再高明的黑客,也会留下痕迹,如何能够“看见”攻击,才是关键。绿盟科技副总裁李晨表示,机器学习中非常重要的一个步骤就是数据预处理,绿盟科技独创事件理解引擎能够对数据进行压缩合并,将原本混乱复杂的日志,理解为少量、精准、易读的安全事件,为后续进行机器学习、攻击链关联分析等提供数据支撑。

绿盟科技Techworld 2017网络安全智能化 机器学习成亮点

绿盟科技副总裁 李晨

以技术创新和智慧联动 构建安全生态

毫无疑问,随着网络安全攻防对抗的升级,攻击者正在通过智能化的基础架构,构建各种攻击及服务的平台,一方面降低获取利益的风险,另一方面获取数据改善自身攻击能力。既然攻击者可以这么做,防守者当然也可以。安天移动安全负责人潘宣辰,绿盟创新中心、应急响应中心专家也分别从移动安全、软件定义安全、车联网安全等不同维度做了主题分享。

绿盟科技Techworld 2017网络安全智能化 机器学习成亮点

安天移动安全负责人潘宣辰

为了在网络安全领域不断赢得先手,积极应对日益高级和复杂的攻击形势同时 ,更要拥抱云大物移为我们带来的新机会,在将人工智能应用于网络安全技术创新的同时,在多平台、多组织之间,构建智能、敏捷、可运营的体系,以实现智慧安全2.0时代的联动,从而在行业乃至产业层面,大幅度提升整体防御能力,这也是绿盟科技Techworld 2017重要目的。


原文发布时间为:2017年8月7日

本文来自云栖社区合作伙伴至顶网,了解相关信息可以关注至顶网。

相关实践学习
基于MaxCompute的热门话题分析
Apsara Clouder大数据专项技能认证配套课程:基于MaxCompute的热门话题分析
相关文章
|
8月前
|
存储 人工智能 运维
超大规模云网络技术新突破!阿里云斩获中国自动化学会科技进步一等奖
超大规模云网络技术新突破!阿里云斩获中国自动化学会科技进步一等奖
375 60
|
9月前
|
机器学习/深度学习 数据采集 运维
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?
432 19
|
9月前
|
机器学习/深度学习 算法 数据安全/隐私保护
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。
|
10月前
|
机器学习/深度学习 边缘计算 运维
机器学习在网络安全中的防护:智能化的安全屏障
机器学习在网络安全中的防护:智能化的安全屏障
478 15
|
9月前
|
存储 人工智能 运维
超大规模云网络技术新突破!阿里云斩获中国自动化学会科技进步一等奖
超大规模云网络技术新突破!阿里云斩获中国自动化学会科技进步一等奖
151 0
|
11月前
|
人工智能 搜索推荐 决策智能
不靠更复杂的策略,仅凭和大模型训练对齐,零样本零经验单LLM调用,成为网络任务智能体新SOTA
近期研究通过调整网络智能体的观察和动作空间,使其与大型语言模型(LLM)的能力对齐,显著提升了基于LLM的网络智能体性能。AgentOccam智能体在WebArena基准上超越了先前方法,成功率提升26.6个点(+161%)。该研究强调了与LLM训练目标一致的重要性,为网络任务自动化提供了新思路,但也指出其性能受限于LLM能力及任务复杂度。论文链接:https://arxiv.org/abs/2410.13825。
213 12
|
机器学习/深度学习 人工智能 数据挖掘
打破传统:机器学习与神经网络获2024年诺贝尔物理学奖引发的思考
诺贝尔物理学奖首次授予机器学习与神经网络领域,标志该技术在物理学研究中的重要地位。本文探讨了这一决定对物理学研究的深远影响,包括数据分析、理论物理突破及未来科研方向的启示,同时分析了其对学术跨界合作与全球科研产业的影响。
227 4
|
机器学习/深度学习 数据采集 算法
机器学习在医疗诊断中的前沿应用,包括神经网络、决策树和支持向量机等方法,及其在医学影像、疾病预测和基因数据分析中的具体应用
医疗诊断是医学的核心,其准确性和效率至关重要。本文探讨了机器学习在医疗诊断中的前沿应用,包括神经网络、决策树和支持向量机等方法,及其在医学影像、疾病预测和基因数据分析中的具体应用。文章还讨论了Python在构建机器学习模型中的作用,面临的挑战及应对策略,并展望了未来的发展趋势。
765 1
|
机器学习/深度学习 自然语言处理 算法
深入理解机器学习算法:从线性回归到神经网络
深入理解机器学习算法:从线性回归到神经网络
|
机器学习/深度学习 人工智能 算法
【玉米病害识别】Python+卷积神经网络算法+人工智能+深度学习+计算机课设项目+TensorFlow+模型训练
玉米病害识别系统,本系统使用Python作为主要开发语言,通过收集了8种常见的玉米叶部病害图片数据集('矮花叶病', '健康', '灰斑病一般', '灰斑病严重', '锈病一般', '锈病严重', '叶斑病一般', '叶斑病严重'),然后基于TensorFlow搭建卷积神经网络算法模型,通过对数据集进行多轮迭代训练,最后得到一个识别精度较高的模型文件。再使用Django搭建Web网页操作平台,实现用户上传一张玉米病害图片识别其名称。
223 0
【玉米病害识别】Python+卷积神经网络算法+人工智能+深度学习+计算机课设项目+TensorFlow+模型训练

热门文章

最新文章

下一篇
oss云网关配置