FortiOS 5.6:全面面向协同网络安全构建的操作系统

本文涉及的产品
云防火墙,500元 1000GB
简介:

全球高性能网络安全解决方案提供商Fortinet近日发布了FortiOS 操作系统的5.6版本。FortiOS是Fortinet旗舰产品FortiGate下一代防火墙的操作系统,也是支撑Fortinet Security Fabric 安全架构运转的基础,还是实现协同联动、积极防御体系的核心之一。

FortiOS 5.6 驱动的 Fortinet Security Fabric 是围绕可扩展的网络和安全系统以及具有高度感知能力、可执行威胁情报、开放式API标准而设计的智能框架,具有高度灵活和易于集成等特点,可以为要求最严苛的企业环境提供安全防护。

  • Security Fabric架构与协同

FortiOS 5.6整合了平台支持包括云及虚拟化平台,网络及安全,策略与控制以及安全管理各个层级之间的操作与集成。

由多个安全组件构成的Security Fabric 架构,在5.6操作系统中被模块化,通过核心防火墙,可以连结并勾画出整个网络中的各个安全组件,并且实现Security Fabric内部的多设备协同联动,例如交换机/边界防火墙/内网防火墙/邮件网关,WAF设备以及集中管理与日志设备,以及沙盒防御与安全管理SIEM系统等。特别是,Security Fabric 可以共享与新发现的威胁有关的情报、动态隔离已感染的设备、划分网段、更新规则、推送新策略、以及移除恶意软件。

FortiOS 5.6同样改进了感染指标(IoC)的本地和全球共享机制,通过单一虚拟管理平台从网络运营中心(NOC)的角度更好地管理网络。FortiOS 5.6 与 Fortinet 集中式管理解决方案无缝集成,通过安全信息和事件管理(SIEM)API 扩展管理和编配范围。

  • 可见与可控:

逻辑上分离数据和资源的动态网络分段有助于 Security Fabric 覆盖所有攻击向量,以便发现和阻止试图在不同网络分区之间移动的威胁。

FortiOS 5.6 中的 FortiView 使用户能够360°全方位了解网络流量。并可以根据来源、目的地、应用程序、威胁、接口、设备、策略和国家等类别查看流量。除了综合性图表视图,还提供可视化图形(比如国家地图、网络拓扑图、气泡图、时间线等等)。

FortiOS 5.6 通过新的Security Fabric Audit(安全架构审计)独特设计,使用户可以通过其实现分析 Security Fabric 部署以识别潜在漏洞和突出最佳实践,从而改善网络整体安全态势并提高网络性能。同样,通过检查网络中 Security Fabric 构架中的安全组件的健康度得分,动态评估每个安全架构要素及其配置,从而提出建议并采取自动化行动以提高安全性,让整体网络随着时间的推移变得更加安全。

FortiOS 5.6 提供覆盖整个安全架构的深度可见性和控制力,减少从物联网到云端的受攻击面。该操作系统具有更多的安全设备可见性,优化网络分段并提高降低事故风险和减少事故影响的能力。

  • 灵活扩展:

由 FortiOS 驱动的 Fortinet Security Fabric 在运用感知和开放系统实施情报战略的同时具备强大的功能,在不影响网络性能或生产力的前提下在组织内部任意节点执行深度安全检查。它能够从最小的分支机构部署扩展到最大、最复杂的数据密集型园区和数据中心环境——包括保护私有云、混合云和公共云。

FortiOS 5.6 支持基于内嵌安全处理器(SPU)的高性能硬件设备,使得FortiGate始终拥有比同价位安全产品高5-10倍的处理性能,减轻基础设施的负担,使企业组织能够建立全面的安全防护体系而不影响网络性能。同样包括通过软件优化和云平台集成在IaaS 和 PaaS环境中实现卓越性能。


原文发布时间为:2017年5月15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。

相关文章
|
机器学习/深度学习 存储 算法
时序数据特征工程浅析
内容摘要特征工程是指将原始数据标记处理为价值密度更高,更容易解释目标问题的工程化过程,在面向大量原始采集的数据集统计分析,尤其是对于高通量持续采集、且价值密度较低的时序数据更是如此。时序数据特征工程则是指利用有效方法,将原始时序数据转化为带有含义分类标签的序列数据片段或特征数值,例如,我们可以将指定时间窗口序列数据标识为特定异常关联数据,并保留平均、最大、最小值作为该序列的特征值。这样我们就可以围
3786 0
时序数据特征工程浅析
|
11月前
|
Web App开发 前端开发 JavaScript
探索Python科学计算的边界:利用Selenium进行Web应用性能测试与优化
【10月更文挑战第6天】随着互联网技术的发展,Web应用程序已经成为人们日常生活和工作中不可或缺的一部分。这些应用不仅需要提供丰富的功能,还必须具备良好的性能表现以保证用户体验。性能测试是确保Web应用能够快速响应用户请求并处理大量并发访问的关键步骤之一。本文将探讨如何使用Python结合Selenium来进行Web应用的性能测试,并通过实际代码示例展示如何识别瓶颈及优化应用。
456 5
|
11月前
|
数据采集 TensorFlow 算法框架/工具
【大作业-03】手把手教你用tensorflow2.3训练自己的分类数据集
本教程详细介绍了如何使用TensorFlow 2.3训练自定义图像分类数据集,涵盖数据集收集、整理、划分及模型训练与测试全过程。提供完整代码示例及图形界面应用开发指导,适合初学者快速上手。[教程链接](https://www.bilibili.com/video/BV1rX4y1A7N8/),配套视频更易理解。
269 0
【大作业-03】手把手教你用tensorflow2.3训练自己的分类数据集
|
存储 算法 C语言
C库函数详解 - 内存操作函数:memcpy()、memmove()、memset()、memcmp() (一)
`memcpy()` 和 `memmove()` 是C语言中的两个内存操作函数。 `memcpy()` 函数用于从源内存区域复制指定数量的字节到目标内存区域。它不处理内存重叠的情况,如果源和目标区域有重叠,结果是未定义的。函数原型如下: ```c void *memcpy(void *dest, const void *src, size_t num); ```
827 6
|
12月前
|
JavaScript 前端开发 Java
Spring Boot+cucumber
本文介绍了使用 Spring Boot 和 Cucumber 进行行为驱动开发的过程。首先,通过 start.spring.io 创建一个包含 Web 依赖的项目,并修改 `pom.xml` 文件以添加相关依赖。接着,展示了如何编写和运行简单的 Hello World 示例。然后,详细描述了一个更复杂的 ATM 服务示例,包括定义功能、编写测试文件、实现服务类以及验证 PIN 码的功能。最后,通过 JUnit 运行测试以确保功能正确。
215 0
Spring Boot+cucumber
|
应用服务中间件 nginx 数据安全/隐私保护
使用Harbor搭建Docker私有仓库
Harbor是一款开源的企业级Docker仓库管理工具,分为私有与公有仓库两种类型,其中私有仓库被广泛应用于运维场景。Harbor提供图形化界面,便于直观操作,并且其核心组件均由容器构建而成,因此安装时需预先配置Docker及docker-compose。Harbor支持基于项目的用户与仓库管理,实现细粒度的权限控制;具备镜像复制、日志收集等功能,并可通过UI直接管理镜像,支持审计追踪。部署Harbor涉及配置文件调整、登录认证等步骤,并可通过客户端进行镜像的上传、拉取等操作。系统内置多种角色,包括受限访客、访客、开发者、维护人员及管理员,以满足不同场景下的使用需求。
443 0
|
开发者
如何画好一张架构图/业务图/流程图,掌握4个关键点
本文分享了如何制作出有帮助的图表,强调了即使是开发者也需要良好的绘图技巧。文章列举了常见的图表类型,如代码实现图、技术架构图、业务流程图、技术链路图、交互时序图和业务架构图,并指出好的图表应具备结构清晰、外表美观和内容完整的特点。为了达到这些标准,作者推荐了设计的四大原则:亲密性、对齐、对比和重复,以及色轮的运用来提升美感。此外,还介绍了黄金分割构图法以增加视觉吸引力。最后,强调了以终为始的设计思路,确保图表能独立传达完整的信息,并鼓励读者实践这些技巧,提升工作和生活中的沟通效率。
1034 1
如何画好一张架构图/业务图/流程图,掌握4个关键点
|
机器学习/深度学习 人工智能 算法
智能时代的引擎:深度学习技术在图像处理中的应用
本文深入探讨了深度学习在图像处理领域的应用,包括图像分类、目标检测、语义分割以及风格迁移等方面。文章首先介绍了深度学习技术的基本原理和发展历程,然后详细阐述了其在图像识别和处理中的具体实现方法和取得的成果。通过分析最新的研究进展和实际案例,本文展示了深度学习如何推动图像处理技术的发展,并讨论了当前面临的挑战与未来的发展趋势。
|
数据挖掘 项目管理
探寻ERP之道:ERP系统的最佳实践分享
探寻ERP之道:ERP系统的最佳实践分享
435 0
|
存储 边缘计算 人工智能