诠释可视化 WatchGuard如何看清未知

简介:

本文讲的是 :  诠释可视化 WatchGuard如何看清未知  , 【IT168 访谈】“WatchGuard的UTM产品强项是多重性,我们不是一家单纯的销售产品或者技术的企业,我们的解决方案整合了多家业界最强的产品模块。另外,在UTM领域,各大厂商的解决方案在功能全部打开之后性能甚至会下降90%,而watchguard的策略师在服务打开后依然保持相当高的吞吐量,这也是我们最大的优势所在。” WatchGuard全球销售副总裁Alex Thurber如是说。

诠释可视化 WatchGuard如何看清未知
WatchGuard全球销售副总裁Alex Thurber

  在WatchGuard大中华区Firebox M系列产品路演上海站,Alex在强调WatchGuard“可视即安全”的产品理念的同时也指出了教育对于网络安全行业的重要性。类比于国外的安全状况,国内企业安全市场可谓是一片蓝海,而安全本身所呈现的多样性和其自身的敏感性往往让企业CIO头疼不已。

  国内外安全理念的区别

  Alex指出,通过钓鱼邮件进行诈骗的之类的威胁依旧在美国广泛存在,因此,防范威胁的关键点依然在于教育。而针对APT之类的高级威胁,WatchGuard应用了Checksum算法、沙盒模式侦测特征行为等方式去应对日益猖獗的APT攻击。由此不难看出,国外安全威胁与国内并无二致,针对普通用户的邮件诈骗广泛存在,只不过国内能感知到的诈骗方式更加多样化。从安全视角分析,国外知名企业受到攻击所产生的影响要更加广泛。Alex指出,以世界十强的Target被攻击事件为例,由于用户资料泄露至直接导致CEO被解职,安全问题在国外的受重视程度可见一斑。

  目前WatchGuard已经具备成熟的行业客户群,覆盖酒店业、零售业,在北美和欧洲教育行业也是其主要客户群。Alex认为,安全是一个非常广泛的行业,安全本身并没有非常强的行业性。当今中国,中小企业为主的市场潜力巨大,WatchGuard的定位和策略也十分看重中小企业市场。究其原因是WatchGuard所提供的安全解决方案具备极高的可用性和性价比。

  用适应市场的产品看清威胁

  WatchGuard的策略是将现有的最好安全技术集成到自身的专有平台上,而将研发投入到更有价值的事情上-推动能够解决实际安全问题的技术进步。因此,WatchGuard的产品强调“可视即安全”的概念,WatchGuard Dimension就是定位为一款解放专业安全人士的工具。让企业CIO可以直观的评估现有的安全状况。以便更快的提取关键信息和安全数据并转化成可辅助行动的实际策略。

  类似于APT的高级威胁不可能简单你的依靠单一的点功能去进行防范,而是需要防火墙、杀毒工具等综合防御,这一综合的防御方式恰与WatchGuard的产品策略和组成完全相吻合,因为WatchGuard的UTM产品的强项在于多项服务的整合。WatchGuard所强调的另一个理念是化被动为主动,当某个国家发生的一次APT攻击被侦测到,这一信息会通过WatchGuard本身快速传播到全球进行防御,在全球600多家(这一数字的确十分可观)安全企业的努力中,WatchGuard也在努力整合新的技术。因此,无论从自身发展还是防御策略上看WatchGuard都在努力站在安全行业食物链的顶端。

  业界最强的UTM效能就是最好的佐证之一,同时,在无线安全领域,WatchGuard产品线中也在整合单独的AP,最终通过控制模块整合为适用于有线网络和无线网络的安全解决方案。在联动方面,WatchGuard的红色防御网络通过实时信息同步结合第三方威胁侦测为用户提供更全面的防护。

  写在后面:安全本身就需要秉承开放的原则,反观当下的国内网络安全环境,中国安全企业效仿互联网公司在快速的抢占市场并追求变现,企业安全市场虽然方兴未艾,但是企业主体以及公众的安全意识都亟待加强。WatchGuard所提供的可视化安全即是让企业用户能够触摸到安全,让安全实现其应有的价值。



原文发布时间为:2015年7月6日

本文作者:李蓬阁

本文来自云栖社区合作伙伴IT168,了解相关信息可以关注IT1684

原文标题 :诠释可视化 WatchGuard如何看清未知

目录
相关文章
|
8月前
|
机器学习/深度学习 传感器 数据采集
变量施药与施肥系统精准定位
变量施药与施肥系统精准定位
54 2
|
运维 监控 算法
优化电脑屏幕监控软件:关联规则挖掘算法的引入
在如今的职场中,电脑屏幕监控软件已经成为了许多企业的标配,用于监测员工的工作行为以提高生产力和安全性。然而,为了让监控软件发挥最大的效用,关联规则挖掘算法正在崭露头角。接下来就让我们通过以下方面来看看如何通过关联规则挖掘算法提高电脑屏幕监控软件的监视效率——
184 0
|
8月前
|
数据可视化 前端开发 数据挖掘
R语言对综合社会调查GSS数据进行自举法bootstrap统计推断、假设检验、探索性数据分析可视化|数据分享(上)
R语言对综合社会调查GSS数据进行自举法bootstrap统计推断、假设检验、探索性数据分析可视化|数据分享
|
8月前
|
算法 数据挖掘
R语言——AVOCADO“(异常植被变化检测)算法(1990-2015数据分析)监测森林干扰和再生(含GEE影像下载代码)
R语言——AVOCADO“(异常植被变化检测)算法(1990-2015数据分析)监测森林干扰和再生(含GEE影像下载代码)
120 1
|
8月前
|
数据可视化 算法 数据挖掘
结构方程模型SEM、路径分析房价和犯罪率数据、预测智力影响因素可视化2案例(下)
结构方程模型SEM、路径分析房价和犯罪率数据、预测智力影响因素可视化2案例
|
8月前
|
数据可视化 前端开发 索引
结构方程模型SEM、路径分析房价和犯罪率数据、预测智力影响因素可视化2案例(上)
结构方程模型SEM、路径分析房价和犯罪率数据、预测智力影响因素可视化2案例
|
8月前
|
监控 定位技术 Android开发
如何获得你的准确位置及iphon手机应用定位不准确原因分析
如何获得你的准确位置及iphon手机应用定位不准确原因分析
245 0
|
8月前
|
数据可视化 数据挖掘
R语言多维度视角下白领人群健康体质检测数据关系可视化分析2
R语言多维度视角下白领人群健康体质检测数据关系可视化分析
|
8月前
|
数据可视化 数据挖掘
R语言多维度视角下白领人群健康体质检测数据关系可视化分析1
R语言多维度视角下白领人群健康体质检测数据关系可视化分析
|
8月前
|
机器学习/深度学习 数据可视化 算法
数据代码分享|R语言用CHAID决策树分析花卉栽培影响因素数据可视化、误差分析
数据代码分享|R语言用CHAID决策树分析花卉栽培影响因素数据可视化、误差分析