青莲云获数千万元A轮融资,百度风投领投

简介: 青莲云成立于2012年1月,是一个安全易用的智能硬件后端云,专注于解决智能硬件后端逻辑重复开发问题,无需后端编程即可拥有专属云服务, 实现双向消息推送、设备联动、可视化分析、OTA升级等功能。

8月30日消息,物联网安全科技公司青莲云于近日完成由百度风投(BV)领投的数千万元A轮融资。本轮融资将用于持续提升物联网风险安全研究能力及核心产品研发能力,继续深化服务企业客户。

  2016年7月,青莲云曾获得来自九合创投的600万元天使轮融资。

  Gartner的研究表明,全球35%的企业认为安全是物联网部署获得成功的最大阻碍因素。2020年,会有超过1/4的安全入侵事件与物联网相关。

  物联网安全是互联网安全的延伸,带来了更多新的安全风险。在物联网时代,安全等同于品质,产品等同与资产,但传统基于资产保护的安全解决方案却无法直接部署在物联网产品中。同时,目前针对物联网设备的无差别攻击正在威胁着越来越多的企业物联网应用,而在这些安全事件中,从发现、报警、响应、管理等多个环节均存在不同程度的安全能力缺失。

  青莲云围绕“物,联,人”三个层面,提供一整套基于软件的物联网安全产品和安全服务解决方案。物解决的是终端设备嵌入式操作系统的安全问题,针对物联网终端设备,青莲云提供一套安全管理系统TinyEye;联解决的是终端设备通信链路的安全问题;人解决的是物联网企业研发团队的安全意识和安全开发能力缺失的问题。

  目前,青莲云已服务数百家企业客户,包括美的、万和、松下、拓邦股份、世平集团、中国电信、融创、中软、高新兴集团等。

  青莲云团队共30余人,具备网络安全攻防和物联网业务开发的经验,核心成员来自奇虎360,具有10年以上网络安全产品研发经验和5年以上大规模云计算平台研发经验,参与过智能门锁、摄像头、机器人、车载设备等物联网产品的完整研发。

  物联网连接的是大量终端设备,安全系统需要覆盖多种通讯协议、嵌入式操作系统、芯片。据悉,物联网安全市场增长潜力可观,Markets & Markets预计,到2022年,全球物联网安全市场将增长至290亿美元。

相关实践学习
阿里云AIoT物联网开发实战
本课程将由物联网专家带你熟悉阿里云AIoT物联网领域全套云产品,7天轻松搭建基于Arduino的端到端物联网场景应用。 开始学习前,请先开通下方两个云产品,让学习更流畅: IoT物联网平台:https://iot.console.aliyun.com/ LinkWAN物联网络管理平台:https://linkwan.console.aliyun.com/service-open
目录
相关文章
|
机器学习/深度学习 人工智能 运维
“服务器老是爆?资源老是浪费?试试用 AI 来规划容量!”
“服务器老是爆?资源老是浪费?试试用 AI 来规划容量!”
372 4
|
人工智能 安全 JavaScript
革新低代码开发!VTJ.PRO v0.12.58 发布:首推「AI代码校验修复引擎」,破解生成式代码质量隐患
VTJ.PRO发布v0.12.58版本,推出「AI-CodeFix」智能引擎,实现AI生成代码的自动校验、诊断与修复,解决低代码开发调试难题。通过动态语义扫描、智能修复策略和开发者体验升级,大幅降低错误率,提升开发效率与代码质量,助力企业实现安全可控的AI开发。
415 0
|
SQL 缓存 BI
在 SQL Server 中使用 SPACE 函数
【8月更文挑战第5天】
837 6
在 SQL Server 中使用 SPACE 函数
|
Go Python Windows
聊一聊 Python 的换行以及转义
聊一聊 Python 的换行以及转义
408 3
|
缓存
IDEA全局替换快捷键
IDEA全局替换快捷键
1396 0
IDEA全局替换快捷键
|
编译器 C语言
C语言中的浮点数:深入探索与应用
C语言中的浮点数:深入探索与应用
3025 1
|
监控 安全 数据可视化
中间件应用日志记录和监控
【5月更文挑战第1天】中间件应用日志记录和监控
647 3
中间件应用日志记录和监控
|
缓存 监控 NoSQL
深入解析数据库性能优化:策略与实践
【7月更文挑战第23天】数据库性能优化是一个复杂而持续的过程,涉及硬件、软件、架构、管理等多个方面。通过本文的介绍,希望能够为读者提供一个全面的性能优化框架,帮助大家在实际工作中更有效地提升数据库性能。记住,优化不是一蹴而就的,需要持续的观察、分析和调整。
|
数据采集 存储 数据可视化
Pandas高级教程:数据清洗、转换与分析
Pandas是Python的数据分析库,提供Series和DataFrame数据结构及数据分析工具,便于数据清洗、转换和分析。本教程涵盖Pandas在数据清洗(如缺失值、重复值和异常值处理)、转换(数据类型转换和重塑)和分析(如描述性统计、分组聚合和可视化)的应用。通过学习Pandas,用户能更高效地处理和理解数据,为数据分析任务打下基础。
1593 3