中国北京,2022年6月10日 – 提供安全、人工智能驱动的网络领导厂商瞻博网络(NYSE:JNPR)今天宣布提供更多安全访问服务边缘(SASE)产品选择,在瞻博网络安全边缘解决方案中加入云访问安全代理(CASB)和先进的数据丢失防护(DLP)能力。结合由Mist AI驱动的SD-WAN解决方案,瞻博网络在业界率先提供了可清晰洞察边缘和数据中心的全栈式SASE解决方案。
基于安全边缘解决方案,无论客户处于SASE旅程的哪一阶段,瞻博网络都能为他们提供极为安全高效的SASE架构部署方式。并且,客户可在同样的管理界面和单一策略框架下,将边缘的SASE架构与零信任数据中心架构相连接,避免可见性和安全态势的缺失,实现瞻博网络Connected Security安全策略的承诺。
瞻博网络安全业务与策略集团副总裁Samantha Madrid表示:“SASE解决方案的最大挑战是需要企业放弃现有技术投资,迫使其从零开始,在新架构中重建零信任原则。现在,通过加入CASB和DLP,瞻博网络提供了可灵活部署的全栈式SASE,将已经于全网执行的零信任原则延伸至云端,彻底消除客户的担忧。”
为SaaS应用程序提供访问保护和数据窃取防护
瞻博网络的CASB和DLP可保障SaaS应用程序的安全,阻止不必要的访问、恶意软件的交付和分发以及数据窃取。这两项能力均是瞻博网络安全边缘云交付安全解决方案的一部分,该解决方案由Security Director Cloud进行管理,可确保远程和本地用户的安全。它通过一个管理门户,使用单一策略框架,轻松管理零信任和SASE架构。在瞻博网络安全边缘加入CASB和DLP之后,客户可主要获得以下益处:
防止未经授权访问云端数据 — 仅允许经过验证的用户进行访问。无论是经过许可还是未经许可的SaaS应用程序,数据访问控制都为安全团队提供了最大程度的可见性和控制能力,包括数据、使用、合规、威胁防御和访问,进一步丰富了瞻博网络安全边缘通过云提供的安全能力。
通过DLP为IT运营和安全团队扩展可见性 — 围绕用户、SaaS应用程序及其中的数据,设定基于身份的微边界,确保企业敏感和机密数据的安全。
保护SaaS应用程序不被破坏 — 严密控制用户行为,扫描SaaS应用程序中所有现有文件和新文件是否有恶意软件,防止上传和下载被破坏的文件。
逐步实现SASE — 企业可利用现有SRX安全策略,通过安全边缘将它们延伸至SASE架构,以满足目前和未来的业务需求,在扩大SASE规模的同时实现发展。无论是从SD-WAN还是从SSE开始,或者同时从两者开始,瞻博网络都是目前市场上唯一能为企业提供兼具灵活性和简洁性的解决方案的供应商。
无缝转型至全栈SASE
在安全边缘中加入CASB和DLP是建立在瞻博网络的成功经验之上。瞻博网络安全边缘在单一软件栈中提供全栈式SSE功能,包括防火墙即服务(FWaaS)和安全Web网关(SWG),现在还新增了CASB和DLP功能,这些均由Security Director Cloud进行管理。这样既可保护Web访问,又可以以行业领先的网络安全能力,帮助用户安全一致地访问他们的数据和应用程序。瞻博网络继续秉承企业愿景,通过全栈式SASE解决方案,提供由人工智能驱动的无缝SASE体验,创造融合的网络和安全框架,将安全拓展至每一个连接点,创造出真正的威胁感知网络。
瞻博网络人工智能驱动企业集团副总裁Sudheer Matta表示:“越来越多的客户正在寻求改善安全架构团队与网络运营团队间协作的方法。所以,在配置和执行安全访问策略时,SASE解决方案必须实现这一目标。瞻博网络人工智能驱动解决方案和Connected Security策略将继续在消除协作障碍的同时提升网络和安全团队的体验。”
相关引言:
“SASE要求从云端提供安全和网络功能,最好具备统一管理能力,以推动运营效率的提升。我们很高兴地看到,瞻博网络的SASE解决方案丰富了其安全产品组合,进一步深化了其在竞争激烈的SASE市场的布局,我们预计该市场的规模将从2021年的40亿美元增长至2026年的100亿美元。”
——Mauricio Sanchez,Dell’Oro Group研究总监
其他资源:
发布博客:瞻博网络简化SASE体验
ICSA Labs:2022年第一季度高级威胁防御认证测试报告
NetSecOPEN认证网络安全产品性能测试报告
产品和解决方案页面:
SASE
安全边缘
AI驱动型SD-WAN
瞻博网络安全
关于瞻博网络
瞻博网络致力于挑战多云时代网络连接和安全的复杂性。我们通过改变人们之间的联系、工作以及生活方式的产品、解决方案和服务实现这一目标。我们简化了向安全、自动化的多云环境迁移的过渡,以实现连接世界的安全、人工智能驱动网络。更多信息请参见瞻博网络(www.juniper.net)或瞻博网络在Twitter、LinkedIn和Facebook上的主页。
Juniper Networks、the Juniper Networks标识、Juniper、Junos是瞻博网络公司在美国和其他国家的注册商标。其他商标均为其各自所有者的财产。
好文章,需要你的鼓励
工业升级的关键,或许在于智能本身。“工业+机器人”将成为通向下一阶段工业体系的核心抓手。——黄仁勋。
浙江大学等联合研究发现,AI强化学习效果取决于"模型-任务对齐"程度。当AI擅长某任务时,单样本训练、错误奖励等非常规方法也有效;但面对陌生任务时,这些方法失效,只有标准训练有用。研究团队通过大量实验证实,这种"舒适圈"现象比数据污染更能解释训练差异,为AI训练策略优化提供了新思路。
瑞士政府正式发布了自主研发的人工智能模型,该模型完全基于公共数据进行训练。这一举措标志着瑞士在AI技术自主化方面迈出重要一步,旨在减少对外国AI技术的依赖,同时确保数据安全和隐私保护。该模型的推出体现了瑞士对发展本土AI能力的战略重视。
巴赫切希尔大学研究团队通过对五种不同规模YOLO模型的量化鲁棒性测试发现,静态INT8量化虽能带来1.5-3.3倍速度提升,但会显著降低模型对噪音等图像损伤的抵抗能力。他们提出的混合校准策略仅在大型模型处理噪音时有限改善,揭示了效率与鲁棒性平衡的复杂挑战。