首页 > 传媒 > 关键词  > 腾讯云NDR最新资讯  > 正文

再获认可!腾讯列入Gartner®NDR案例厂商

2024-03-22 14:29 · 稿源: 站长之家用户

近日,国际研究机构Gartner发布《Competitive Landscape:Network Detection and Response》(以下简称“报告”),腾讯被列为NDR案例厂商(NDR for SaaS and Cloud Identity Applications)。

腾讯云NDR网络威胁检测与响应)聚焦高 级威胁检测,由腾讯御界高 级威胁检测系统和腾讯天幕安全治理平台两款产品组成,是腾讯自研的高 级威胁检测(APT检测)、分析、溯源和响应一体化解决方案,助力企业打造主动的安全运营体系

全球NDR市场持续增长

行业需求五年内将翻倍

Gartner在报告中预测,“到2027年,全球NDR终端用户支出(包括本地和基于云的)将增长至26.3亿美元,与2022年(13.8亿美元)相比几乎翻倍,从2022年到2027年将以平均每年14%的速度增长。”

在报告中,Gartner表示,NDR的市场需求呈现出以下几个关键趋势:

· SaaS应用程序的攻击面增加。由于混合云和远程工作的推动,基于云的应用程序的使用日益增长,SaaS应用程序成为恶意攻击者的目标领域。

· 基于身份的网络攻击。任何微软云业务应用程序以及微软Entra ID都基于账户认证,因此成为逃避端点和网络安全监控的复杂网络攻击的日益增长的目标。

· 公众对云服务模型共享责任的认识不断增强。共享责任意味着,虽然云服务提供商负责网络控制和应用程序,但在云中存储的数据由客户拥有。因此,客户负责保护这些数据并进行身份管理,以防止数据泄露和内部威胁。

腾讯云NDR

助力企业御敌千里

Gartner在研报里提到,“NDR通过将行为分析应用于网络流量数据,来检测异常系统行为,其解决方案包括检测、狩猎、取证和响应能力。”

腾讯云NDR产品的核心优势在于能够实时分析原始网络数据包流量,监控和分析南北向流量和内部的东西向流量,以及对正常网络流量进行建模,突出显示超出正常范围的可疑流量。此外,腾讯云NDR还具备异常行为检测能力,通过机器学习和高 级分析技术,能够有效识别网络中的异常行为,提供自动化或手动的响应能力,以对检测到的可疑网络流量做出快速响应。

具体而言,在检测场景方面,腾讯云NDR基于云端协同的全流量检测,覆盖勒索病毒、邮件安全、密码安全等八大安全场景,开箱即用,通过安全专题将威胁聚焦,结合可视化分析帮助客户针对性解决风险问题;在检测能力方面,AI算法+威胁情报+哈勃沙箱+规则引擎四大领先利器,强 力对抗攻击绕过和0day漏洞;在响应速度上,腾讯云NDR具备全面的互联网漏洞检测机制及国内领先的威胁情报库,能实现实时联动,快速响应最 新漏洞和事件;在阻断效果上,腾讯云NDR采用非侵入式旁路阻断攻击行为,闭环处置事件,阻断成功率高达99.99%。

(腾讯云NDR网络威胁检测与响应产品结构图)

腾讯云NDR满足安全运营团队需要的“检测-响应”、“调查-取证”核心用例,被纳入到分析师的调研范围并且入选NDR for SaaS and Cloud Identity Applications案例厂商。

值得一提的是,Gartner报告预测,“到2029年,通过NDR技术发现的安全事件中,超过50%将来自云网络活动,而目前这一比例还不到10%。到2027年,对网络异常检测的自动响应实施,将保持在检测到的异常的40% 以下。”

对此,腾讯云NDR与腾讯云做强结合,即在服务好云上客户的同时,在技术层面上更多地与云底层去结合,提供多云、混合云场景的流量安全运营体系和部署方案。另外,腾讯云NDR也联合安全湖和威胁情报,提供PB级全流量数据存储与分析溯源方案,能发现180天以上的长周期历史数据中的未知威胁,并提供情报回溯、威胁狩猎等能力,帮助企业快速应对APT、0day漏洞等高危事件,回扫历史数据,发现潜在威胁,御敌千里之外。

目前,腾讯云NDR已经扩展到多个新的应用场景,成功为工业、政务、金融、关基单位在重保期间的网络安全保驾护航,帮助客户快速发现网络威胁、响应安全事件,智能化部署网络安全防御体系。

未来,腾讯安全将继续依托其在黑灰产对抗、安全实验室技术能力等方面的深厚积累,持续投入研发,创新升级NDR产品,协同生态伙伴共同促进安全产业的规模化发展,更好地护航产业互联网的发展,为全球客户提供更加全面、有效、智能的网络安全服务。

Gartner, Competitive Landscape: Network Detection and Response,6March2024

Gartner 并未在其研究报告中支持任何供应商、产品或服务,也并未建议科技用户只选择该等获最 高评分或其它称号的供应商。Gartner 的研究报告含有 Gartner 研究与顾问组织的意见,且该意见不应被视作事实陈述。就该研究报告而言,Gartner 放弃做出所有明示或默示的保证,包括任何有关适销性或某一特定用途适用性的保证。

GARTNER 是 Gartner, Inc. 和/或其关联公司在美国和国际上的商标和服务标识,并在获得许可的情况下在此使用。保留所有权利。

推广

特别声明:以上内容(如有图片或视频亦包括在内)均为站长传媒平台用户上传并发布,本平台仅提供信息存储服务,对本页面内容所引致的错误、不确或遗漏,概不负任何法律责任,相关信息仅供参考。站长之家将尽力确保所提供信息的准确性及可靠性,但不保证有关资料的准确性及可靠性,读者在使用前请进一步核实,并对任何自主决定的行为负责。任何单位或个人认为本页面内容可能涉嫌侵犯其知识产权或存在不实内容时,可及时向站长之家提出书面权利通知或不实情况说明,并提供身份证明、权属证明及详细侵权或不实情况证明(点击查看反馈联系地址)。本网站在收到上述法律文件后,将会依法依规核实信息,沟通删除相关内容或断开相关链接。

  • 相关推荐
  • 大家在看
  • ViViD:视频虚拟试穿技术

    ViViD是一个利用扩散模型进行视频虚拟试穿的新框架。它通过设计服装编码器提取精细的服装语义特征,并引入轻量级姿态编码器以确保时空一致性,生成逼真的视频试穿效果。ViViD收集了迄今为止规模最大、服装类型最多样化、分辨率最高的视频虚拟试穿数据集。

  • xinsir:深度学习、表示学习、细粒度分类

    xinsir (qi) 是一个关于深度学习、表示学习和细粒度分类的产品。它提供了强大的功能和技术,具有主要优点和背景信息。该产品具有多个模型可供选择。

  • 腾讯元宝:是一个多功能工具,帮助用户轻松工作和享受多彩生活。

    腾讯元宝是一款集成了多种实用工具和服务的生产力工具,旨在提高用户工作效率和生活品质。其背景信息是由腾讯公司推出,定位为全面满足用户工作和生活需求的综合性工具。腾讯元宝提供了丰富的功能和服务,包括日程管理、文件存储、社交聊天、视频会议等,用户可以在一个平台上完成各种任务。

  • GPTResearcher:AI助力的快速洞察和全面研究助手

    GPT Researcher是一个领先的自主研究代理,专为多代理框架设计,提供实时、准确和事实性的结果。它能够简化数据收集,通过一个函数调用提供可信赖、聚合和策划的结果。它支持超过100种不同的大型语言模型(LLMs),并且可以与任何搜索引擎协作,从Google到DuckDuckGo。用户可以轻松搜索本地文档和文件,并生成超过2000字的长篇报告,支持多种格式的导出,如PDF、Word、Markdown、JSON和CSV。

  • DenserRetriever:先进的AI检索器,用于RAG。

    DenserRetriever是一个开源的AI检索模型,专为RAG(Retrieval-Augmented Generation)设计,利用社区协作的力量,采用XGBoost机器学习技术有效结合异构检索器,旨在满足大型企业的需求,并且易于部署,支持docker快速启动。它在MTEB检索基准测试中达到了最先进的准确性,并且Hugging Face排行榜上也有其身影。

  • Groqbook:使用Groq和Llama3快速生成整本书

    Groqbook是一个基于Streamlit的应用程序,它利用Llama3在Groq上从一行提示快速构建书籍。它适用于非小说类书籍的创作,并能在几秒钟内生成每一章节。该应用程序混合使用Llama3-8b和Llama3-70b模型,利用较大的模型生成结构,较小的模型创造内容。目前,模型仅使用章节标题的上下文来生成章节内容。未来,这将扩展到书籍的完整上下文,以允许Groqbook生成高质量的小说书籍。

  • MusePose:虚拟人物生成的图像到视频框架

    MusePose是由腾讯音乐娱乐的Lyra Lab开发的一款图像到视频的生成框架,旨在通过姿势控制信号生成虚拟人物的视频。它是Muse开源系列的最后一个构建块,与MuseV和MuseTalk一起,旨在推动社区向生成具有全身运动和交互能力的虚拟人物的愿景迈进。MusePose基于扩散模型和姿势引导,能够生成参考图像中人物的舞蹈视频,并且结果质量超越了当前几乎所有同一主题的开源模型。

  • Codestral-22B-v0.1:一款支持80+编程语言的AI代码生成模型

    Codestral-22B-v0.1是由Mistral AI Team开发的大型语言模型,它经过了80多种编程语言的训练,包括Python、Java、C、C++、JavaScript和Bash等。该模型能够根据指令生成代码,或对代码片段进行解释、重构等。它还支持Fill in the Middle (FIM)功能,用于预测代码中的中间部分,特别适合软件开发工具的插件使用,如VS Code。该模型目前没有内容审查机制,但开发团队正在寻求社区合作,以实现在需要内容审查的环境中部署。

  • Fryderyk:AI辅助的音乐创作伙伴

    Fryderyk是一个集成了AI助手的音乐制作网页应用程序,它提供了一个浏览器内的音乐创作环境,支持即插即用,连接麦克风或任何MIDI乐器。用户可以访问广泛的虚拟乐器库,应用混响、失真、延迟等效果和混合工具,进行音频编辑、录制和编辑音频。Fryderyk还提供云存储功能,项目自动保存并同步至所有设备。它的内置生成性AI能够扩展用户的想法或在用户遇到创作瓶颈时提供新的想法。

  • Codestral:是为代码生成任务设计的AI模型。

    Codestral是Mistral AI团队推出的首个代码生成AI模型,它能够通过共享指令和完成API端点帮助开发者编写和与代码交互。它在80多种编程语言上进行了训练,包括Python、Java、C、C++、JavaScript和Bash等,能够完成编码功能、编写测试和使用中间填充机制完成部分代码。Codestral在性能上设立了新的标准,它拥有32k的上下文窗口,比竞争对手的4k、8k或16k更大,从而在RepoBench上超越了所有其他模型。此外,它还提供了专用的API端点codestral.mistral.ai,允许用户在IDE中使用Instruct或Fill-In-the-Middle路由,并且提供了8周的免费beta期。Codestral还集成到了LlamaIndex和LangChain等应用框架中,以及VSCode和JetBrains环境中,使得开发者可以在这些环境中生成和与代码进行交互。

  • PCM:一种新的文本条件高分辨率生成模型

    Phased Consistency Model(PCM)是一种新型的生成模型,旨在解决Latent Consistency Model(LCM)在文本条件高分辨率生成中的局限性。PCM通过创新的策略在训练和推理阶段提高了生成质量,并通过广泛的实验验证了其在不同步骤(1步、2步、4步、8步、16步)下与Stable Diffusion和Stable Diffusion XL基础模型的结合效果。

  • Qaiz:创建和参与多玩家知识问答游戏

    Qaiz是一个在线平台,利用AI技术快速生成各种主题的互动式问答游戏,让用户可以与朋友和家人实时竞争,同时跟踪分数并享受实时评论。它提供了一个有趣的方式来测试和分享知识,同时具有社交和娱乐的双重属性。

  • Trip Tunes:自动生成适合旅行的个性化音乐播放列表

    Trip Tunes是一款为旅行者设计的应用程序,能够自动创建与旅行氛围相匹配的音乐播放列表。用户只需输入旅行的基本信息和音乐偏好,应用程序就会利用算法精心挑选出符合当地音乐场景和旅行风格的曲目。该应用特别适合那些希望在旅途中享受个性化音乐体验的用户。

  • Backseat AI:与Tyler1一起在《英雄联盟》中获得专业级实时指导

    Backseat AI是由Tyler1联合创立的应用程序,它通过先进的AI技术为《英雄联盟》玩家提供实时的指导、洞察和评论。它旨在通过专业级的游戏分析帮助玩家提高游戏表现,同时保持电脑性能不受影响。Backseat AI是免费的,玩家可以选择升级到高级订阅以获得无广告体验和额外功能。

  • Tonic Textual:安全数据湖,为生成式AI开发提供数据

    Tonic Textual 是全球首个为大型语言模型(LLMs)设计的Secure Data Lakehouse。它通过自动化流程,帮助企业从云存储中提取、治理、丰富和部署非结构化数据,以支持生成式AI的发展。该产品强调数据隐私保护,利用其专有的命名实体识别(NER)模型自动检测和去标识化敏感信息,同时通过数据合成保持数据的语义真实性。它支持多种数据格式,并通过AWS Marketplace、Google Cloud Marketplace和Snowflake Marketplace提供服务。

  • Outtloud:AI语音助手,将文档转换为自然语音

    Outtloud是一款AI语音助手,可以将用户文档或文本转换成自然流畅的高保真AI语音。它支持超过10种语言和口音,提供100多种AI高级人声。用户可以以高达4倍的速度听书,节省阅读时间,同时在驾驶、通勤、锻炼等任何时间任何地点进行学习。它还具备添加笔记和书签的功能,支持在焦点模式下高亮显示正在播放的段落,以便用户跟随阅读。

  • llama3v:基于llama3 8B的SOTA视觉模型

    llama3v是一个基于Llama3 8B和siglip-so400m的SOTA(State of the Art,即最先进技术)视觉模型。它是一个开源的VLLM(视觉语言多模态学习模型),在Huggingface上提供模型权重,支持快速本地推理,并发布了推理代码。该模型结合了图像识别和文本生成,通过添加投影层将图像特征映射到LLaMA嵌入空间,以提高模型对图像的理解能力。

  • Open LLM Leaderboard:开放的大型语言模型排行榜

    Open LLM Leaderboard是一个由Hugging Face提供的空间,旨在展示和比较各种大型语言模型的性能。它为开发者、研究人员和企业提供了一个平台,可以查看不同模型在特定任务上的表现,从而帮助用户选择最适合自己需求的模型。

  • OpenCompass Multi-modal Leaderboard:实时更新的多模态模型性能排行榜

    OpenCompass多模态排行榜是一个实时更新的平台,用于评估和排名不同的多模态模型(VLMs)。它通过8个多模态基准测试来计算模型的平均得分,并提供详细的性能数据。该平台仅包含开源的VLMs或公开可用的APIs,旨在帮助研究人员和开发者了解当前多模态模型的最新进展和性能表现。

  • I2VEdit:一种基于图像到视频扩散模型的视频编辑技术

    I2VEdit是一种创新的视频编辑技术,通过预训练的图像到视频模型,将单一帧的编辑扩展到整个视频。这项技术能够适应性地保持源视频的视觉和运动完整性,并有效处理全局编辑、局部编辑以及适度的形状变化,这是现有方法所不能实现的。I2VEdit的核心包括两个主要过程:粗略运动提取和外观细化,通过粗粒度注意力匹配进行精确调整。此外,还引入了跳过间隔策略,以减轻多个视频片段自动回归生成过程中的质量下降。实验结果表明,I2VEdit在细粒度视频编辑方面的优越性能,证明了其能够产生高质量、时间一致的输出。

今日大家都在搜的词: