paint-brush
Sweet Security موتور تشخیص LLM-Powered با پتنت را معرفی کردتوسط@cybernewswire
123 قرائت

Sweet Security موتور تشخیص LLM-Powered با پتنت را معرفی کرد

توسط CyberNewswire3m2025/01/15
Read on Terminal Reader

خیلی طولانی؛ خواندن

Sweet Security موتور تشخیص ابری را که دارای پتنت است، Large Language Model (LLM) راه اندازی می کند. موتور می تواند تهدیدات غیرقابل کشف قبلی را شناسایی کند. موتور قادر به کشف حملات روز صفر و "ناشناخته های ناشناخته" است.
featured image - Sweet Security موتور تشخیص LLM-Powered با پتنت را معرفی کرد
CyberNewswire HackerNoon profile picture
0-item

تل آویو، اسرائیل، 15 ژانویه 2025/CyberNewsWire/--Sweet Security یک پیشرو در تشخیص و پاسخ در زمان اجرا ابری، امروز راه اندازی مدل زبان بزرگ پیشگامانه در انتظار ثبت اختراع خود را اعلام کرد. (LLM) موتور تشخیص ابر . این نوآوری راه حل شناسایی و پاسخ یکپارچه Sweet را افزایش می دهد و آن را قادر می سازد نویز تشخیص ابر را به میزان بی سابقه 0.04٪ کاهش دهد. Sweet از هوش مصنوعی پیشرفته برای کمک به تیم های امنیتی برای هدایت محیط های پیچیده و پویا با دقت و اطمینان بهتر استفاده می کند.

شناسایی مجهولات ناشناخته

معرفی فناوری LLM در انتظار ثبت اختراع Sweet توانایی آن را برای شناسایی تهدیدات غیرقابل شناسایی قبلی تغییر می دهد. با ارزیابی متغیرها و ناهنجاری‌های ابری در زمان واقعی - و انطباق یافته‌ها با تفاوت‌های ظریف محیط ابری خاص - موتور تشخیص ابر Sweet می‌تواند حملات روز صفر و «ناشناخته‌های ناشناخته» را کشف کند - تهدیدهایی که معرفی یا منتشر نشده‌اند. به جهان این امر نیاز به تعریف قبلی رفتار غیرعادی یا مخرب را از بین می برد و تمایز بین فعالیت غیرعادی و حملات واقعی را ساده می کند.

تأیید سریع / تأیید یافته ها از طریق برچسب های رویداد

موتور تشخیص ابر LLM در انتظار ثبت اختراع Sweet در تمایز بین فعالیت غیرعادی "عجیب" اما خوش خیم و تهدیدهای واقعی برتری دارد. هر حادثه به‌عنوان «مخفف»، «مشکوک» یا «عمل بد» برچسب‌گذاری می‌شود که نشان می‌دهد آیا این ناهنجاری نشان‌دهنده یک حمله است و نیاز به توجه بیشتر از سوی SecOps دارد یا یک فعالیت غیرعادی اما قانونی است که باید توسط DevOps بررسی شود.


تیم‌های امنیتی می‌توانند موارد مثبت کاذب را حذف کنند، جریان‌های کاری را ساده‌تر کنند و توجه خود را در جایی که بیشترین اهمیت را دارد متمرکز کنند. نتیجه کارایی عملیاتی بی نظیر و کاهش خستگی هشدار است.

کنش پذیری در مقیاس

برای اطمینان از حداکثر قابلیت استفاده، قابلیت جدید بینش عملی را از طریق:

● نقشه برداری فوری از "مناطق خطر" در محیط از طریق یک نقشه حرارتی بصری

● برچسب‌گذاری رخدادها، ارائه زمینه و وضوح برای تحلیلگران امنیتی

● شناسایی صاحبان مشکل مرتبط در سازمان، ساده‌سازی واکنش به حادثه

این رویکرد زمان پاسخگویی را بهبود می بخشد و در عین حال همکاری و مسئولیت پذیری را در بین تیم ها ارتقا می دهد.

تشخیص و پاسخ مقیاس برنامه (ADR)

در محیط‌های ابری پویا، موتور تشخیص ابر مبتنی بر LLM در انتظار ثبت اختراع Sweet، تشخیص و پاسخ برنامه کاربردی (ADR) مقیاس‌پذیر را فعال می‌کند. این کار را با همبستگی متقابل الگوهای حمله بالقوه با داده های کاربردی گسترده برای شناسایی "تفنگ سیگار" انجام می دهد - آن سیگنال های گریزان در داده ها که نشان دهنده یک حمله هستند. این قابلیت وضوح و دقت را به برنامه‌هایی می‌آورد که در آن حجم بسیار زیاد داده‌ها بر رویکردهای مبتنی بر قانون غلبه می‌کند.

افزایش اطمینان برای تیم های امنیتی

با معرفی این قابلیت، Sweet به انجام ماموریت خود برای ارائه شفافیت و کنترل برای محیط های ابری ادامه می دهد. Sweet با کاهش نویز، افزایش دقت تشخیص و تقویت بینش های عملی، اطمینان را در تیم های امنیتی افزایش می دهد و آنها را قادر می سازد حتی در پیچیده ترین مناظر ابری با اطمینان عمل کنند.


Dror Kashti، مدیر عامل Sweet Security گفت: «این قابلیت جدید یک تغییر بازی برای امنیت ابری است. با استفاده از قدرت LLM ها، ما نه تنها نویز تشخیص را به سطوح نزدیک به صفر کاهش می دهیم، بلکه ابزارهایی را نیز برای تیم های امنیتی برای اقدام سریع و قاطع فراهم می کنیم. این یک جهش بزرگ در تعهد ما به ارائه تشخیص و پاسخ بی نظیر برای ابر است."

Sweet Security به حفاظت از حریم خصوصی مشتری اختصاص دارد و با پردازش ایمن و مسئولانه داده ها، استانداردهای سختگیرانه حفظ حریم خصوصی را رعایت می کند.

درباره Sweet Security

امنیت شیرین ارائه دهنده پیشرو راه حل های Cloud Native Detection و Response است. پلتفرم یکپارچه Sweet با استفاده از بینش‌های جامع زمان اجرا و تجزیه و تحلیل رفتاری، داده‌ها را در بین برنامه‌ها، حجم کاری و زیرساخت‌های ابری به هم مرتبط می‌کند تا بهترین تشخیص‌های هم‌زمان، و همچنین مدیریت آسیب‌پذیری، مدیریت تهدید هویت، و CSPM زمان اجرا را ارائه دهد.


Sweet با تجزیه و تحلیل رفتارهای پایه در موجودیت‌های مختلف و استفاده از موتور تشخیص مبتنی بر LLM، نویز تشخیص ابر را تا 0.04 درصد کاهش می‌دهد، به سازمان‌ها کمک می‌کند تا معیار MTTR 2 تا 5 دقیقه‌ای را برای همه حوادث به دست آورند. Sweet با سرمایه گذاری خصوصی توسط Evolution Equity Partners، Munich Re Ventures، Glilot Capital Partners، CyberArk Ventures و یک گروه نخبه از سرمایه گذاران فرشته حمایت می شود.

برای اطلاعات بیشتر کاربران می توانند به ادامه مطلب مراجعه کنند http://sweet.security .

تماس بگیرید

معاون بازاریابی

نوآ گلومچر

امنیت شیرین

[email protected]

این داستان به عنوان یک نسخه توسط Cybernewswire تحت برنامه وبلاگ نویسی تجاری HackerNoon توزیع شده است. درباره برنامه بیشتر بدانید اینجا


L O A D I N G
. . . comments & more!

About Author

CyberNewswire HackerNoon profile picture
CyberNewswire@cybernewswire
The world's leading cybersecurity press release distribution platform.

برچسب ها را آویزان کنید

این مقاله در ارائه شده است...