AV-TESTに再び認定されました! Sangfor EDRは中国で初めて満点を獲得したエンタープライズレベルのエンドポイントセキュリティ製品となる

AV-TESTに再び認定されました! Sangfor EDRは中国で初めて満点を獲得したエンタープライズレベルのエンドポイントセキュリティ製品となる

検出能力6点!

パフォーマンス消費6ポイント!

使いやすさ6点!

先日、国際的に権威のある評価機関 AV-TEST が最新のエンタープライズ セキュリティ製品の評価結果を発表しました。評価された 19 のエンタープライズ レベルの端末セキュリティ製品の中で、 Sangfor EDR は検出能力、パフォーマンス消費、可用性の 3 つの評価軸で満点 (6 点が満点) を獲得しました。これは中国で満点を獲得した最初の端末セキュリティ製品でもあり、 Sangfor EDR が端末セキュリティ保護機能に対して専門家の承認と認知を得たことを意味します。

AV-Testからのデータ

AV-Test は、世界で最も権威のある第三者テスト機関の 1 つです。膨大なウイルス データベース検出、独立した客観的なテスト プロセス、厳格な基準で知られています。業界からは、世界クラスの端末セキュリティ製品のウイルス対策機能を比較するプラットフォームとして認められています。 AV-Test テストは 2 か月ごとに実施され、最新かつ最も人気のあるマルウェアを選択し、最新のセキュリティ脅威に対するさまざまなセキュリティ ベンダーの保護機能をテストしていると理解されています。

それで、Sangfor EDR が満点を獲得するために頼った機能は何でしょうか?

マルチエンジンファネル検出、高速検出速度、低パフォーマンス消費

1つ目は検出速度です。

従来のウイルス検出は、静的な特徴分析とルールのマッチングに基づいています。ウイルスの数と亜種が増えるにつれて、対応するルールライブラリのリソースが大きくなり、パフォーマンスの消費量が多くなり、検出速度が遅くなります。

Sangfor EDR は、ファイル レピュテーション検出エンジン、遺伝子機能検出エンジン、SAVE セキュリティ インテリジェンス検出エンジン、動作エンジン、クラウド チェック エンジンなどのエンジンを介してフィルタリングするマルチエンジン ファンネル検出メカニズムを採用しています。すべてのエンジンを同時に検出する必要がなく、検出速度が速く、パフォーマンス消費量が低くなっています。

マルチエンジンファネル検出フレームワーク

人工知能SAVEエンジン+IOA行動解析エンジン、検出率100%

2つ目は検出能力です。

AV-Testの最新の評価結果では、同機関は1万以上の一般的なウイルスサンプルをテストしました。テスト結果によると、Sangfor EDRの検​​出率は最大100%で、1台のマシンで脅威を検出し、ネットワーク全体で脅威を感知できるため、ユーザーのビジネスへの影響が大幅に軽減されました。

このような輝かしい成果は、Sangfor の EDR 人工知能 SAVE エンジンと IOA 動作分析検出エンジン技術の二重サポートによるものです。

ファイルレス攻撃、メモリ攻撃、暗号化トラフィック攻撃、ホワイトアプリケーションブラックエクスプロイト(Living Off The Land)が大きな脅威となるにつれ、従来の技術的手段では高度な脅威攻撃や未知の脅威攻撃に対処できなくなります。

未知の脅威攻撃に対応するため、Sangfor の EDR 人工知能 SAVE エンジンは、ディープラーニング技術を使用して、セキュリティ専門家のドメイン知識と組み合わせた何億もの次元の生の特徴を分析および合成し、最終的に強力な一般化機能を使用して、悪意のあるファイルの識別に最も効果的な高次元の特徴を数千個選択します。

ファイルレス攻撃などの高度な脅威をターゲットとするために、Sangfor EDR が独自に開発した IOA 動作分析検出エンジンは、動的な動作の複雑な関連ルールのマッチング アルゴリズムと高品質の IOA ナレッジ ベースに基づいており、単一プロセス、プロセス間、ホスト間のフルレベルの高度な脅威攻撃動作検出機能を実現します。

人工知能SAVEエンジン検出原理

一般的に、Sangfor EDR は、マルチエンジン ファンネル型検出メカニズムを利用することで検出速度を加速し、パフォーマンス消費を削減します。また、人工知能 SAVE エンジンを通じて一般化機能を強化し、IOA 動作分析検出エンジンを組み合わせることで検出精度を向上させ、エンタープライズ レベルのユーザーに高速かつリアルタイムの端末セキュリティ保護機能を提供します。

<<:  なぜ医療においてAIを信頼できないのか?データセットが小さく信頼性が低いため、AI医療にはまだまだ課題がある

>>:  人工知能技術の出発点と終着点

ブログ    

推薦する

機械学習の教科書に出てくる7つの典型的な問題

[[201516]]機械学習について学びたい、または機械学習に専念することを決心した場合、すぐにさま...

一般的なソートアルゴリズムの概要

概要コンピュータサイエンスと数学において、ソートアルゴリズムとは、一連のデータを特定の順序で並べるア...

貪欲アルゴリズムについて質問するのはやめてください。

[[323204]]序文三角形の最短経路と和を求めるとき、貪欲アルゴリズムを使用して解決できますか...

...

...

ニューラル タンジェント、無限幅のニューラル ネットワーク モデルを作成するための 5 行のコード

[[322852]]この記事はLeiphone.comから転載したものです。転載する場合は、Leip...

機械学習のヒント: モデルパラメータとハイパーパラメータの違いをご存知ですか?

[[199395]]導入機械学習におけるモデルパラメータとモデルハイパーパラメータは機能やソースが...

音声認識技術はどのように発展したのでしょうか?

音声認識技術は 1950 年代に開発され始めました。それでは、このテクノロジーが長年にわたってどのよ...

...

業界の視点: 人工知能がビジネスプロセスに革命をもたらす方法

今日、人工知能技術は、ウェアラブルデバイス、自動車、生産性アプリケーション、軍事、ヘルスケア、ホーム...

オープンソースの人工知能ソフトウェア 15 種類、あなたのお気に入りはどれですか?

人工知能は現在最も注目されている科学研究分野の一つです。 IBM、Google、Microsoft、...

DeepMind の新しい研究: ReST は大規模なモデルを人間の好みに合わせて調整し、オンライン RLHF よりも効果的です

過去数か月間、私たちは大規模言語モデル (LLM) が高品質のテキストを生成し、幅広い言語タスクを解...

...