As attackers continue to evolve their tactics, Palo Alto Networks has evolved its machine learning capabilities with the introduction of inline deep learning. While signature-based detection is still critical to preventing known threats, addressing these newer, more sophisticated techniques requires an innovative approach.
“Requirements for Preventing Evasive Threats,” a new white paper by leading security analyst ESG, offers valuable insights that address these key concerns.
In it, you’ll learn how these capabilities:
Access ESG’s insights on why it’s time for organizations to consider alternatives from signature-based detection and explore inline deep learning to deliver advanced protection against evasive threats.
Da Angreifer ihre Taktiken unermüdlich weiterentwickeln, hat Palo Alto Networks seine auf maschinellem Lernen basierten Funktionen durch den Einsatz von Inline Deep Learning verbessert. Signaturbasierte Erkennungsverfahren werden weiterhin zur Aufdeckung bekannter Bedrohungen genutzt, doch zur Abwehr dieser neuen, raffinierteren Techniken ist ein innovativer Ansatz erforderlich.
Im neuen Whitepaper „Anforderungen zur Abwehr ausweichender Bedrohungen“ vermittelt ein Senior Analyst der ESG wertvolle Einblicke zu diesem Thema.
Zudem erfahren Sie, wie die neuen Funktionen:
Lesen Sie, warum es für Unternehmen laut ESG an der Zeit ist, Alternativen zur signaturbasierten Erkennung zu erwägen und sich mit Inline Deep Learning zu befassen, um ihre Umgebungen besser vor getarnten Angriffen zu schützen.
La détection basée sur les signatures a certes encore un rôle important à jouer pour bloquer les attaques connues. Mais face à l’évolution et à la sophistication constantes des modes opératoires, une nouvelle approche s’impose. C’est dans cette perspective que Palo Alto Networks a enrichi ses technologies ML de fonctionnalités d’apprentissage profond (deep learning) inline.
Explications et analyses dans « Exigences pour la prévention des menaces évasives », un nouveau livre blanc du cabinet ESG.
Vous y découvrirez notamment les principaux avantages de ces fonctionnalités :
Selon les analystes d’ESG, c’est maintenant qu’il faut étudier les alternatives à la détection basée sur les signatures, à commencer par le deep learning et ses capacités de protection contre les menaces évasives.
Los atacantes no dejan de modernizar sus tácticas y Palo Alto Networks no se queda atrás: hemos renovado nuestras funciones de aprendizaje automático con la adición del aprendizaje profundo integrado. Sin duda, la detección basada en firmas sigue siendo crucial para prevenir amenazas conocidas, pero defenderse de las técnicas más recientes y sofisticadas pasa por adoptar una nueva estrategia.
El nuevo informe técnico del prestigioso analista de seguridad ESG, «Requisitos para prevenir las amenazas evasivas», ofrece información valiosa para abordar estas cuestiones clave.
El informe explica cómo estas funciones:
ESG tiene claro que es hora de que las organizaciones se planteen alternativas a la detección basada en firmas y valoren utilizar el aprendizaje profundo integrado para disfrutar de una protección avanzada frente a las amenazas evasivas. Descubra por qué.
攻撃者の戦術が進化し続けている中、パロアルトネットワークスは、インライン ディープ ラーニングを導入して機械学習機能を進化させています。既知の脅威を防止するにはシグネチャベースの検出アプローチが引き続き重要ですが、こうした最新の巧妙化した手口に対処するには革新的なアプローチが必要です。
業界屈指のITセキュリティ アナリスト企業であるESGが発行した新しいホワイトペーパー「Requirements for Preventing Evasive Threats(回避型の脅威を防止するための要件)」には、こうした重要な課題に対処するための有益な洞察がまとめられています。
このホワイトペーパーではその動作の仕組みについて紹介しています。
シグネチャベースの検出アプローチの代案として回避型の脅威に対する高度な保護を実現するインラインの深層学習を検討する時期に来ている理由について、ESGの見解をお読みください。
공격자가 공격 전술을 끊임없이 발전시키는 만큼 Palo Alto Networks에서도 인라인 딥 러닝을 도입하여 머신 러닝 기량을 키워 왔습니다. 알려진 위협 예방에는 시그니처 기반 탐지가 여전히 매우 중요하지만, 새롭고 더욱 정교해진 기법에 대응하려면 혁신적인 접근 방식이 필요합니다.
선도적인 보안 애널리스트 ESG에서 공개한 최신 백서 "은밀한 위협을 예방하기 위한 요구 사항"에서는 이러한 주요 우려 사항을 해결하는 데 도움이 되는 귀중한 인사이트를 제공합니다.
이 백서에서는 다음과 같은 기능을 알아볼 수 있습니다.
ESG의 인사이트를 통해 지금이 왜 기업에서 시그니처 기반 탐지를 벗어나 다른 대안을 고민하고, 인라인 딥 러닝에 대해 자세히 알아보며 은밀한 위협에 맞선 지능적 보호를 제공할 방법을 모색할 적기인지 알아보시기 바랍니다.
隨著攻擊者持續針對各種策略推陳出新，Palo Alto Networks 也透過內嵌深度學習的導入不斷增進其機器學習功能。雖然以特徵碼為基礎的偵測對於防禦已知威脅來說仍非常重要，但為了因應不斷推陳出新的威脅，我們必須透過創新的方法來開發更精密的技術。
透過這本由領先的安全分析公司 ESG 所提供的「防禦迴避性威脅的需求」白皮書，我們將能獲得具有價值的見解來解決這些關鍵問題。
它將讓您了解這些功能如何：
取得 ESG 的見解以了解為何企業必須開始考慮採取有別於特徵碼式偵測的方法，並探索內嵌深度學習來提供進階保護以防範迴避性威脅。
