在云計算、大數(shù)據(jù)、人工智能技術(shù)的廣泛應(yīng)用下，企業(yè)數(shù)字化轉(zhuǎn)型在迅速發(fā)展的同時，也面臨著愈演愈烈的網(wǎng)絡(luò)安全威脅。惡意威脅頻發(fā)且變異快，傳統(tǒng)的基于簽名的威脅檢測技術(shù)難以對抗頻繁變種的高級威脅，而基于威脅情報的檢測能力則依賴于數(shù)據(jù)的新鮮程度和數(shù)據(jù)有效性。威脅告警信息海量奔涌讓安全運維人員疲于應(yīng)付，缺乏有效機制高效關(guān)聯(lián)告警事件及其時序關(guān)系，告警分析的有效性難以保障，仍難以收獲理想的威脅分析與處置結(jié)果。同時，更多客戶希望安全態(tài)勢感知系統(tǒng)更加貼近具體業(yè)務(wù)的場景化訴求，標(biāo)準(zhǔn)化產(chǎn)品已難以滿足。
新基建伊始，企業(yè)數(shù)字化網(wǎng)絡(luò)安全防御體系從未像現(xiàn)在這樣迫切希望解決安全問題，華為基于自進化AI的安全態(tài)勢感知系統(tǒng)，可應(yīng)用于新基建下5G、工業(yè)互聯(lián)網(wǎng)、大數(shù)據(jù)中心等廣泛場景，讓網(wǎng)絡(luò)安全威脅無所遁形：
1感知自進化：基于自進化AI檢測引擎，威脅檢測精確率大于95%。
通過iEVO檢測模型自進化算法，將獨立的AI檢測模型進行聚合調(diào)優(yōu)、更新和分發(fā)，構(gòu)建自進化AI檢測引擎。分布式AI檢測引擎將系統(tǒng)感知能力前移，基于iEVO算法實現(xiàn)多節(jié)點探針AI檢測模型的持續(xù)優(yōu)化，大幅度提升整網(wǎng)的威脅檢出率。
2、運維自簡化：基于威脅知識圖譜的推理分析與策略可視化編排，運營成本降低30%。
基于安全風(fēng)險因素、圖推理算法，構(gòu)建安全推理與威脅響應(yīng)雙引擎，威脅事件智能降噪，全面識別威脅風(fēng)險；同時可對多種業(yè)務(wù)場景的威脅事件進行自動調(diào)查取證和聯(lián)動響應(yīng)，實現(xiàn)分鐘級安全威脅事件處置閉環(huán)。
3、應(yīng)用自適應(yīng)：構(gòu)建安全可控的開放式數(shù)字安全底座，精準(zhǔn)匹配且快速開發(fā)應(yīng)用。
基于標(biāo)準(zhǔn)化的微服務(wù)架構(gòu)，將大數(shù)據(jù)平臺能力、數(shù)據(jù)庫、威脅分析等按照服務(wù)方式提供，重塑應(yīng)用開發(fā)模式，輕松對接第三方應(yīng)用，實現(xiàn)應(yīng)用快速開發(fā)，滿足客戶多樣化業(yè)務(wù)訴求。同時，華為安全態(tài)勢感知系統(tǒng)采用可控的硬件平臺服務(wù)器、操作系統(tǒng)、大數(shù)據(jù)平臺、數(shù)據(jù)庫軟件等，確保系統(tǒng)的安全、可靠、可控。
