在2024年的黑帽大会(Black Hat 2024)上,AI驱动的网络安全工具和技术成为焦点,引领了网络安全行业新趋势。众多安全厂商和初创公司展示了他们的最新成果,利用生成式AI来管理风险、检测并对抗网络犯罪,保障企业安全。以下是大会上一些备受瞩目的AI驱动网络安全产品和服务:
Apiiro:软件开发设计阶段的风险智能检测
Apiiro推出了一项名为“设计阶段的风险检测”的AI驱动功能,旨在分析功能请求,以在应用开发的早期阶段识别风险并启动安全审查或威胁模型。该功能依托Apiiro的专有LLM,使应用安全实践者能够在编码前的设计阶段缓解安全和合规风险,从而节省时间、减少返工并加速安全软件交付。主要风险分析领域包括架构设计、敏感数据处理、用户权限、生成式AI技术和第三方集成。
SentinelOne:Purple AI、CIEM、xSPM和SIEM
SentinelOne在其Singularity平台中新增了一系列功能,旨在利用生成式AI技术增强端点、身份和云环境的安全性。新功能包括Purple AI,它提供自然语言警报摘要和查询支持,帮助分析师简化警报。云基础设施权限管理(CIEM)帮助控制对云资源的访问权。此外,SentinelOne还推出了扩展安全态势管理(xSPM)和AI驱动的SIEM,以提供实时洞察和可扩展的安全解决方案。
Cymulate:AI Copilot
Cymulate宣布推出其AI Copilot,这是一款生成式AI解决方案,旨在启用针对实时威胁的安全控制。AI Copilot引入了动态攻击规划器,允许用户通过复制和粘贴威胁通告、新闻文章和安全研究发现中的URL或内容来执行自定义威胁评估。该功能旨在快速识别和修复安全漏洞,减少威胁评估所需的时间和专业知识。AI Copilot还生成定制的产品文档并简化故障排除,优化安全验证流程并解放IT资源。
Cequence:生成式AI驱动的统一API保护(UAP)
Cequence对其统一API保护平台进行了多项更新,重点是安全使用生成式AI应用程序和大语言模型。主要增强功能包括针对OWASP LLM十大威胁的测试套件、自动检测和阻止AI机器人活动、用于可视化API流的流图以及针对全面API发现的新集成。该平台还在本地处理API流量,提高效率和隐私,并提供针对API网关和基础设施的攻击面检测。
RAD Security:AI驱动的事件调查
RAD Security推出了其AI驱动的事件调查功能,旨在通过行为检测和响应提高云安全性。该方法通过结合LLM驱动的调查和行为检测,减少误报并提高事件评估的准确性。RAD Security的云检测和响应(CDR)解决方案创建行为基线,以检测零日攻击,并通过实时身份和基础设施上下文丰富检测。新功能包括Amazon EKS插件、自动AI驱动的调查、用于事件导航的发现中心和更新的RAD开源目录,以提高检测能力。
Code42:Incydr支持生成式AI的数据泄漏防护
Mimecast旗下的Code42,推出了其Incydr解决方案的升级版,以防止数据泄漏到生成式AI工具。Incydr的新数据可视化和PRISM系统可以帮助安全团队定位和响应数据向ChatGPT和Google Gemini等生成式AI工具的移动。该解决方案包括检测和阻止风险活动、为员工提供教育视频,并即将支持ChatGPT桌面应用程序。
Legit Security:AI安全指挥中心
Legit Security推出了AI安全指挥中心,旨在为安全团队提供一个控制台,以在开发环境中实现AI可见性和保护。该仪表板将帮助缓解在应用代码中使用AI模型的风险,提供AI模型清单的集中可见性,进行风险关联和优先级排序,并扩展ASPM控制以包括AI安全态势管理。Legit Security还宣布加入安全AI联盟(CoSAI),以推动软件开发中全面的AI安全措施。
Balbix:对话式AI安全助手
在Black Hat USA 2024上,Balbix推出了BIX,这是一款旨在简化网络风险和暴露管理的对话式AI助手。BIX旨在通过根据用户角色和过去的互动提供个性化、上下文相关的建议来简化风险管理。BIX具有移动访问、实时更新和与现有网络安全和IT系统集成的功能,有助于安全团队进行决策和跨渠道沟通。BIX利用基于RAG的大型语言模型和Nvidia硬件的多代理架构,旨在将复杂任务分解为可管理的子任务,以提高运营效率并减少响应时间。
Orca Research:AI Goat
Orca Research推出了一种开源AI安全学习环境——AI Goat,旨在解决OWASP十大ML风险。该工具可在Orca Research的GitHub存储库中获得,使用Terraform构建了一个易受攻击的AI环境,具有一系列威胁和漏洞,用于安全培训和教育场景。该工具旨在帮助安全专业人员和渗透测试人员理解和测试AI特定漏洞,并提高防御此类攻击的能力。在Black Hat USA 2024上,OWASP ML安全十大项目的负责人Shain Singh强调,AI Goat通过模拟现实世界的漏洞和错误配置,增强了对AI风险的理解,并帮助组织更好地防范潜在的AI攻击。
本网站的文章部分内容可能来源于网络和网友发布,仅供大家学习与参考,如有侵权,请联系站长进行删除处理,不代表本网站立场,转载者并注明出处:https://www.jmbhsh.com/shipinzhuangshi/36158.html