인공지능과 머신러닝

공격자는 SWG, IPS, DNS 보안 등 표준 방어 도구를 능가하는 기술을 끊임없이 개발하고 있습니다. 이들이 이용하는 점은 기존의 방어 도구의 운영 방식이 이미 모두 공개되어 있으며, 알려진 공격 패턴을 식별하는 방식을 기반으로 한다는 점에서 비롯됩니다. Cato는 이러한 패턴 찾기에 의존하지 않고도 실시간으로 공격을 식별하고 차단할 수 있도록 머신러닝 엔진을 구축하고 학습시켰습니다. 결론적으로, 이제는 광대한 데이터 레이크의 데이터로 학습된 고급 수학적 모델을 사용하여 도메인이나 URL 감염 수준을 계산하여, 해당 감염 수준의 점수로 차단 여부를 결정합니다.
Cato 네트웍스는 탐지뿐만 아니라 실시간 보호에 머신러닝 모델을 이용한 최초의 보안업체였습니다.

Cato 블로그에서 실시간으로 위협 방지하는 AI/ML 애플리케이션에 대해 자세히 알아보세요.

• Cato Networks, 실시간 머신러닝 보안으로 네트워크 보안 혁신
• Cato Networks, 사이버스쿼팅 위험에 보호 기능 추가

웹 애플리케이션(SaaS) 수는 계속 증가하고 있으며 이를 유지하는 방법은 대규모 분석가를 고용하여 카탈로그에 애플리케이션이 많을수록 좋다는 신화를 증명하는데 시간을 쏟아붓거나 데이터 기반 방식으로 작업을 수행하도록 AI/ML을 학습시키는 방법 중에서 선택하면 됩니다. Cato는 후자를 택했습니다. 우리는 인공지능과 머신러닝을 사용하여 SASE 클라우드를 통과하는 네트워크 트래픽에서 가장 중요하면서 사용 중인 아직 미분류 상태의 애플리케이션을 식별합니다. 그런 다음 AI/ML 메타 데이터를 마이닝하여 애플리케이션에 대한 정보를 보강하고 고객이 액세스와 거버넌스 결정에 활용할 수 있는 위험 점수를 계산합니다.

Cato 블로그에서 Cato의 앱 카탈로그 관리 방법을 자세히 알아 보세요.

• Cato 애플리케이션 카탈로그 – AI/ML으로 애플리케이션 분류 기능 강화하기
• 앱 수에 대한 오해 바로 잡기

기업의 핵심 인프라로서 99.999%의 SLA 가동 시간을 제공하는 경우 SASE 클라우드 서비스를 구축, 확장 및 운영하는 데 엄청난 공학적 기술이 필요합니다. 이를 위해 실시간으로 문제를 식별하고 해결하는 사람을 추가하는 것은 확장가능한 옵션이 아닙니다. Cato는 이전 패턴을 중심으로 인프라 문제를 모니터링, 분석 및 식별하고 초기 징후를 발견하여 선제적으로 대응하는 소프트웨어 엔진을 지속해서 개발하고 학습시키고 있습니다. 클라우드 서비스의 이러한 전용 도구를 사용하면 실시간으로 자가 진단 및 자가 복구가 수행되며 보장된 SLA 서비스를 받을 수 있습니다. 문제가 일시적으로 해결되면 Cato의 전문 운영팀이 개입하여 근본 원인을 분석하고 문제를 완전히 해결합니다.