Red Sift เปิดตัวการตรวจจับความเกี่ยวข้องเป็นโซลูชันการค้นหาและจำแนกสินทรัพย์ที่ขับเคลื่อนด้วย GPT-4

Red Sift เปิดตัวการตรวจจับความเกี่ยวข้องเป็นโซลูชันการค้นหาและจำแนกสินทรัพย์ที่ขับเคลื่อนด้วย GPT-4

Time Stamp: 5 มิถุนายน 2023 5:29 น.
โหนดต้นทาง: 2702080

ซานฟรานซิสโกและลอนดอน — 5 มิถุนายน 2023 — เรดซิฟท์แพลตฟอร์ม Digital Resilience ชั้นนำที่ช่วยให้องค์กรต่างๆ มองเห็น แก้ไข และรักษาความปลอดภัยของช่องโหว่ในพื้นที่โจมตี วันนี้เปิดตัว Relevance Detection ซึ่งเป็นฟีเจอร์ใหม่ที่ไม่เหมือนใครใน บนDOMAIN ขับเคลื่อนโดยเทคโนโลยี GPT-4 ของ OpenAI ด้วย Relevance Detection Red Sift ช่วยให้องค์กรต่างๆ สามารถมองเห็นพื้นที่โดเมนของตนได้อย่างรวดเร็วและมีประสิทธิภาพมากขึ้น โดยมอบเครื่องมือที่จำเป็นในการรักษาความปลอดภัยช่องโหว่ที่มีอยู่และเสริมความแข็งแกร่งให้กับสถานะการรักษาความปลอดภัยเครือข่าย 

ตามที่ สำรวจ ดำเนินการโดย MIT Technology Review Insights ของผู้นำระดับโลกกว่า 700 ราย มากกว่า 50% กล่าวว่าพวกเขาเคยประสบกับการโจมตีด้านความปลอดภัยทางไซเบอร์ที่มีต้นตอจากสินทรัพย์ดิจิทัลที่ไม่รู้จัก ไม่มีการจัดการ หรือมีการจัดการที่ไม่ดี สำหรับองค์กรขนาดใหญ่ที่ต่อสู้กับปริมาณและความซับซ้อนของการตรวจสอบเครือข่าย ปัญญาประดิษฐ์ (AI) ของ Relevance Detection จะช่วยขจัดความท้าทายเหล่านั้นด้วยการค้นหาและจำแนกความสำคัญของข้อมูลประจำตัวที่พบจากแหล่งที่มาต่างๆ เช่น DNS, ข้อมูล WHOIS, ใบรับรอง SSL และอื่นๆ โดยอัตโนมัติ ให้คำแนะนำที่กำหนดเองสำหรับการเปิดใช้งานข้อมูลประจำตัวเต็มรูปแบบ ด้วยวิธีการที่เป็นกรรมสิทธิ์ของ Red Sift ในการตรวจสอบใบรับรองที่เผยแพร่ต่อสาธารณะแบบเรียลไทม์และการค้นหาชื่อโฮสต์ บริษัทจึงนำเข้าใบรับรองใหม่ 10 ล้านรายการต่อเดือน และตรวจสอบชื่อโฮสต์มากกว่า 1.9 พันล้านรายการในฐานข้อมูลของตนเอง  

“การสร้างรายการชื่อโดเมนที่ครอบคลุมได้สร้างปัญหาให้กับองค์กรมาอย่างยาวนาน โดยเฉพาะอย่างยิ่งองค์กรที่ผ่านการควบรวมและซื้อกิจการ แม้กระทั่งสำหรับองค์กรที่ประสบความสำเร็จในการสร้างและบำรุงรักษารายการสินทรัพย์คงคลังที่ครอบคลุม การประเมินรายการเหล่านี้ต้องใช้ความพยายามอย่างมากด้วยตนเองในช่วงเวลาที่ความสามารถหายาก” Rahul Powar ซีอีโอของ Red Sift กล่าว “การตรวจจับความเกี่ยวข้องจะเป็นฟีเจอร์ที่ทรงคุณค่าสำหรับองค์กรต่างๆ ทั่วโลก เนื่องจากจะช่วยขจัดอุปสรรคแบบดั้งเดิมในการตรวจสอบเครือข่าย และแม้แต่แปลข้อมูลระบุตัวตนที่ได้รับเป็นภาษาต่างประเทศ ทำให้มนุษย์ทั่วไปที่ไม่ใช้หลายภาษาสามารถเข้าใจและตรวจทานได้ ”  

ในอดีต โซลูชันการจัดการพื้นผิวการโจมตีภายนอกของ OnDOMAIN และ Red Sift ทำให้แข็งขึ้น แสดงตัวตนที่ค้นพบทั้งหมดแก่ผู้ใช้ ด้วยการผสานรวมใหม่ในปัจจุบันกับ GPT-4 และการเปิดตัว Relevance Detection ทำให้ Red Sift สามารถสแกนข้อมูลระบุตัวตนแต่ละรายการได้โดยอัตโนมัติ และสร้างคำแนะนำแบบกำหนดเองที่บอกลูกค้าว่าควรตรวจสอบข้อมูลระบุตัวตนหรือไม่และเพราะเหตุใด  

เมื่อข้อมูลระบุตัวตนที่ดูเหมือนเกี่ยวข้องได้รับการตรวจสอบและเปิดใช้งานแล้ว OnDOMAIN จะแสดงเนื้อหาของโดเมนที่ยังไม่ถูกค้นพบที่เป็นขององค์กรอย่างต่อเนื่อง ตลอดจนค้นพบสิ่งที่คล้ายกันที่เป็นไปได้ซึ่งมีอยู่จริง การค้นพบที่ได้รับการปรับปรุงนี้ช่วยให้องค์กรสามารถค้นพบทรัพย์สินที่อาจถูกจอดหรือถูกลืม ซึ่งหากปล่อยให้มีช่องโหว่ อาจเป็นพื้นผิวการโจมตีที่แสวงหาประโยชน์ได้ การตรวจจับความเกี่ยวข้อง นำอำนาจกลับคืนสู่มือขององค์กรและช่วยให้ทีมรักษาความปลอดภัยตัดสินใจว่าข้อมูลประจำตัวใดควรรวมอยู่ในกระบวนการค้นหาเนื้อหาของโดเมน 

หากต้องการเรียนรู้เพิ่มเติมเกี่ยวกับวิธีที่ Relevance Detection สามารถกำหนดนิยามใหม่ของการตรวจสอบเครือข่ายและการค้นหาสินทรัพย์โดเมนสำหรับองค์กรของคุณ โปรดไปที่:

เกี่ยวกับ เรด ซิฟต์ 

แพลตฟอร์ม Digital Resilience ของ Red Sift แก้ปัญหาช่องโหว่ที่ใหญ่ที่สุดทั่วทั้งพื้นผิวการโจมตีทั้งหมด ด้วยการให้ความคุ้มครองที่ครอบคลุมเกี่ยวกับรอยเท้าดิจิทัลขององค์กรผ่านการค้นพบและการตรวจสอบที่ดีที่สุดในระดับเดียวกัน Red Sift ช่วยให้ผู้ใช้สามารถเปิดเผยภัยคุกคามเชิงรุกภายในอีเมล โดเมน แบรนด์ และขอบเขตของเครือข่าย เมื่อจับคู่กับความสามารถในการแก้ไขที่ซับซ้อน Red Sift ช่วยให้องค์กรมีเครื่องมือในการปิดฟิชชิงและรับรองการปฏิบัติตามโปรโตคอลความปลอดภัยอีเมลและเว็บอย่างต่อเนื่อง 

Red Sift เป็นองค์กรระดับโลกที่มีสำนักงานในอเมริกาเหนือ ออสเตรเลีย สเปน และสหราชอาณาจักร มีฐานลูกค้าที่น่าประทับใจในทุกอุตสาหกรรม รวมถึง Domino's, ZoomInfo, Athletic Greens, Pipedrive และสำนักงานกฎหมายชั้นนำระดับโลก Red Sift ยังเป็นพันธมิตรที่เชื่อถือได้ของ Entrust, Microsoft และ Validity และอื่น ๆ ค้นหาข้อมูลเพิ่มเติมได้ที่ redsift.com  

ประทับเวลา:

เพิ่มเติมจาก การอ่านที่มืด