本文講的是 : 詮釋視覺化 watchguard如何看清未知 ,【it168 訪談】「watchguard的utm產品強項是多重性，我們不是一家單純的銷售產品或者技術的企業，我們的解決方案整合了多家業界最強的產品模組。另外，在utm領域，各大廠商的解決方案在功能全部開啟之後效能甚至會下降90%，而watchguard的策略師在服務開啟後依然保持相當高的吞吐量，這也是我們最大的優勢所在。」 watchguard全球銷售副總裁alex thurber如是說。
▲watchguard全球銷售副總裁alex thurber
在watchguard大中華區firebox m系列產品路演上海站，alex在強調watchguard「可視即安全」的產品理念的同時也指出了教育對於網路安全行業的重要性。模擬於國外的安全狀況，國內企業安全市場可謂是一片藍海，而安全本身所呈現的多樣性和其自身的敏感性往往讓企業cio頭疼不已。
國內外安全理念的區別
alex指出，通過釣魚郵件進行詐騙的之類的威脅依舊在美國廣泛存在，因此，防範威脅的關鍵點依然在於教育。而針對apt之類的高階威脅，watchguard應用了checksum演算法、沙盒模式偵測特徵行為等方式去應對日益猖獗的apt攻擊。由此不難看出，國外安全威脅與國內並無二致，針對普通使用者的郵件詐騙廣泛存在，只不過國內能感知到的詐騙方式更加多樣化。從安全視角分析，國外知名企業受到攻擊所產生的影響要更加廣泛。alex指出，以世界十強的target被攻擊事件為例，由於使用者***露至直接導致ceo被解職，安全問題在國外的受重視程度可見一斑。
目前watchguard已經具備成熟的行業客戶群，覆蓋酒店業、零售業，在北美和歐洲教育行業也是其主要客戶群。alex認為，安全是乙個非常廣泛的行業，安全本身並沒有非常強的行業性。當今中國，中小企業為主的市場潛力巨大，watchguard的定位和策略也十分看重中小企業市場。究其原因是watchguard所提供的安全解決方案具備極高的可用性和價效比。
用適應市場的產品看清威脅
watchguard的策略是將現有的最好安全技術整合到自身的專有平台上，而將研發投入到更有價值的事情上-推動能夠解決實際安全問題的技術進步。因此，watchguard的產品強調「可視即安全」的概念，watchguard dimension就是定位為一款解放專業安全人士的工具。讓企業cio可以直觀的評估現有的安全狀況。以便更快的提取關鍵資訊和安全資料並轉化成可輔助行動的實際策略。
類似於apt的高階威脅不可能簡單你的依靠單一的點功能去進行防範，而是需要防火牆、防毒工具等綜合防禦，這一綜合的防禦方式恰與watchguard的產品策略和組成完全相吻合，因為watchguard的utm產品的強項在於多項服務的整合。watchguard所強調的另乙個理念是化被動為主動，當某個國家發生的一次apt攻擊被偵測到，這一資訊會通過watchguard本身快速傳播到全球進行防禦，在全球600多家(這一數字的確十分可觀)安全企業的努力中，watchguard也在努力整合新的技術。因此，無論從自身發展還是防禦策略上看watchguard都在努力站在安全行業食物鏈的頂端。
業界最強的utm效能就是最好的佐證之一，同時，在無線安全領域，watchguard產品線中也在整合單獨的ap，最終通過控制模組集成為適用於有線網路和無線網路的安全解決方案。在聯動方面，watchguard的紅色防禦網路通過實時資訊同步結合第三方威脅偵測為使用者提供更全面的防護。
寫在後面：安全本身就需要秉承開放的原則，反觀當下的國內網路安全環境，中國安全企業效仿網際網路公司在快速的搶占市場並追求變現，企業安全市場雖然方興未艾，但是企業主體以及公眾的安全意識都亟待加強。watchguard所提供的視覺化安全即是讓企業使用者能夠觸控到安全，讓安全實現其應有的價值。
原文發布時間為：2023年7月6日
李蓬閣
原文標題 :詮釋視覺化 watchguard如何看清未知
資料視覺化 什麼是資料視覺化
資料對應的英文單詞是data，從資訊獲取的角度看，資料是對目標觀察和記錄的結果，是現實世界中的時間 地點 事件 其他物件或概念的描述。不同學者對資料的作用也給出不同的定義，大致分為以下3類 視覺化對應的兩個英文單詞 visualize和visualization。visualize是動詞，描述 生成...
視覺化建模
中科永聯高階技術培訓中心 www.itisedu.com 視覺化建模 visual modeling 是利用圍繞現實想法組織模型的一種思考問題的方法。模型對於了解問題 與專案相關的每個人 客戶 行業專家 分析師 設計者等 溝通 模仿企業流程 準備文件 設計程式和資料庫來說都是有用的。建模促進了對需求...
卷積視覺化
影象卷積操作的應用沒有嚴格的數學推導，即沒有數學推導表明每一層究竟表示什麼。為了了解卷積神經網路中每一層與原有影象的對應關係，文章visualizing and understanding convolutional networks通過反向卷積的方式實現了該過程。那具體如何操作的呢？得到的h1與真...