CheckPoint представила сетевое решение для предотвращения потери данных

CheckPoint представила сетевое решение для предотвращения потери данных

Компания Check Point Software Technologies Ltd. сегодня объявила о выпуске сетевого решения предотвращения потери данных (Data Loss Prevention, DLP), помогающего компаниям перейти от обнаружения к предотвращению потери данных путем профилактической защиты конфиденциальной, закрытой и секретной информации от непреднамеренной утраты. В Check Point DLP имеются детальные правила, соответствующие принятым в компании процедурам обращения с информацией.



При работе с Check Point DLP пользователь получает оповещение о нарушении процедур обращения с документами, одновременно происходит обучение сотрудника работе с корпоративными данными. В дополнение к многофакторному механизму корреляции, с высокой точностью обнаруживающему нарушения правил работы с информацией, при решении задач DLP компания Check Point учитывает человеческий фактор, позволяя и провоцируя пользователя исправлять возможные нарушения в реальном времени.

«Нет такой компании, перед которой не стояла бы задача предотвращения потери данных. Рано или поздно в жизни каждого наступает момент, когда он отправляет e-mail с конфиденциальной информацией не тому получателю. Компания Check Point первой в отрасли решила проблему утечки данных, — заявил Гил Швед (Gil Shwed), основатель, председатель правления и генеральный директор компании Check Point. — Объединяя новаторские разработки и созданное нами решение предотвращения и исправления ошибок пользователей UserCheck, система Check Point DLP позволяет компаниям применять корпоративные правила и информировать о них пользователей, предотвращая как преднамеренную, так и непреднамеренную потерю данных».

Компании, применяющие Check Point DLP, могут включить технологию UserCheck, уведомляющую пользователей о возможном нарушении режима безопасности при помощи всплывающего сообщения или электронного письма. Работникам предписывается оперативно устранить возникшее нарушение и не допустить потери данных. Реализованная в решении Check Point уникальная функция устранения нарушений пользователями информирует их о корпоративных правилах работы с информацией и возможностях самостоятельного устранения нарушений, а также минимизирует распространение конфиденциальных данных в информационных системах.

Файлы, отправляемые в Интернет, обрабатываются новой системой Check Point MultiSpect — многофакторным механизмом классификации данных, анализирующим проходящий трафик и с высокой точностью определяющим связи между пользователями, типами данных и процессами. Чтобы помочь компаниям предотвращать нарушения с первого же дня внедрения системы, не прибегая к дорогостоящим профессиональным услугам, в решении Check Point DLP предусмотрено более 250 готовых правил, созданных на основе апробированных рекомендаций и призванных предотвратить распространение конфиденциальной информации.

Check Point DLP может устанавливаться на открытые сервера, а также поставляется в составе специализированных устройств DLP-1 для моментальной установки и запуска в эксплуатацию.

Источник

Подпишитесь на новости

ChatGPT посадили за руль Toyota Corolla, он справился с трассой из конусов

Чат-боту доверили не письмо начальнику, а руль, газ и тормоз настоящей машины. Команда DrivingBench подключила несколько ИИ-моделей к Toyota Corolla и проверила, смогут ли они проехать трассу из конусов на парковке в районе Сан-Франциско.

В эксперименте участвовали GPT-6 Astra, Claude Fable 5.1, Grok 4.6 и GPT-5.6 Sol. Это модели общего назначения, без специального дообучения для вождения. Код, промпты и устройство испытаний команда раскрыла в отчёте DrivingBench.

Ноутбук передавал моделям изображения с камер и телеметрию. Их команды поступали в автомобиль через устройство comma four и программную прослойку на базе openpilot. Таким образом, чат-бот выбирал манёвры, а отдельная система превращала решения в действия машины.


Результаты получились неровными. Grok, Sol и Fable проехали лишь несколько метров и не завершили маршрут. Astra после нескольких попыток справилась. Между заездами модели предлагали разобрать ошибки и попробовать снова.

Человек всё время находился за рулём и был готов нажать тормоз. Скорость ограничили, маршрут проходил на парковке. Выпускать такого водителя в городской поток эксперимент не предлагает.


Самый занятный результат: универсальная языковая модель смогла управлять физической машиной, получая обратную связь через инструменты.

RSS: Новости на портале Anti-Malware.ru