ESET обновляет продукты для защиты виртуальной инфраструктуры

ESET обновляет продукты для защиты виртуальной инфраструктуры

ESET обновляет продукты для защиты виртуальной инфраструктуры

ESET представляет обновленные продукты для защиты виртуальной инфраструктуры в корпоративной сети – безагентную защиту ESET Virtualization Security для VMware и агентное решение ESET Shared Local Cache. 

ESET Virtualization Security для VMware обеспечивает безопасность всей структуры VMware NSX и vShield. В сочетании с веб-консолью ESET Remote Administrator продукт открывает широкие возможности управления и контроля всех защищенных компьютеров и устройств, включая реальную и виртуальную инфраструктуру. 

Продукт поддерживает микросегментацию. Зараженные виртуальные машины автоматически перемещаются в микросегмент, что предотвращает распространение угрозы в сети. 

С ESET Remote Administrator готовый образ виртуальной машины позволяет быстро развернуть ESET Virtualization Security сразу на всех хостах. При переносе виртуальной машины из одного хоста в другой настройки безопасности сохраняются; она автоматически остается под защитой, если ESET Virtualization Security установлен на обоих хостах. 

Продукт ESET Virtualization Security оптимизирован для максимального быстродействия. Сканирование на наличие угроз затрачивает минимум ресурсов и практически не влияет на работу других приложений и процессов. 

Агентное решение ESET Shared Local Cache позволяет ускорить сканирование виртуальных машин за счет хранения информации о ранее просканированных общих файлах. Решение работает с ключевыми бизнес-продуктами ESET и совместимо не только с системами VMware, но и с технологией Microsoft Hyper-V.

 

AM LiveПодписывайтесь на канал "AM Live" в Telegram, чтобы первыми узнавать о главных событиях и предстоящих мероприятиях по информационной безопасности.

Google представил VaultGemma — LLM с дифференциальной приватностью

В семействе больших языковых моделей (БЯМ, LLM) с открытым кодом, разработанных в Google, прибавление. Новинка VaultGemma не запоминает конфиденциальные данные при обучении, что предотвращает их слив пользователям.

ИИ-модель, построенная на базе Gemma 2 и работающая по 1 млрд параметров, прошла предварительный тренинг с применением метода дифференциальной приватности (differential privacy) — он добавляет в процесс обучения эталонный шум для ограничения возможности запоминания.

К сожалению, такой подход снижает не только риск утечки конфиденциальных данных, но также точность и быстродействие LLM. Чтобы найти оптимальный баланс между приватностью, практичностью и затратами на вычисления, в Google провели специальное исследование.

Бенчмаркинг показал, что по производительности VaultGemma сравнима с моделями той же величины, но без гарантий конфиденциальности.

 

Подробная информация о новом opensource-проекте, способном ускорить создание приватных и безопасных ИИ-систем для медучреждений, финансовых институтов и госсектора, выложена на Hugging Face и Kaggle.

AM LiveПодписывайтесь на канал "AM Live" в Telegram, чтобы первыми узнавать о главных событиях и предстоящих мероприятиях по информационной безопасности.

RSS: Новости на портале Anti-Malware.ru