Вышла Гарда NDR 3.4 с улучшенным механизмом выявления вредоносов

Вышла Гарда NDR 3.4 с улучшенным механизмом выявления вредоносов

Вышла Гарда NDR 3.4 с улучшенным механизмом выявления вредоносов

Группа компаний «Гарда» выпустила новую версию «Гарда NDR 3.4» — системы выявления и реагирования на сетевые угрозы. Релиз отметился улучшенным процессом выявления вредоносных программ и многими другими фичами.

Разработчики заверяют, что с новой версией заказчики смогут быстрее обнаруживать кибератаки на корпоративную сеть и оперативнее реагировать на инциденты.

В «Гарда NDR 3.4» добавили новые формы настраиваемых отчётов, упрощающих контроль за подозрительными сетевыми событиями и облегчающих анализ данных.

Благодаря поддержке протокола NSEL эффективность анализа и обработки данных NetFlow ощутимо возросла. События теперь отображаются более наглядно за счёт оптимизации обработки данных NetFlow.

Кроме того, девелоперы улучшили процесс обнаружения вредоносных программ. В «Гарда NDR 3.4» внедрили возможность подсчёта хеш-сумм файлов, а также добавили ссылку для автоматической проверки наличия зловреда.

Ограничений по количеству и вложенности логических групп управления информационным активами теперь нет, а заказчик может удобнее создать и распределить активы в полную иерархическую структуру групп.

Подпишитесь на новости

Не просто стойка с GPU: в России собрали ПАК для корпоративного ИИ

«Лаборатория Числитель» и «Информзащита» представили программно-аппаратный комплекс, который должен помочь крупным компаниям перейти от вечных ИИ-пилотов к нормальной промышленной эксплуатации моделей. Решение анонсировали на форуме TNF-2026.

В основе ПАК — высокопроизводительный ML-кластер и российская платформа контейнеризации «Штурвал». Но создатели подчёркивают: это не очередная дорогая стойка с GPU, на которой каждый проект приходится собирать руками.

Комплекс превращает вычислительные мощности в единый управляемый ресурс. ML-специалист запускает задачу, а платформа сама выделяет CPU и GPU, поднимает нужное окружение, подключает хранилище, запускает обучение и масштабирует нагрузку. Для автоматизации используются Kubernetes и инструменты MLOps, включая Kubeflow, MLflow и model serving.

Архитектура состоит из четырёх уровней: аппаратной инфраструктуры, платформы «Штурвал», MLOps-стека и прикладных ИИ-сервисов — от прогнозирования и аналитики до корпоративных ассистентов. Вокруг ядра работают IAM/SSO, объектное хранилище, реестр образов, CI/CD, мониторинг и аудит.

Заказчики получают единый пул вычислительных ресурсов, изоляцию проектов, централизованное управление доступами и полный жизненный цикл моделей — от эксперимента до публикации и обновления. При этом ML-инструменты не лезут напрямую в железо, а получают инфраструктуру как сервис.

Как сообщается в публикации о проекте, архитектура уже прошла промышленную эксплуатацию у крупного государственного заказчика.

RSS: Новости на портале Anti-Malware.ru