Nieuwe mogelijkheden in Harmony Suite van Check Point maken veilige GenAI-acceptatie, databescherming en bedreigingspreventie mogelijk 

16 augustus 2024

Het risico om slacht­offer te worden van ransom­ware-aanvallen en het lekken van data naar shadow software-as-a-service (shadow SaaS) en gene­ra­tieve kunst­ma­tige intel­li­gentie (GenAI)-tools wordt vergroot door externe gebrui­kers­ver­bin­dingen via onbe­vei­ligde netwerken en BYOD-apparaten. Zo zagen onder­zoe­kers een toename van 90 procent in publie­ke­lijk afge­perste ransom­ware-slacht­of­fers en is naar schatting 55 procent van de data­ver­lies­in­ci­denten te wijten aan GenAI-gebruik. Om deze uitda­gingen aan te pakken kondigt Check Point inno­va­tieve GenAI-aange­dreven moge­lijk­heden in de Harmony Suite aan.

De kracht van GenAI

In het snel veran­de­rende tech­no­lo­gie­land­schap zijn de impli­ca­ties van GenAI-toepas­singen een groeiende zorg. Nu ChatGPT en Gemini steeds popu­lairder worden op de werkvloer, worden orga­ni­sa­ties gecon­fron­teerd met een dilemma tussen produc­ti­vi­teit en risico. 

De nieuwe GenAI-bevei­li­gings­op­los­sing van Check Point stelt gebrui­kers in staat om gene­ra­tieve AI-toepas­singen veilig te imple­men­teren in de orga­ni­satie, terwijl het tege­lij­ker­tijd data­be­scher­ming en naleving van regel­ge­ving aanpakt. In tegen­stel­ling tot stan­daard­op­los­singen voor data­be­scher­ming, die geen context iden­ti­fi­ceren in conver­sa­tie­prompts, beschikt deze nieuwe oplossing over GenAI-geba­seerde gege­vens­clas­si­fi­catie om data­lekken in GenAI-toepas­singen te voorkomen.

Met deze geheel nieuwe oplossing kunnen organisaties: 

  • Inzicht krijgen in alle shadow GenAI-tools, zoals ChatGPT of Gemini 
  • De voor hen beste GenAI-use cases ontdekken, bijvoor­beeld voor codering, data-analyse en meer 
  • De GenAI-toepas­singen met het hoogste risico iden­ti­fi­ceren en mitigatie prioriteren 
  • Gege­vens­ver­lies voorkomen met behulp van trans­for­ma­tieve GenAI-gestuurde gegevensanalyse 
  • Voldoen aan regel­ge­ving met moni­to­ring en zicht­baar­heid op enter­prise niveau 

Next-level databescherming

Verder intro­du­ceert Check Point de nieuwe Harmony Data Loss Preven­tion (DLP) cloud­ser­vice, die data­be­scher­ming levert voor de workspace via Harmony Endpoint, Harmony Browse en Harmony SASE, waarbij GenAI wordt gebruikt voor gede­tail­leerde zicht­baar­heid en controle. 

Harmony DLP stelt hybride orga­ni­sa­ties in staat om: 

  • Meer dan 700+ vooraf gede­fi­ni­eerde gege­vens­typen, aange­paste gege­vens­typen, Microsoft-tags en gevoelige gegevens te herkennen die in afbeel­dingen zijn geïden­ti­fi­ceerd met behulp van Optical Character Recog­ni­tion (OCR) 
  • Inno­va­tieve copy­/­paste-beper­kingen toe te passen met realtime beleidshandhaving 
  • Bedrei­gingen te voorkomen door gedown­loade bestanden te scannen 
  • Gege­vens­be­scher­mings­be­leid af te dwingen door geüploade bestanden te inspecteren 
  • Veilige accep­tatie van gene­ra­tieve AI-toepas­singen in de onder­ne­ming te ondersteunen 

Nieuwe ThreatCloud AI-engines voor nog betere preventie

Infinity Thre­at­Cloud AI, het centrale zenuw­stelsel op het Infinity Platform, deelt wereld­wijd up to date threat intel­li­gence infor­matie in minder dan 2 seconden. Dit betekent dat een nieuwe aanvals­sig­na­tuur die door een endpoint in Brazilië wordt geïden­ti­fi­ceerd, 2 seconden later kan worden geblok­keerd door een cloud­wor­kload in Japan, een netwerk­ga­teway in Italië of een mobiel apparaat in Zimbabwe. 

Thre­at­Cloud AI heeft een malwa­re­vangst van 99,8 procent en is nu uitge­breid met nieuwe engines om zeer complexe aanvallen en drei­gings­cam­pagnes te iden­ti­fi­ceren, waaronder: 

  • Thre­at­Cloud Graph-engine voor multi­di­men­si­o­nale beoor­de­ling van cyber­drei­gingen; voorkomt opkomende bedrei­gingen door hun relatie met bekende scha­de­lijke arte­facten te zien 
  • Auto­ma­ti­sche URL-cate­go­ri­satie van nieuwe sites met behulp van AI-geba­seerde natuur­lijke taal­ver­wer­king (NLP) 
  • Voorkomen van C2- en MDN-commu­ni­catie (Malware Delivery Network) op basis van functies die onder­scheid maken tussen de verkeers­pa­tronen van scha­de­lijke en goed­aar­dige websites 
  • Deep Brand Clus­te­ring: maakt gebruik van deep learning om phis­hing­cam­pagnes met merk­spoo­fing te voorkomen 

Pin It on Pinterest

Share This