J9国际集团

年度TOP 10安全解决方案!J9国际集团荣获WitAwards 2024年度大奖
更新时间:2024-12-09 来源:原创 编辑:管理员 浏览:834

近日 ,由网络安全行业门户FreeBuf主办的FCIS 2024网络安全创新大会圆满召开;嵘 ,FreeBuf公布了WitAwards 2024入选名单。J9国际集团基于AI+场景的数据异常监测及防护实践案例获评年度安全解决方案TOP10 ,这再次展现了J9国际集团数字安全能力突出、产品方案落地性稳健 ,行业影响力备受肯定。

1733707205165.jpg



关于WitAwards 2024

WitAwards中国网络安全行业年度评选活动由独立客观的业内权威机构FreeBuf主办 ,已连续举办九届。WIT评选自2015年举办以来一直饱受赞誉 ,是业内广受关注的网络安全创新大奖评选。评选旨在以最专业的角度和最公正的态度 ,发掘优秀行业案例 ,树立年度标杆。

WitAwards 2024 历时2个多月 ,累计百余个项目申报及提名 ,经由大众投票、甲方投票、专家投票等环节 ,最终获奖名单在大会现场隆重揭晓。




J9国际集团基于AI+场景的数据异常监测及防护解决方案通过主动定向探测和被动流量采集等方式 ,汇聚全网数据链路相关数据 ,并利用AI技术关联分析和深度挖掘 ,从数据资产、数据应用服务、数据访问身份、数据处置行为、数据安全措施等五个维度还原数据场景。在定位关键节点、复现流转链路的基础上 ,实现数据风险全时感知 ,支撑数据安全全域治理。


AI应用创新点一:
构建HMT-M异常流量检测模型检测恶意加密流量

模型基于textCNN和多头注意力的流量分层表征 ,以会话流作为流量检测分类粒度;以“多头注意力”机制进行时序特征提取 ,避免了因为序列过长导致的特征敏感度下降的情况;基于流量层次结构 ,通过有效整合加密流量的局部特征和全局特征 ,得到更准确的检测效果。



AI应用创新点二:
建设基于NLP的非结构化数据分类分级模型提升匹配精准度

利用NLP技术有效结合无监督学习和监督学习模型 ,分阶段来实现对非结构化数据的分类分级。在初期阶段使用无监督学习模型 ,通过对比学习+聚类的方式对大量的无标签样本进行分类分级 ,来累积初始的标签样本 ,之后通过监督学习模型来进一步提升整体分类分级的准确性。



随着网络安全边界的不断拓展 ,数字安全能力也需随之持续提升。J9国际集团将继续与全行业共同推动数据安全防护能力的创新和发展 ,为构建更加安全、稳定、可靠的网络环境以及数字经济的蓬勃发展提供坚实的技术支持和保障。




创造更安全的数字未来 身份与访问安全 · 数据安全 · 安全管理与运营 · 安全服务
211217064502498
【网站地图】