当前位置: 首页 > news >正文

微软发布Microsoft Sentinel数据湖国际版

在网络安全威胁持续升级的背景下,微软宣布推出Microsoft Sentinel数据湖(国际版),以突破性架构重塑企业安全运营能力。该产品目前已进入公开预览阶段,标志着安全信息与事件管理(SIEM)领域正式迈入智能化、低成本化的新阶段。

打破数据孤岛:构建统一安全数据基座

传统安全运营长期面临"数据越多,利用越难"的悖论。企业若缩减日志记录将导致监测盲区,缩短数据留存则影响取证深度,而全面保留数据又会因高昂成本难以持续。Microsoft Sentinel数据湖国际版通过整合微软及第三方安全数据,打造覆盖超350个原生连接器的统一存储平台,将数据保留成本降至传统日志分析方案的15%以下。

该架构支持跨月甚至跨年的风险信号追踪,为AI驱动的安全监测提供完整上下文。企业无需在数据保留与成本控制间妥协,即可实现攻击行为的长期回溯与取证级事件还原。

技术融合创新:释放AI防御潜能

作为"智能体主导型安全防御"(Agentic Defense)的核心基础设施,Microsoft Sentinel数据湖国际版实现三大技术突破:

  1. 安全情报无缝集成:自2025年10月起,Microsoft Defender Threat Intelligence(MDTI)功能将免费融入Defender XDR与Sentinel,企业可直接调用微软每日处理的84万亿条安全信号及10,000名安全专家的检测能力。
  2. 跨时空分析能力:通过Kusto查询语言(KQL)与Apache Spark的协同应用,支持对历史数据的深度挖掘,可识别跨时间维度的隐蔽攻击模式,并关联资产、行为与威胁情报数据。
  3. 实时响应机制:自动同步最新攻击指标(IoCs)与战术(TTPs),触发即时检测与防御响应,同时满足合规要求的数据留存策略。

统一平台体验:赋能安全团队效能

基于Microsoft Defender门户的集中式管理界面,安全人员可在分析层与数据湖层间无缝切换,完成从实时威胁响应到深度取证调查的全流程操作。所有分析数据自动同步至数据湖层,开放格式架构支持企业定制分析流程、构建专属机器学习模型,并兼容现有工具链。

微软安全业务负责人表示:"这一架构让AI不再只是辅助工具,而是成为安全防御的核心力量。企业可借助统一数据基座,以更低成本实现更大规模、更高精度的安全运营。"

行业价值与未来展望

Microsoft Sentinel数据湖国际版的发布,标志着安全运营从"工具驱动"向"数据驱动"的范式转变。通过消除数据孤岛、降低AI应用门槛,企业可实现:

  • 多年攻击行为的回溯分析能力提升
  • 攻击前/后场景的覆盖完整性增强
  • 历史数据与实时情报的联动响应加速
  • 合规成本与检测深度的双重优化

目前,该产品已开启全球公开预览,企业可通过微软官方渠道申请试用。随着AI技术与安全数据的深度融合,微软正持续推动SIEM、XDR与安全监测的体系化整合,为构建更具韧性的智能化安全运营体系奠定基础。

http://www.lryc.cn/news/605485.html

相关文章:

  • JVM之【Java虚拟机概述】
  • Python实现调整矩阵维度: view
  • 【13】大恒相机SDK C#开发 —— Fom1中实时处理的8个图像 实时显示在Form2界面的 pictureBox中
  • 磁盘坏道检测工具在美国服务器硬件维护中的使用规范
  • MVS相机+YOLO检测方法
  • 【03】大恒相机SDK C#开发 —— 回调采集图像,关闭相机
  • Java WEB技术-序列化和反序列化认识(SpringBoot的Jackson序列化行为?如何打破序列化过程的驼峰规则?如何解决学序列化循环引用问题?)
  • 学习笔记《区块链技术与应用》第三天 网络 难度
  • 详解分布式数据库缓存技术:高性能数据访问的基石
  • 如何在 macOS 上使用 dnsmasq 搭建本地 DNS 缓存/转发
  • 深度解析:基于Python构建的闲鱼自动化营销与信息发送机器人
  • IO流专题
  • linux运维学习第十三周
  • Linux 服务器性能优化:性能监控,系统性能调优,进程优先级,内核升级全解析
  • 前端框架Vue3(二)——Vue3核心语法之OptionsAPI与CompositionAPI与setup
  • AWS云安全审计终极实战指南:构建自动化安全防线
  • 数字化应急预案:构筑现代安全防线
  • Web3:在 VSCode 中使用 Vue 前端与已部署的 Solidity 智能合约进行交互
  • 从渠道渗透到圈层渗透:开源链动2+1模式、AI智能名片与S2B2C商城小程序的协同创新路径研究
  • 【09】大恒相机SDK C#开发 ——库函数 IntPtr ConvertToRGB24详细解释 及 示例
  • 【JEECG】JVxeTable表格拖拽排序功能
  • 动态规划Day5学习心得
  • python的异步、并发开发
  • (C++)C++类和类的方法(基础教程)(与Python类的区别)
  • C++提高编程学习--模板
  • 【硬件-笔试面试题】硬件/电子工程师,笔试面试题-50,(知识点:TCP/IP 模型)
  • 磁盘IO优先级控制对美国服务器存储子系统的调优验证
  • 02 基于sklearn的机械学习-KNN算法、模型选择与调优(交叉验证、朴素贝叶斯算法、拉普拉斯平滑)、决策树(信息增益、基尼指数)、随机森林
  • 【动态规划 | 多状态问题】动态规划求解多状态问题
  • YOLO---01目标检测基础