เข้าใจความเสี่ยงของ policy สอบถามเรื่อง policy ได้ด้วยภาษาทั่วไป ขอชมการสาธิต →
AI เดินหน้าเร็วกว่าที่ policy ซึ่งกระจัดกระจายจะรองรับได้อย่างปลอดภัย
AI agents ตอบคำถาม แนะนำการเปลี่ยนแปลง และเร่งงานด้านความปลอดภัยได้ ขณะเดียวกันก็ขยายผลกระทบของข้อมูลที่ไม่ครบถ้วนหรือไม่สอดคล้องกันได้เช่นกัน
copilot ที่สืบค้นแต่ละ firewall แยกกันย่อมรับเอาความกระจัดกระจายแบบเดียวกับที่ถ่วงการทำงานของทีมงานในปัจจุบัน ทั้งรูปแบบ rule ที่ต่างกัน บริบทที่ล้าสมัย หรือเห็น access path เพียงบางส่วน
FireMon ทำหน้าที่เป็นชั้น policy ที่กำกับดูแลได้ระหว่าง workflow ที่ขับเคลื่อนด้วย AI กับจุดบังคับใช้นโยบาย เครื่องมือ AI จึงทำงานจากโมเดลมาตรฐานเดียวกันได้
วาง policy ที่กำกับดูแลได้ไว้เบื้องหลังการปฏิบัติงาน
ที่ขับเคลื่อนด้วย AI
ให้ AI agents และ copilots ใช้แหล่งข้อมูลเดียวที่สอดคล้องกันสำหรับ policy ของ firewall, cloud และ segmentation ที่รองรับ แทนการเข้าถึงอุปกรณ์แต่ละตัวโดยตรง
- ทำให้ policy เป็นมาตรฐานเดียวกันก่อนที่เครื่องมือ AI จะสืบค้นหรือประมวลผล
- ใช้ข้อมูลที่กำกับดูแลชุดเดียวกับที่รองรับการตัดสินใจด้าน compliance ความเสี่ยง และการเปลี่ยนแปลง
- ลดการเชื่อมต่อแบบเฉพาะกิจและการจัดการข้อมูลเฉพาะรายผู้ผลิตในส่วนที่รองรับ
ใช้กระบวนการจำลองผล อนุมัติ และตรวจสอบยืนยันแบบเดียวกัน ไม่ว่าการเปลี่ยนแปลงนั้นจะเสนอโดยบุคคลหรือโดย workflow ที่ขับเคลื่อนด้วย AI
- ประเมินการเข้าถึงที่เสนอเทียบกับ policy ปริมาณทราฟฟิก ความเสี่ยง และข้อกำหนดด้านการควบคุม
- ส่งการเปลี่ยนแปลงไปยังผู้รับผิดชอบที่เป็นบุคคลเพื่ออนุมัติหรือปฏิเสธ
- ตรวจสอบยืนยันผลที่นำไปใช้จริงและเก็บรักษาประวัติการตัดสินใจ
ใช้การควบคุม policy ที่มีอยู่เพื่อจำกัดว่าเครื่องมือ AI จะมองเห็น แนะนำ และมีอิทธิพลต่ออะไรได้บ้างในงานด้าน network security
- อ้างอิงคำตอบด้าน compliance จากข้อมูล policy ที่เป็นปัจจุบันและเป็นมาตรฐานเดียวกัน
- ใช้บริบทด้านความเสี่ยงและพฤติกรรมเพื่อจัดลำดับความสำคัญของสิ่งที่ตรวจพบและข้อเสนอแนะ
- เก็บรักษาหลักฐานของ policy การอนุมัติ และการตรวจสอบยืนยันที่อยู่เบื้องหลังการดำเนินการที่ขับเคลื่อนด้วย AI
เข้าใจความเสี่ยงและตรวจสอบการเข้าถึงด้วย Insights
เข้าใจความเสี่ยง
Insights ใช้ AI ตีความผลวัดของ policy และชี้เป้าการตรวจสอบไปยังจุดที่อาจต้องให้ความสนใจ
สำรวจ Policy ได้เร็วขึ้น
ถามคำถามเกี่ยวกับ policy ของ firewall และการเข้าถึงเครือข่ายที่รองรับด้วยภาษาธรรมดา แล้วตรวจสอบหลักฐานที่ Insights ส่งกลับมา
ให้บุคคลยังคงควบคุม
ใช้ AI เร่งความเข้าใจและการตรวจสอบ โดยผู้ปฏิบัติงานด้านความปลอดภัยยังคงเป็นผู้รับผิดชอบการตัดสินใจที่ตามมา
กรณีการใช้งานทั่วไปของการบริหารจัดการ Firewall ด้วย AI
การวิเคราะห์ Policy ด้วยภาษาธรรมชาติ
ช่วยให้ผู้ใช้ที่ได้รับอนุญาตถามคำถามเกี่ยวกับการเข้าถึง rule การเปลี่ยนแปลง ความเสี่ยง และ compliance โดยอ้างอิงข้อมูล policy ที่กำกับดูแลได้
การเปลี่ยนแปลง Policy ที่เสนอโดย AI
ประเมินข้อเสนอแนะผ่านการจำลองผลและการอนุมัติโดยบุคคล ก่อนขั้นตอนการนำไปใช้งานที่รองรับทุกครั้ง
การเชื่อมต่อ Agent ที่กำกับดูแลได้
ใช้ความสามารถของ FireMon MCP server เชื่อมต่อเครื่องมือ AI ที่ได้รับอนุมัติเข้ากับข้อมูล policy ที่กำกับดูแลได้ เร็ว ๆ นี้
การจัดลำดับความเสี่ยงด้วย AI
ใช้บริบทของ policy เส้นทาง ทราฟฟิก และการควบคุมที่เป็นมาตรฐานเดียวกัน เพื่อให้นักวิเคราะห์โฟกัสที่ความเสี่ยงซึ่งมีนัยสำคัญ
การสืบค้นหลักฐานด้าน Compliance
อ้างอิงคำตอบที่สร้างโดย AI จากการประเมิน policy และหลักฐานชุดเดียวกับที่ทีมความปลอดภัยและทีมตรวจสอบใช้
การตรวจสอบยืนยันหลังการเปลี่ยนแปลง
ยืนยันว่าการเปลี่ยนแปลงที่ขับเคลื่อนด้วย AI สร้างการเข้าถึงตามที่ต้องการ และไม่ก่อให้เกิดความเสี่ยงที่ไม่ได้ตั้งใจ
Control Plane เดียวสำหรับ policy ของ firewall เพื่อ:
- องค์กรแบบไฮบริด
บริหารจัดการ rule ตรวจสอบยืนยันการเปลี่ยนแปลง ลดการเข้าถึงที่มีความเสี่ยง และพิสูจน์ compliance ครอบคลุมการควบคุมเครือข่ายทั้งแบบ on-premises เสมือน และคลาวด์
- Microsegmentation
กำกับดูแลทราฟฟิกแบบ north-south และ east-west เผยเส้นทางที่ไม่ได้ตั้งใจ และบังคับใช้เจตนาของการทำ segmentation เมื่อแอปพลิเคชัน ผู้ใช้ และสภาพแวดล้อมเปลี่ยนไป
- องค์กรที่พร้อมรับ AI
เร่งการล้าง rule เทียบมาตรฐานอุตสาหกรรม และประเมินผลกระทบของการเปลี่ยนแปลงก่อนบังคับใช้ โดยไม่สูญเสียการควบคุมของผู้ปฏิบัติงาน
คำถามที่พบบ่อยเกี่ยวกับการบริหารจัดการ Firewall ด้วย AI
การบริหารจัดการ firewall ด้วย AI คือการใช้ AI agents หรือ copilots ช่วยวิเคราะห์ policy จัดลำดับความเสี่ยง ตอบคำถามด้านการปฏิบัติงาน หรือเสนอการเปลี่ยนแปลง ทั้งนี้ยังคงต้องมีข้อมูล policy ที่กำกับดูแลได้ การควบคุมที่กำหนดไว้ชัดเจน การอนุมัติโดยผู้รับผิดชอบ และการตรวจสอบยืนยันก่อนที่การเปลี่ยนแปลงจะมีผลต่อระบบ production
AI agents ควรสืบค้นจากแหล่งข้อมูลที่เป็นมาตรฐานเดียวกันและกำกับดูแลได้ แทนการเข้าถึงอุปกรณ์แต่ละตัวโดยตรง FireMon ให้บริบทด้าน policy ความเสี่ยง compliance และการเปลี่ยนแปลงจากโมเดลเดียว งานที่ขับเคลื่อนด้วย AI จึงตั้งอยู่บนข้อมูลชุดเดียวกับที่ทีม network security เชื่อถือ
ไม่ใช่ FireMon ไม่ได้ทำหน้าที่รักษาความปลอดภัยให้กับโมเดล AI และไม่ได้มาแทนแพลตฟอร์ม AI security หรือ AI governance แบบครบวงจร บทบาทของ FireMon เฉพาะเจาะจงกว่านั้น คือการเปิดให้ workflow ด้านความปลอดภัยเครือข่ายที่ใช้ AI ช่วยงาน เข้าถึงข้อมูล policy ที่ผ่านการ normalize ภายใต้การกำกับดูแล พร้อมบังคับใช้การควบคุมด้านความเสี่ยง compliance การอนุมัติ และการตรวจสอบความถูกต้องที่มีอยู่เดิม
ไม่ใช่ แนวทางของ FireMon ยังคงให้ผู้รับผิดชอบที่เป็นบุคคลอยู่ในกระบวนการอนุมัติ การเปลี่ยนแปลงที่เสนอสามารถจำลองและตรวจทานได้ก่อนนำไปใช้จริง และการตรวจสอบหลังการเปลี่ยนแปลงจะยืนยันว่าสิทธิ์การเข้าถึงที่เกิดขึ้นตรงกับเจตนาที่ได้รับอนุมัติหรือไม่
มอบข้อมูล policy ที่คุณกำกับดูแลอยู่แล้วให้กับ workflow ที่ใช้ AI ช่วยงาน
ดูว่า FireMon ส่งบริบทของ policy ที่ผ่านการ normalize ให้กับ AI agent และ copilot ได้อย่างไร โดยยังคงการวิเคราะห์ความเสี่ยง การอนุมัติโดยมนุษย์ และการตรวจสอบหลังการเปลี่ยนแปลงไว้ในกระบวนการ