深度威胁检测
针对超过 25 种威胁类别(包括嵌入式恶意代码、后门及其他结构性风险),深入分析超过 35 种模型文件格式(涵盖 PyTorch、ONNX 和 TensorFlow 等),从而让模型不再是安全盲区。
针对超过 25 种威胁类别(包括嵌入式恶意代码、后门及其他结构性风险),深入分析超过 35 种模型文件格式(涵盖 PyTorch、ONNX 和 TensorFlow 等),从而让模型不再是安全盲区。
利用 Palo Alto Networks Advanced WildFire® 以及来自 Huntr Ethical Hacker Community 的见解,在数百万扫描模型中针对已知和新兴威胁来验证模型。验证结果将被记录和保留下来,以便为审计和合规工作流程提供支持。
在环境中保留专有模型和数据,同时还能获得全面的安全分析,有助于降低知识产权暴露的风险,并简化合规性。
采用以 API 优先的集成方式,将模型扫描嵌入到构建、测试和部署的工作流中,这样既能实现持续的防护和统一的执行标准,又能免去安全团队与数据科学团队之间繁琐的人工工单流转。