详细内容或原文请订阅后点击阅览

Rapid7如何使用Amazon Sagemaker AI

2025年7月14日 16:55 33 Comments
X Twitter Instagram Mail

在这篇文章中，我们分享了Rapid7如何实施端到端自动化，以用于预测CVSS向量的ML模型的培训，验证和部署。 Rapid7客户拥有所需的信息，以准确了解其风险并确定补救措施。

来源:亚马逊云科技 _机器学习
这篇文章与Rapid7的Jimmy Cancilla所致。组织正在管理越来越多的分布式系统，这些系统涵盖了本地基础架构，云服务和边缘设备。随着系统的互连并交换数据，剥削的潜在途径乘以乘以，脆弱性管理对于管理风险至关重要。漏洞管理（VM）是识别，分类，优先和补救软件，硬件，虚拟机，物联网（IoT）设备和类似资产的安全弱点的过程。当发现新的漏洞时，组织将承受补救的压力。延迟的响应可以打开利用，数据泄露和声誉危害的大门。对于具有数千或数百万个软件资产的组织，有效的分类和优先级别的漏洞是至关重要的。为了支持这一过程，共同的漏洞评分系统（CVSS）已成为评估软件漏洞严重性的行业标准。 CVSS v3.1由事件响应和安全团队论坛发布（第一），为在多个维度上评分漏洞提供了一个结构化且可重复的框架：可利用性，影响，攻击向量等。随着新的威胁不断出现，安全团队需要标准化，接近实时数据才能有效响应。 CVSS v3.1由NIST和主要软件供应商等组织使用，以优先考虑补救工作，支持风险评估并符合标准。但是，在正式标准化脆弱性之前出现了一个关键的差距。当披露新的漏洞时，不需要供应商与披露一起包括CVSS分数。此外，诸如NIST之类的第三方组织不受特定时间表的义务或约束，以分析漏洞并分配CVSS分数。结果，通过
v3.1 标准化 近实时 分布式 可利用性 接近实时 漏洞 软件 数据 虚拟机 CVSS 团队 严重性 组织 边缘设备 供应商 管理 第三方 行业标准 可重复的 分系统 时间表 补救 延迟的 有效的 实时数据 系统的 NIST 重复的 优先 响应 共同的 关键的 补救的 重要的 脆弱性 乘以 风险评估