Palo Alto Cortex XSOAR 6.13 for Linux - 安全编排、自动化和响应 (SOAR) 平台

news/2025/2/11 8:01:06/文章来源:https://www.cnblogs.com/sysin/p/18706258

Palo Alto Cortex XSOAR 6.13 for Linux - 安全编排、自动化和响应 (SOAR) 平台

Security Orchestration, Automation and Response (SOAR) platform

请访问原文链接:https://sysin.org/blog/cortex-xsoar-6/ 查看最新版。原创作品,转载请保留出处。

作者主页:sysin.org


Palo Alto Logo

重新定义安全编排和自动化
Cortex XSOAR 是一种综合安全编排、自动化和响应 (SOAR) 平台,能够统一案例管理、 自动化、实时协作和威胁情报管理,在整个事件生命周期内为安全团队提供支持。

who-use-it

SOAR 平台的主要新功能

安全编排
快速大规模地响应事件

  • 集成了数百种产品
  • 数千个自动化操作
  • 直观的剧本编辑器

案例管理
获取、搜索和查询所有安全警报

  • 自定义事件布局
  • 自动记录
  • 仪表盘和报告

协作与学习
通过协同工作 (sysin),提高调查质量

  • 虚拟战情室
  • 调查界面
  • 机器学习

威胁情报管理
分析、管理威胁情报并据其采取措施

  • 威胁来源汇总
  • 细化指标视图
  • 情报共享与响应

Cortex XSOAR 的工作原理

Cortex XSOAR 从检测源(例如,安全信息和事件管理 (SIEM) 解决方案、网络安全工具、威胁情报源和邮箱)获取汇总的警报和威胁指标 (IOC),然后执行基于流程的自动化剧本以实现丰富并响应事件 (sysin)。这些剧本跨技术、安全团队和外部用户进行协调,以集中可视化和处理数据。

how-to-work

安全运营中心

通过 Palo Alto Networks 的虚拟 SOC 之旅,深入了解安全运营。单击每个感兴趣的点,了解我们如何防止针对自己企业的网络攻击。

位于 Palo Alto Networks 的安全运营中心 (SOC) 的任务是保护我们在全球的 1 万名员工和不断扩展的 5 万个端点组成的网络。我们的 SOC 还监控我们的数据中心和全球 7.5 万个客户使用的安全服务。了解他们如何利用自动化,通过一个由 SOC 分析师组成的精干内部团队提供这些服务。

新增功能

Cortex Xsoar 结合了安全编排,事件管理和互动调查,以实现无缝体验。编排引擎旨在自动化安全产品任务并编织人类分析师任务和工作流程。

2024 年 10 月,版本 6.13

平台

Cortex XSOAR 6.13 现在支持以下软件:

  • Oracle Linux versions 8.9 and 9.3 (for engine and server installation)
  • RHEL versions 8.10 and 9.4 (for engine and server installation)
  • Elasticsearch versions 8.11, 8.12 and 8.13
  • OpenSearch versions 2.10, 2.11, 2.12, 2.13, and 2.14

迁移

使用可简化迁移过程的内置向导,将您的所有数据、配置和设置(包括指示器和事件)从 Cortex XSOAR 6.13 本地无缝迁移到 Cortex XSOAR 8 Cloud。

Cortex XSOAR 8 旨在提供提高的性能和可靠性。现在,它基于经过改进的云本地微服务体系结构而高度可扩展。 Palo Alto Networks 管理性能和扩展,使您能够专注于调查和响应。

修复

21 个已知问题修复,限于篇幅,不在列出,详见官方文档。

系统要求

Operating Systems:

Operating System Supported Versions
Ubuntu 18.04, 20.04 (OVF), 22.04 (OVF)
RHEL 7.x, 8.x, 9.0-9.3
Oracle Linux 7.x, 8.9, 9.3
Amazon Linux 2

Hardware Requirements:

Component Dev Environment Minimum Production Minimum
CPU 8 CPU cores 16 CPU cores
Memory 16GB RAM 32GB RAM
Storage 500GB SSD 1TB SSD with minimum 3k dedicated IOPS

下载地址

历史版本:

  • Palo Alto Networks Cortex XSOAR 6.10 for Linux, 2022-12
  • Palo Alto Networks Cortex XSOAR 6.11 for Linux, 2023-04

Palo Alto Networks Cortex XSOAR 6.12 for Linux, 2023-09

  • 下载地址:https://sysin.org/blog/cortex-xsoar-6/

Palo Alto Networks Cortex XSOAR 6.13 for Linux, 2024-10

  • 下载地址:https://sysin.org/blog/cortex-xsoar-6/

更多:HTTP 协议与安全

本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处:http://www.hqwc.cn/news/881950.html

如若内容造成侵权/违法违规/事实不符,请联系编程知识网进行投诉反馈email:809451989@qq.com,一经查实,立即删除!

相关文章

2025年01月总结及随笔之年前撞车

2025年01月总结及随笔之年前撞车1. 回头看 日更坚持了762天。读《数据保护:工作负载的可恢复性》更新完成 读《量子霸权》开更并更新完成 读《算法简史:从美索不达米亚到人工智能时代》开更并持续更新2023年至2025年01月底累计码字1936092字,累计日均码字2540字。 2025年01月…

[网络] 跨域问题及解决方案

同源策略及跨域问题 同源策略是一套浏览器安全机制,当一个源的文档和脚本,与另一个源的资源进行通信时,同源策略就会对这个通信做出不同程度的限制。 简单来说,同源策略对 同源资源 放行,对 异源资源 限制 因此限制造成的开发问题,称之为跨域(异源)问题 同源和异源 源(…

macos安装三方windows

mac需时intel芯 m芯片貌似不支持windows系统,甚至虚拟机的方式都支持不友好 准备好鼠标 因为在windows安装界面或第一次打开的系统时,此时时没有注入驱动的,macbook笔记本自带的键盘触摸板将都不可用! 格式必须是iso 如果你下载到的三方windows系统是esd 或者其他格式,则必…

[大模型/AI/GPT] Chatbox:大模型可视化终端应用

序 概述:Chatbox AIChatbox AI 是一款 AI 客户端应用和智能助手,支持众多先进的 AI 模型和 API,可在 Windows、MacOS、Android、iOS、Linux 和网页版上使用。User-friendly Desktop Client App for AI Models/LLMs (GPT, Claude, Gemini, Ollama...)https://github.com/Bin-…

【AI安全】大模型越狱探索

本文皆在探讨大模型越狱攻击手法,能实操落地非学术化的,所有案例用于技术分享交流,在后文中尽量会用最精简的语言来讲解 开篇点题:越狱追溯于早期 IOS,用户为了突破设备的封闭生态系统,自由操作自己的IOS,不被限制,而在大模型中,越狱同理,规避大模型的限制,执行那些…

【洛谷P1229】遍历问题

这道题好巧 遍历问题 题目描述 我们都很熟悉二叉树的前序、中序、后序遍历,在数据结构中常提出这样的问题:已知一棵二叉树的前序和中序遍历,求它的后序遍历,相应的,已知一棵二叉树的后序遍历和中序遍历序列你也能求出它的前序遍历。然而给定一棵二叉树的前序和后序遍历,你…

第二课 经济金融案例实战

目录导入数据并观察合并数据提取出标签并对标签进行处理合并训练集和测试集变量转化正确化变量属性对分类型特征进行独热编码填写数值型特征的缺失值标准化数值型特征建立模型分出训练集和测试集集成提交结果 导入数据并观察 合并数据这里可能有个问题。我们说不要让模型提前见…

STM32学习笔记【电赛历险记嵌入式学习心得】

关于STM32F103C8T6的学习笔记,除基础介绍外,包含标准库与HAL库,涉及蓝牙、电机、超声波、红外等模块,涉及GPIO、中断、定时器、IC输入捕获、ADC、DMA等基础模块,含有CubeMX学习,C语言预编译知识,含有推荐学习项目链接。前言 此篇随笔是博主在打电赛(全国大学生电子设计…

【K8S安全】浅析K8S各种未授权攻击方法

免责声明: 本篇文章仅用于技术交流,请勿利用文章内的相关技术从事非法测试,由于传播、利用本文所提供的信息而造成的任何直接或者间接的后果及损失,均由使用者本人负责,本文作者不为此承担任何责任,一旦造成后果请自行承担!如有侵权烦请告知,我们会立即删除并致歉。谢谢…

卷积神经网络(1)初步了解

先介绍一个简单的例子 要手动实现一个简单的卷积神经网络(CNN)来判断手写数字(1-10),我们可以使用 Python 和 TensorFlow(或其他深度学习框架)。以下是一个简单的实现思路,其中包含了手动构建卷积层、池化层、全连接层等。 假设你已经有了手写数字数据集,比如 MNIST 数…

RocketMQ实战—9.营销系统代码初版

大纲 1.基于条件和画像筛选用户的业务分析和实现 2.全量用户促销活动数据模型分析以及创建操作 3.Producer和Consumer的工程代码实现 4.基于抽象工厂模式的消息推送实现 5.全量用户促销活动消息推送的流程和缺陷分析 6.全量用户促销活动推送引入MQ进行削峰 7.全量用户发优惠券业…

Qwen2.5 Max:最有可能是DeepSeek R1的平替

新年还没过,推理大模型就开始了卷了,除夕当天Qwen就发布了重磅的Qwen2.5 Max推理模型,一、Qwen2.5 Max2025年1月28日,qwen团队发布了Qwen2.5 Max,总体来说,还是很不错的。下面是摘抄他们发表的信息:We evaluate Qwen2.5-Max alongside leading models, whether propriet…