Produkter

Vilka är LogPoints viktigaste partners?

LogPoint har ett antal strategiska partnerskap inom teknik med företag såsom VERINT, Cyberark, Onapsis, AgileSI, Dflabs, TrendMicro, LogBinder, Nxlog och Recorded Future

Mer information: https://www.logpoint.com/en/partners/strategic-partners/

Är LogPoint EAL (Common Criteria) certifierad?

Ja. LogPoint innehar en EAL 3+certification, som är den högsta certifieringsnivån av alla leverantörer i SIEM-branschen.

Mer information: https://www.logpoint.com/en/product/eal3-certified/

Vilka är de genomsnittliga serverkraven för en medelstor LogPoint-distribution?

För en LogPoint-distribution i mellanklassen så skulle vi först utreda de existerande loggkällorna och deras lagringsplats, självfallet i nära samarbete med organisationen i fråga för att bättre förstå arkitekturen innan distribution initieras. En allt-i-ett-apparat (virtuell eller fysisk) skulle sättas in centralt, med följande specifikationer:

24 CPU-kärnor, 256 GB RAM, 8 TB Lagring

Ytterligare samlar-/backendmoduler skulle sedan distribueras på viktiga platser med följande specifikationer

14 CPU-kärnor, 32 GB RAM, 2 TB Lagring

Rådfråga alltid en LogPoint-partner innan du slutför distributionsstorleken

Hur förvärvas/intas data i LogPoint?

LogPoint erbjuder kunderna möjligheten att distribuera insamlingsinstanser för olika delar av nätverket. Dessa insamlingsinstanser analyserar, normaliserar, berikar, filtrerar, omdirigerar, komprimerar och buffrar händelsedata. Insamlingsinstanserna erbjuder en full och hög tillgänglighet via redundans och belastningsbalansering genom flera olika backend. LogPoint-insamlingsinstanserna skalas till mer än 50 000 EPS och betraktas allmänt som marknadens högsta insamlingsarkitektur för dataflöde.

Hur ser utvecklingsprogrammet för LogPoint ut?

På LogPoint så använder vi oss av öppna innovationsmetoder i nära samarbete med kunder och partners. Vi arbetar även i nära samarbete med olika forskningsinstitut och universitet för att utforska områden inom Stor data, IoT och Maskininlärning. Fokusområdet för forskningen kretsar kring de olika utmaningar gällande säkerhet och effektiv datahantering som vi fått möjligheten att observera för branschen i fråga. Några av dessa är beteendeanalys och oövervakad inlärning, sök- och frågeoptimering, latent ämnesmodellering, intelligent dataparsning, expertsystem för incidenthantering, profileringsbaserad avvikelsedetektion etc