自從進階持續威脅（APT）橫行，有不少專家提出防毒軟體無用論，認為著重在特徵碼比對的防毒產品成效不彰，於是，在企業資安市場上，出現多種主打「事中察覺」與「事後清理、阻斷、復原」解決方案，例如，進階威脅防護系統（ATP）、使用者行為分析系統（UBA）／使用者與實體行為分析系統（UEBA），以及針對威脅進行偵測與應變的端點防護方案（EDR）、網路防護方案（NDR）、橫跨多種防護的方案（XDR）。
僅有少數廠商仍然持續強調事前預防仍大有可為，因為建立「預想被駭（Assumed Breach）」的思維固然重要，但資安預防不能因此偏廢，目前有哪些廠商積極向市場推廣這項主張？老牌資安公司Check Point正是其中一家，他們長期宣傳「預防優先（Prevention-First）策略的必要，近年來，我們看到還有另一家同樣出身以色列的資安新創公司Deep Instinct，他們也強調預防優先，宣揚資安預防是可行的，表明旗下產品提供即時預防已知與未知惡意威脅，以及詮釋這些危機的能力，海威資訊已將這個品牌引進臺灣。
實施快速、精準資安預防，去年擴增與整合AI資安解釋引擎
關於資安解決方案的成效，Deep Instinct表示，他們運用專屬的深度學習資安框架，能夠在20毫秒內精準阻止惡意軟體的侵入，相較於目前加密資料動作最快的勒索軟體，資安預防速度可達到750倍，可及早攔阻多種元件的部署，像是負責植入或遞送惡意軟體酬載的木馬（Dropper）、維持惡意軟體存在與運作的組件（Artifact）、繞過正常身分驗程序而非法存取系統的後門程式（backdoor）等。
2022年下半之後，Deep Instinct也經常引用另一家資安公司Unit 221B的產品評估報告，標榜自家產品的準確率號稱超過99％（99.78％），誤判率低於0.1％。
到了2024年5月，Deep Instinct發表首款基於生成式AI技術而成的資安助手DIANNA，全名為Deep Instinct’s Artificial Neural Network Assistant，提供解釋未知資安威脅的能力，可透過專家級的惡意軟體分析機制，強化既有的資安解決方案。
基本上，這當中運用大型語言模型的技術，形成虛擬的AI惡意軟體分析團隊，以及事故應變專家群，能夠產生所有攻擊行為的深層分析完整敘述，揭露敵方使用的伎倆與檔案的行為，可促使資安團隊理解網路威脅的運作方式，並在資料外洩之前得以進行緩解作業。
Deep Instinct認為，配備DIANNA之後，可結合大量資安專家的集體知識、將這些資訊嵌入大型語言模型，針對未知的指令碼、文件、原始的雙位元檔案、捷徑檔，以及其他可用來傳遞網路威脅的檔案，提供深層的惡意軟體洞察分析能力，並且經由靜態分析的方式，相當精確地找出裡面是否存在已知或未知的為非作歹意圖，並以清楚、容易理解的形式產生報告內容。DIANNA能夠解譯採用多種程式語言寫成的雙位元程式碼與指令碼，分析內容之餘，也理解當中的意圖與潛藏的動作，並解讀程式碼設計的目的，藉此判斷是否有惡意，以及如何衝擊系統的正常運作，最終整理成為以自然語言表達的分析報告。
同時，DIANNA不只是列出分類結果，還能使資安團隊在充分知情的狀態下，制定正確的決策、有效率地排定網路威脅處理的優先順序，自動執行許多單調的分析任務，分攤資安團隊的人力負擔，提升資安維運中心（SOC）的績效，而且，因為能藉此降低誤判浪費的時間，企業與組織對於網路威脅事故的平均修復時間（MTTR）也隨之減少，進而改善資安服務與工作的滿意度。
相較於傳統採用機器學習的AI工具，Deep Instinct也點出目前的技術瓶頸，突顯自家產品優勢。例如，通常針對既有的事件記錄與網路信譽引擎，進行類似人工操作的資料摘要處理，此種作法先天上無法因應未知攻擊、提供判定當中具有惡意的洞察分析，而且只能根據有限的前後文脈絡產生回溯分析。
對比市面上其他的資安AI對話機器人應用，在原本需仰賴深層網路威脅專業知識的惡意軟體分析工作上，Deep Instinct強調DIANNA這套威脅解釋引擎可大幅壓縮作業時間，幾秒鐘就能產生全方位的資安威脅態勢解讀報告，而且有能力分析未知資安威脅，判斷指令碼、文件、雙位元檔案是否具有惡意。
採用專屬深度學習資安框架，一套技術通吃四大IT環境的資安預防
在2024年11月之後，Deep Instinct將旗下的多種資安解決方案，從原本掛上的品牌Prevention換成Data Security X（DSX），簡而言之，目前可涵蓋端點、應用程式、NAS，以及雲端服務這四大環境。
舉例來說，發展時間最久、也是代理商海威資訊主打的資安解決方案，是端點防護平臺（EPP）類型的產品，先前稱為Deep Instinct for Endpoint或Deep Instinct Prevention for Endpoint（DPE），原廠網站現在統一稱為DSX for Endpoint，但上述名稱還是會使用。
關於專攻應用程式防護的產品，是2022年8月推出的Deep Instinct Prevention for Applications（DPA），現稱為Deep Instinct DSX for Applications，該公司區分為DSX for Applications – Middleware、DSX for Applications – Secure File Transfer。
針對儲存系統提供防護的產品，是2023年10月推出Deep Instinct Prevention for Storage（DPS），原本涵蓋DPS for Network Attached Storage，以及DPS for Cloud Storage，前者現稱為Deep Instinct DSX for NAS，細分為DSX for NAS – Dell EMC，以及Deep Instinct DSX for NAS – NetApp。
至於為雲端服務提供防護的產品，是2024年11月推出Deep Instinct DSX for Cloud，該公司目前提供DSX for Cloud – Amazon S3，以及DSX for Cloud – Amazon FSx NetApp。
無論保護何種環境，Deep Instinct DSX都有共通的架構，是由不同角色組成，包含：部署於端點電腦的個人端程式（D-Client）或設置在儲存設備、雲端服務的代理程式、掃描器，管理伺服器／管理主控臺（D-Appliance）、深度學習網路實驗室與類神經網路（DSX Brain），以及信譽查詢服務（D-Cloud）。
值得注意的是，Deep Instinct的解決方案不僅能用於企業與組織，也支援多租戶架構的服務供應模式，因此，也能用於合作廠商、代管服務業者（MSP），以及資安服務代管業者（MSSP），這些公司可以透過單一、集中的主控臺，管理多個環境，確保所有代管的資料安全與彼此隔離。
單就端點防護解決方案的配置架構而言，Deep Instinct提供輕量的個人端軟體D-Client，當中封裝該公司提供的AI預測模型，能藉此啟動裝置端的深層靜態分析、深層行為分析，以及其他防護引擎，並且與Deep Instinct管理伺服器溝通，個人端程式能從這裡接收政策與軟體更新，以及回傳發生在此處的事件記錄。
D-Client可安裝在多種作業系統的電腦、伺服器，以及行動裝置，廣泛支援6大平臺，囊括Windows、Linux、macOS、iOS與iPadOS、Android、ChromeOS，足以媲美當前一線大廠的EPP、EDR，甚至超越（不少廠商的產品尚未支援行動裝置作業系統）。
管理伺服器的部分，Deep Instinct表示，D-Appliance會設置在雲端服務，提供集中管理與監控機制，系統管理人員能透過圖表形式快速查看資安事件的狀態，也能在此設定企業資安政策。
而在核心防護技術的部分，源於該公司發展的深度學習網路，稱為Deep Instinct Neural Network，座落在他們設置的實驗室Deep Instinct labs，能持續學習與反映不斷進化的資安威脅態勢，並非仰賴手動進行特徵工程、擷取向量等作業方式進行，而且，隨著訓練資料集的規模逐漸成長，這個神經網路可以越來越聰明。
接著，Deep Instinct會將這個不斷執行深度學習的流程輸出為輕量的AI預測模型D-Brain，後續這套根據數億個檔案樣本訓練而成的模型，也會部署到所有列管的D-Client裝置。
基本上，若用於端點防護，D-Brain會安裝在D-Client軟體；若用於應用程式防護，D-Brain會安裝在容器化應用程式。在這樣的架構當中，AI預測模型可針對各種裝置，提供網路威脅自動偵測與與預防能力，實施零時差漏洞濫用與進階持續性威脅（APT）的防護。
提供持續的資安防護、抵禦未知資安威脅的漏洞濫用之餘，Deep Instinct強調，DSX Brain的更新每年僅需一到兩次，就能維持資安預防效率，即使是半年前發布的DSX Brain仍能阻擋已知、未知，以及濫用漏洞的資安威脅，無須頻繁執行更新模型的作業，相關的服務管理成本也能因此降低。
至於信譽查詢服務，這是個選用功能，可提供額外的防護能力。Deep Instinct藉此提供基於檔案而成的信譽判定引擎，本身是數十億個檔案組成的資料庫，是從多種資料來源收集而來，之後標定為不同的判斷與類別。他們表示，運用此處儲存的已知檔案資訊，能對檔案進行重新分類的作業程序，正確的判定結果也會即時更新。
提供多層次的防護架構
除了搭配AI深度學習訓練的AI模型，以及結合代理程式、管理伺服器的產品運作架構，Deep Instinct最終呈現在用戶面前的資安預防能力，也是涵蓋多種層次。
如同資安威脅的處理，可區分事前、事中、事後等三個階段，Deep Instinct提供的防護能力，也分為執行前（Pre-Execution）、執行中（On-Execution）、執行後（Post-Execution），他們提供靜態分析引擎、行為分析引擎與指令碼引擎、可疑活動引擎，各自抵禦三種當前最常面臨的資安威脅：透過檔案傳遞的攻擊活動（File-based Attacks）、無檔案類型的攻擊活動（Fileless Attacks）、可疑的攻擊活動。
而在這四大資安引擎當中，靜態分析引擎其實就是Deep Instinct發展的深度學習引擎，用於執行前的資安預防處理，包含靜態分析模組與啟發分析模組，能夠執行深層掃描的檔案類型至少有21種，涵蓋常見與各國專屬的文件（PDF、Office、RTF、JTD、HWP），巨集（Macro），壓縮與軟體封裝檔（JAR、APK），二進位執行檔（PE、ELF、Mach-O），捷徑檔（LNK），字型、圖形與多媒體檔（Fonts、TIFF、SWF），以及指令碼檔（JavsScript、VBScript、PowerShell、巨集、HTA、rundll32），可預防已知與未知惡意軟體，像是勒索軟體、零時差漏洞濫用攻擊，以及基於檔案與指令碼的攻擊行為。
另一條居中的防線，也就是執行中的資安預防機制，Deep Instinct提供動態與行為分析，包含兩種防護引擎，一是運用微軟防惡意軟體掃描介面（AMSI）的行為分析引擎，能夠偵測與自動因應可疑、惡意的指令碼，另一是在記憶體層級執行啟發式掃描的指令碼引擎，兩者並用之後，能夠預防多種網路威脅，像是勒索軟體、無檔案攻擊、間諜軟體（銀行木馬、鍵盤側錄器、惡意程式載入器Dropper）、遠端程式碼注入、已知與未知的殼層程式碼（shellcode）攻擊、帳密竊取、大量帳密擷取（Credential Dumping），以及繞過AMSI偵測的手法。
在此同時，Deep Instinct可針對每一種資安威脅，提供額外的前後文脈絡，以便了解嚴重性與攻擊者發動的戰術，因此能夠列出可疑事件，方便後續進行威脅獵捕的工作，以及提供MITRE ATT&CK框架的攻擊手法對應，並且產生信譽高低的分析。
至於執行後的預防，Deep Instinct提供選用的可疑活動引擎，能透過偵測規則的自動比對與分析來判斷網路威脅，能夠依據信譽分數或控管政策，以及用戶自行匯入的允許清單，推翻原本訂定的資安決策。
而且，在這個階段的作業過程裡面，所有資安預防事件可集中至Deep Instinct的管理主控臺，整合到資安資訊與事件管理系統（SIEM），以及資安調度指揮、自動處理與應變系統（SOAR）、端點偵測與應變系統（EDR），也能透過REST API、Syslog、SMTP與其他資安解決方案協同合作。
值得注意的是，Deep Instinct DSX系列目前主打的四大防護環境，對照前幾年他們提出的Deep Instinct Prevention Platform，其實對應到的IT環境是三種類型：端點、應用系統、雲端服務或儲存系統（Deep Instinct Prevention for Storage原本包含DPS for NAS、DPS for Cloud Storage，現在則區分為DSX for NAS、DSX for Cloud），其實還有一種產品類型尚未納入，那就是網站閘道（Web Gateway）。
此類專司線上內容傳遞的系統過去只能仰賴傳統防毒降低資安風險，雖然後來市場上出現新技術，像是沙箱檢測（Sandboxing）、內容威脅解除與重組（CDR），但可能都面臨使用效率不彰、協同合作架構較複雜的挑戰，Deep Instinct過去曾提供Deep Instinct for Web Gateways，可透過ICAP協定接取，藉此進行AI靜態分析、進行資安預防處理，或許未來這類解決方案也有可能重新浮出檯面。
產品資訊
Deep Instinct Prevention for Endpoint
●原廠：Deep Instinct
●建議售價：廠商未提供
●支援作業系統：Windows（7至11，Server 2008 R2至2022）、macOS（10.12至11）、Linux（RHEL 7.9與8.0、CentOS 7.9、Ubuntu 20.04、AWS Linux 2 Kernel 4.14.x、Oracle Linux 7.9）、Android（8以上）、iOS（12以上）、ChromeOS
●支援虛擬化平臺：Amazon Workspaces、Citrix Hypervisor與XenDesktop、VMware ESX與Horizon、Microsoft Hyper-V、Oracle VirtualBox
●組成架構：部署於端點電腦或伺服器的代理程式D-Client、管理伺服器與管理主控臺、雲端信譽查詢服務D-Cloud、部署於端點電腦與容器化應用程式的預測模型D-Brain、設置於Deep Instinct labs的類神經網路Deep Instinct Neural Network
【註：規格與價格由廠商提供，因時有異動，正確資訊請洽廠商】
