以行為為中心的
Threat Intelligence
一款技術引擎，能將檔案痕跡與行為訊號轉化為可執行的情報，適用於雲端、混合式及物理隔離環境。
- 高保真 IOC
- 相似度與相關性
- 支援離線使用
OPSWAT 獲得以下機構的信賴
50B+
全球威脅指標
Sandbox
行為指標
MISP 與 STIX
匯出
威脅情報共享與
自動化
基於機器學習的
相似性搜尋
線下聲譽方案
支援 SIEM 與 SOAR
MITRE 映射的偵測情境
僅憑聲譽是不夠的
企業每天處理數以千計的檔案、電子郵件及資料傳輸。若缺乏深入的檢查與政策
執行，敏感資訊便可能在未被察覺的情況下外洩，進而造成嚴重的合規與安全風險。
噪音太多，背景資訊太少
僅基於聲譽的資訊流僅提供原始指標，卻缺乏行為洞察，迫使分析師必須手動在各工具間切換，才能判斷真正的風險。
多型態惡意軟體規避簽名檢測
重新編譯的變體與微小的程式碼變異能繞過基於雜湊值的偵測機制，導致跨活動與基礎架構的偵測範圍出現漏洞。
情報孤島拖慢調查進度
當沙箱結果、聲譽資料與追蹤工作流程彼此脫節時，調查過程會變得更耗時，且零日威脅的關聯性也將被忽略。
從指標到情報
一個整合式威脅情報引擎，能將全球聲譽與行為分析及基於相似度的分析相互關聯。
深厚的聲譽
系統會將檔案、URL、IP 位址及網域與全球情報來源進行比對，並將結果與行為指標相互關聯，以進行更精準的風險評估。
行為豐富化 IOC
匯入來自沙箱的執行時產出物（例如刪除的檔案、登錄檔變更、執行鏈及 C2 回呼），以提供超越簡單雜湊值的背景資訊。
機器學習威脅模式關聯分析
透過彙整各樣本間的行為與結構相似性，識別相關的惡意軟體家族、變種及攻擊活動。
相互關聯的智慧，
不僅僅是蒐集
一個多層次的情報處理流程，旨在揭示指標、行為與攻擊者基礎設施之間的關聯。
步驟一威脅聲譽引擎
根據數十億項全球指標對檔案及基礎架構資產進行評估，並即時或離線返回標準化評分與情境分類結果。
- 步驟二
行為關聯層
透過分析沙箱提取的指標（IOC）及執行時行為，以識別惡意意圖、持久化技術及攻擊者的作戰手法。
- 步驟三
威脅模式關聯與聚類
運用機器學習來偵測結構與行為上的相似性，從而揭示先前未被察覺的變體及活動間的關聯性。
超越指標的智慧
結合全球聲譽資料、行為指標 (IOC) 及相似性搜尋，以揭露未知威脅、縮短調查時間並提升偵測準確度。
Sandbox
情報
透過從動態分析中提取的行為指標（IOC）來強化聲譽檢查，相較於僅依賴聲譽情報的平台，能提升偵測精準度。
變異體檢測
大規模的
相似性搜尋能偵測經過修改及具有多型態的惡意軟體，從而減少攻擊者在輪替雜湊值或基礎設施時所造成的偵測盲點。
支援自動化的
資料豐富化
透過 REST API、MISP、STIX 和 JSON 進行結構化匯出，可讓 SIEM 與 SOAR 快速整合，同時將工程開銷降至最低。
親眼見證情報關聯分析的實際運作
探索行為指標（IOC）、聲譽評分及相似度搜尋如何揭示隱藏的活動關聯性。
行為智能與僅基於聲譽的資訊源
傳統的威脅情報平台主要依賴已知的雜湊值、IP 位址和網域。雖然這些指標很有用，但攻擊者很容易就能進行輪替。
此智慧引擎會將執行流程、持久化方法、配置模式及基礎架構重用等行為跡象相互關聯。這種轉變將偵測能力提升至攻擊者運作層級的更高層，使攻擊者規避偵測的代價更高，且更易被察覺。
其結果是，這種智慧系統能夠偵測跨活動的關聯性，而非僅關注孤立的元素。
在您的資安運作之處部署智慧技術
利用雲端 API、混合式資料增強技術或離線智慧分析套件，將威脅背景資訊提供給 SIEM、SOAR 及威脅獵捕工作流程。
混合部署
Cloud 與本地分析。支援企業安全營運中心（SOC）及技術資訊與程序（TIP）工作流程。
物理隔離支援
離線聲譽管理方案。受監管環境中的情報連續性。
Cloud智慧
即時API 。持續更新的全球資料集。
全球領先企業的信賴
全球超過 2,000 家組織OPSWAT 保護其關鍵資料、資產及網路
免受來自裝置及檔案的威脅。
- 透過OPSWAT Multiscanning Adaptive Sandbox OPSWAT該銀行在不影響關鍵工作流程的前提下，強化了其網路安全架構。這些技術的無縫整合不僅提升了威脅偵測能力、優化行為分析流程，更確保了對嚴格金融安全法規的全面遵循。
資源
產品型錄MetaDefender Threat Intelligence 資料表
- 報告
SANS偵測與應變調查
- 報告
2025OPSWAT 威脅趨勢報告
解決方案簡述MetaDefender 威脅情資
