軟件資產清點
自動清點終端軟件資產，集中掌握安裝與分佈情況
識別軟件風險，從摸清資產開始
從軟件資產清點到風險核查，集中掌握終端安裝情況、應用類型與軟件特徵，結合授權資訊判斷風險，為後續終端管控提供依據。
- 資產
- 自動識別與清點
- 檢測
- 匹配盜版特徵
- 處置
- 執行管控策略
人工排查
Ping64 自動檢測
從風險發現，到終端管控
從軟件資產清點、盜版特徵識別，到運行限制、遙距卸載與網絡管控，串聯軟件風險發現和處置。
盜版特徵識別
比對軟件特徵，定位待核查應用
.svg)
禁止盜版軟件運行
按軟件特徵設定策略，限制風險應用執行
軟件遙距卸載
遙距批量移除，集中處置風險軟件
禁止網絡通訊
控制軟件網絡權限，阻斷風險應用通訊
降低盜版軟件帶來的多重風險
將軟件合規納入日常終端管理，關注安全、業務連續性與軟件使用風險。
法律風險
未經授權的軟件使用可能引發知識產權糾紛與賠償。安裝數量、版本與授權不符，也會增加合規核查和整改成本。
病毒風險
來源不明的安裝套件與破解修補程式可能夾帶惡意程式或後門。一旦執行，可能危及終端檔案、業務帳戶與企業資料。
敏感數據外洩
被竄改的軟件可能讀取本機檔案、瀏覽器憑證與業務資料。隱蔽的對外連線還可能造成敏感資訊外洩，擴大影響範圍。
業務連續性受損
授權失效、軟件停用或相容性問題可能中斷日常工作。關鍵崗位無法正常使用應用程式，會拖慢團隊協作及業務交付。
授權與採購失配
採購數量、實際安裝數量與授權範圍脫節，可能造成重複購買或授權缺口。定期核對軟件清單，有助於減少預算浪費。
整改責任難以追溯
缺少安裝紀錄、使用歸屬與處置紀錄，風險發生後難以明確責任。關聯終端和部門，有助於持續跟進整改與覆核。
持續更新的軟件特徵分析
基於機器學習與沙箱體系提取樣本行為，訓練軟件特徵分析模型，為終端軟件風險識別提供支援。
樣本採集
以軟件樣本為分析基礎，關注不同版本與來源的差異，為後續行為分析提供輸入。
沙箱分析
在沙箱環境中觀察樣本行為，為識別軟件特徵提供分析依據。
特徵提取
從樣本行為中提取可用於識別的特徵，讓風險核查不只依賴軟件名稱。
模型更新
結合樣本分析與機器學習持續訓練特徵模型，支援軟件版本與行為變化的識別。
終端識別
將軟件特徵分析用於終端風險識別，檢測結果結合授權資料核查，為後續管理提供依據。
