1.1億+
全球用戶
40萬+
企業用戶
Xopero - 備份和恢復
在現場或雲中全面保護，備份和恢復業務數據。 將端點覆蓋到Microsoft Exchange到虛擬環境。 從中得到：
完整保護關鍵文件
控制所有備份
易於使用且節省成本
遠程管理
可靠的雲備份
Xopero Cloud Business是PC，服務器和虛擬環境的高級備份。 它可以保護和靈活存儲無限制的計算機，移動設備，數據庫以及物理和虛擬環境。 安裝後，它將成為保護關鍵文件的完整解決方案，允許您的組織管理備份流程並監控和驗證其準確性。
災難恢復
您在組織現有IT基礎架構上安裝的全面，一體化軟體備份和數據恢復。 快速安裝和部署過程。 簡單易用的管理。 您可以管理備份，監控其準確性，並在一個地方進行所有必要的帳戶配置 - 如果您願意，可以遠程管理。
專為QNAP NAS服務器而設計
專用於QNAP網絡驅動器的集中管理完整備份解決方案通過提供安全的備份環境來保護關鍵文件，以便專業保護您組織的所有業務數據。
2017年起選用
ESET安全方案
終端設備裝機數量
超過9,000台
2016年起選用
ESET安全方案
超過4,000個郵箱
2016年起選用
ESET安全方案
終端設備裝機數量
超過14,000台
2008年起成為
網絡運營商安
全合作夥伴
擁有兩百萬用戶
Xopero 與眾不同之處
Xopero雲業務
備份多個設備 - 服務器，端點，移動設備和虛擬系統。 簡單，快速，無縫的數據遷移。 集中管理，可讓您控制所有備份任務。 AES 256加密保證未經許可，任何人都無法訪問您組織的數據。 高級，安全的數據同步。 使用雙胞胎位置進行長期數據存儲和歸檔。
Xopero QNAP設備
易於配置和使用。 可以在幾分鐘內安裝。 遠程管理備份，監控其準確性並配置工作站和服務器上安裝的所有帳戶和應用程序。 確保即時恢復組織的關鍵數據。 備份和還原文件，文件夾，端點，服務器，數據庫，郵件帳戶，網絡位置和虛擬環境。 結合安全數據存儲，自動備份和集中管理。
Xopero備份和還原
保護無限制的端點，服務器和虛擬機。 使用您組織的現有基礎架構節省資金。 實施安全的AES加密和SSL傳輸，以保護您組織的數據。
Comprehensive solution capabilities
- 端點，服務器，移動和虛擬機備份
- 備份數據庫，郵箱和網絡驅動器
- MS Exchange備份。 系統狀態備份
- VHD和HDD映像備份
- 現場和場外備份。 災難恢復
- 虛擬和物理環境的所有類型的複制：P2P，P2V，V2V和V2P
- 裸機還原。 LAN / WAN備份
需要更全面的安全防護嗎？
添加數據訪問保護
ESET Identity & Data Protection
- 雙重認證
- 端點加密
相關中小企業解決方案
ESET Endpoint Protection Advanced Cloud
- 雲管理員
- 端點安全
- 文件服務器安全
ESET Secure Business
- 安全管理中心
- 端點安全
- 文件服務器安全
- 郵件安全
Stay on top of cybersecurity news
Brought to you by awarded and recognized security researchers from ESET's 13 global R&D centers.
Corporate blog
Scanning, updates and notifications are some of the necessary features of security solutions that can negatively affect your gaming experience. Thanks to ESET’s Gamer Mode, none of these problems will...
October is European Cyber Security Month (ECSM), a time to focus on raising awareness of cybersecurity threats and educating people on how to protect themselves online. The first theme for this year’s...
We Live Security blog
The ESET survey polled 4,000 people to get a sense of their attitudes towards the privacy and security implications of smart home technology
ESET experts describe how they trained a machine-learning model to recognize a handful of unwanted UEFI components within a flood of millions of harmless samples