什么是大數(shù)據(jù)?大數(shù)據(jù)早就存在，只是一直沒有足夠的基礎(chǔ)實(shí)施和技術(shù)來對(duì)這些數(shù)據(jù)進(jìn)行有價(jià)值的挖據(jù)。隨著存儲(chǔ)成本的不斷下降、以及分析技術(shù)的不斷進(jìn)步，尤其是云計(jì)算的出現(xiàn)，不少公司已經(jīng)發(fā)現(xiàn)了大數(shù)據(jù)的巨大價(jià)值：它們能揭示其他手段所看不到的新變化趨勢，包括需求、供給和顧客習(xí)慣等等。比如，銀行可以以此對(duì)自己的客戶有更深入的了解，提供更有個(gè)性的定制化服務(wù);銀行和保險(xiǎn)公司可以發(fā)現(xiàn)詐騙和騙保;零售企業(yè)更精確探知顧客需求變化，為不同的細(xì)分客戶群體提供更有針對(duì)性的選擇;制藥企業(yè)可以以此為依據(jù)開發(fā)新藥，詳細(xì)追蹤藥物療效，并監(jiān)測潛在的副作用;安全公司則可以識(shí)別更具隱蔽性的攻擊、入侵和違規(guī)。
圖：硬盤每GB的成本變化(1980-2009年)
《華爾街日?qǐng)?bào)》將大數(shù)據(jù)時(shí)代、智能化生產(chǎn)和無線網(wǎng)絡(luò)革命稱為引領(lǐng)未來繁榮的三大技術(shù)變革。麥肯錫公司的報(bào)告指出數(shù)據(jù)是一種生產(chǎn)資料，大數(shù)據(jù)是下一個(gè)創(chuàng)新、競爭、生產(chǎn)力提高的前沿。世界經(jīng)濟(jì)論壇的報(bào)告認(rèn)定大數(shù)據(jù)為新財(cái)富，價(jià)值堪比石油。
不論從技術(shù)、還是商業(yè)角度，大數(shù)據(jù)都成為當(dāng)下絕對(duì)的熱點(diǎn)。2013年，Gartner將大數(shù)據(jù)列為未來信息架構(gòu)發(fā)展的10大趨勢之首。Gartner預(yù)測將在2011年到2016年間累計(jì)創(chuàng)造2320億美元的產(chǎn)值。
大數(shù)據(jù)的定義
如何定義大數(shù)據(jù)?《大數(shù)據(jù)的沖擊》一書將大數(shù)據(jù)通俗定義為“用現(xiàn)有的一般技術(shù)難以管理的大量數(shù)據(jù)的集合”，并廣義地定義為“一個(gè)綜合性概念，它包括因具備 3V(海量/高速/多樣，Volume / Variety/Velocity)特征而難以進(jìn)行管理的數(shù)據(jù)，對(duì)這些數(shù)據(jù)進(jìn)行存儲(chǔ)、處理、分析的技術(shù)，以及能夠通過分析這些數(shù)據(jù)獲得實(shí)用意義和觀點(diǎn)的人才和組織。”
Gartner將大數(shù)據(jù)定義為“海量、高速、多變的信息資產(chǎn)，需要對(duì)它進(jìn)行經(jīng)濟(jì)的、創(chuàng)新性的信息處理從而獲得超越以往的洞察力、決策支持能力和處理的自動(dòng)化”(high volume, velocity and/or variety information assets that demand cost-effective, innovative forms of information processing that enable enhanced insight, decision making, and process automation)。
大數(shù)據(jù)的基本特征
大數(shù)據(jù)的三個(gè)公認(rèn)的基本特點(diǎn)是3V，即海量、高速和多變。海量是指數(shù)據(jù)容量越來越大;高速表示需要處理的速度和響應(yīng)的時(shí)間越來越快，對(duì)系統(tǒng)的延時(shí)要求相當(dāng)高;多變就要處理各種各樣類型的數(shù)據(jù)，包括結(jié)構(gòu)化的、半結(jié)構(gòu)化的、甚至是非結(jié)構(gòu)化的數(shù)據(jù)。
IBM在上述三個(gè)特點(diǎn)基礎(chǔ)之上增加了一個(gè)V(Veracity)，即“真實(shí)性”、“準(zhǔn)確性”。IBM認(rèn)為只有真實(shí)而準(zhǔn)確的數(shù)據(jù)才能讓對(duì)數(shù)據(jù)的管控和治理真正有意義。
此外，業(yè)界還有人總結(jié)出其它的大數(shù)據(jù)特點(diǎn)，例如低價(jià)值密度(Value)、存活性(Viability)，等等。低價(jià)值密度是指大數(shù)據(jù)中真正有意義的信息含量比重低;存活性是指特定情況下的大數(shù)據(jù)具有很強(qiáng)的時(shí)效性。
大數(shù)據(jù)的研究概況
在IT領(lǐng)域，大數(shù)據(jù)也是最熱門的技術(shù)領(lǐng)域之一。Gartner在2012年繪制的Hype Cycle曲線展示出了當(dāng)前大數(shù)據(jù)技術(shù)欣欣向榮的一番景象。
Gartner將大數(shù)據(jù)相關(guān)技術(shù)分為三個(gè)門類，分別是大數(shù)據(jù)支撐技術(shù)、大數(shù)據(jù)應(yīng)用技術(shù)和針對(duì)新型數(shù)據(jù)進(jìn)行分析的技術(shù)。
我國工程院院士鄔賀銓將大數(shù)據(jù)技術(shù)從所面臨的挑戰(zhàn)的角度分為四個(gè)方面，分別是數(shù)據(jù)收集、數(shù)據(jù)存儲(chǔ)、數(shù)據(jù)處理和數(shù)據(jù)可視化。
微軟張亞勤將大數(shù)據(jù)劃分為三個(gè)層次，分別是數(shù)據(jù)的管理、數(shù)據(jù)的擴(kuò)充和數(shù)據(jù)的呈現(xiàn)。
IBM的Stephen Watt給出了一個(gè)大數(shù)據(jù)生態(tài)系統(tǒng)的模型，將大數(shù)據(jù)技術(shù)劃分為7個(gè)部分，包括數(shù)據(jù)產(chǎn)生、數(shù)據(jù)存儲(chǔ)、數(shù)據(jù)處理、數(shù)據(jù)分享、數(shù)據(jù)檢索、數(shù)據(jù)分析、數(shù)據(jù)可視化，如下圖：
大數(shù)據(jù)需要數(shù)據(jù)分析師
以上所有針對(duì)大數(shù)據(jù)的定義和特點(diǎn)的闡述，都缺少一個(gè)重要的大數(shù)據(jù)組成要素——數(shù)據(jù)分析師(或者稱為數(shù)據(jù)科學(xué)家，Data Scientist)。在當(dāng)前技術(shù)條件下，大數(shù)據(jù)分析的結(jié)果要想獲得最大程度的價(jià)值發(fā)揮需要借助專業(yè)的數(shù)據(jù)分析人員。
Natahn Yau首先提出“數(shù)據(jù)科學(xué)家就是能夠從大型數(shù)據(jù)集中析取出數(shù)據(jù)，并提供某些可供非數(shù)據(jù)專家使用的東西的人”。《福布斯》雜志認(rèn)為“數(shù)據(jù)科學(xué)家就是采用科學(xué)方法、運(yùn)用數(shù)據(jù)挖掘工具尋找新的數(shù)據(jù)洞察的工程師”。《哈佛商業(yè)評(píng)論》將數(shù)據(jù)科學(xué)家列為二十一世紀(jì)最性感的職業(yè)。
這表明，大數(shù)據(jù)技術(shù)要發(fā)揮作用仍然需要人的參與，并且是專業(yè)的數(shù)據(jù)分析師的參與。
大數(shù)據(jù)安全分析
大數(shù)據(jù)分析的定義
大數(shù)據(jù)技術(shù)的核心就是大數(shù)據(jù)分析(Big Data Analysis)。一般地，人們將大數(shù)據(jù)分析定義為一組能夠高效存儲(chǔ)和處理海量數(shù)據(jù)、并有效達(dá)成多種分析目標(biāo)的工具及技術(shù)的集合。
Gartner 將大數(shù)據(jù)分析定義為追求顯露模式檢測和發(fā)散模式檢測，以及強(qiáng)化對(duì)過去未連接資產(chǎn)的使用的實(shí)踐和方法(the practices and technology used to pursue emerging and divergent pattern detection as well as enhance the use of previously disconnected information assets)，意即一套針對(duì)大數(shù)據(jù)進(jìn)行知識(shí)發(fā)現(xiàn)的方法。
通俗地講，大數(shù)據(jù)分析技術(shù)就是大數(shù)據(jù)的收集、存儲(chǔ)、分析和可視化的技術(shù)，是一套能夠解決大數(shù)據(jù)的4V(海量、高速、多變、低密度)問題，分析出高價(jià)值的信息的工具集合。
大數(shù)據(jù)分析的基本技術(shù)支撐
從技術(shù)支撐架構(gòu)的角度來看，大數(shù)據(jù)分析是一個(gè)軟件技術(shù)框架(Framework)，主要包括以下能力：
1) 能夠處理特別巨大的數(shù)據(jù)集(Volume)
2) 提供極快的數(shù)據(jù)插入操作(Velocity)
3) 能夠操作多種數(shù)據(jù)類型(Variety)
4) 要支持實(shí)時(shí)數(shù)據(jù)分析和歷史數(shù)據(jù)分析
5) 提供多種數(shù)據(jù)分析方法/模型
6) 使用分布式并行處理機(jī)制(Volume & Velocity)
其中，大數(shù)據(jù)分析基本的特征就是這個(gè)軟件技術(shù)框架應(yīng)該具有一個(gè)分布式開發(fā)框架。這個(gè)分布式開發(fā)框架可以是開源的Hadoop，或者其它具有相似分布式并行計(jì)算能力的框架，能夠?qū)崿F(xiàn)Map/Reduce計(jì)算，能夠?qū)崿F(xiàn)分布式計(jì)算節(jié)點(diǎn)的統(tǒng)一調(diào)度和彈性部署。基于這個(gè)分布式開發(fā)框架，實(shí)現(xiàn)海量數(shù)據(jù)的分布式采集、分布式存儲(chǔ)、分布式分析計(jì)算。
大數(shù)據(jù)分析的另一個(gè)技術(shù)支撐是海量數(shù)據(jù)的存儲(chǔ)技術(shù)。面對(duì)海量的數(shù)據(jù)，傳統(tǒng)的關(guān)系型數(shù)據(jù)庫已然無法滿足需要，需要進(jìn)行改進(jìn)或者革新。大數(shù)據(jù)分析系統(tǒng)的軟件技術(shù)框架必然會(huì)使用某種分布式數(shù)據(jù)庫技術(shù)或者NoSQL(非關(guān)系型數(shù)據(jù)庫)技術(shù)。
此外，一個(gè)實(shí)用的大數(shù)據(jù)分析系統(tǒng)一般都要同時(shí)具備實(shí)時(shí)數(shù)據(jù)分析與歷史數(shù)據(jù)分析能力。要獲得歷史數(shù)據(jù)分析能力，通常就是借助分布式開發(fā)框架的 Map/Reduce批處理計(jì)算來實(shí)現(xiàn)。當(dāng)然，有的大數(shù)據(jù)歷史分析系統(tǒng)還具備交互式計(jì)算能力(例如Google Dremel)，實(shí)現(xiàn)快速查詢。而要獲得實(shí)時(shí)數(shù)據(jù)分析能力，分布式開發(fā)框架及其Map/Reduce計(jì)算模型就顯得力不從心了。這時(shí)候需要一個(gè)實(shí)時(shí)的流數(shù)據(jù)處理引擎，通常是采用CEP(Complex Event Processing，復(fù)雜事件處理)或者ESP(Event Stream Processing，事件流處理)技術(shù)的流數(shù)據(jù)處理引擎。
綜上所述，從開發(fā)者的角度來看，大數(shù)據(jù)分析的底層技術(shù)支撐包括三個(gè)：
1) 分布式計(jì)算框架(例如Hadoop，或者其他具有Map/Reduce機(jī)制的計(jì)算框架)
2) 分布式存儲(chǔ)機(jī)制(例如分布式數(shù)據(jù)庫、HDFS、NoSQL)
3) 流式計(jì)算框架(例如CEP、ESP)
從大數(shù)據(jù)分析到大數(shù)據(jù)安全分析
當(dāng)前網(wǎng)絡(luò)與信息安全領(lǐng)域，正在面臨多種挑戰(zhàn)。一方面，企業(yè)和組織安全體系架構(gòu)日趨復(fù)雜，各種類型的安全數(shù)據(jù)越來越多，傳統(tǒng)的分析能力明顯力不從心;另一方面，新型威脅的興起，內(nèi)控與合規(guī)的深入，傳統(tǒng)的分析方法存在諸多缺陷，越來越需要分析更多的安全信息、并且要更加快速的做出判定和響應(yīng)。信息安全也面臨大數(shù)據(jù)帶來的挑戰(zhàn)。
安全數(shù)據(jù)的大數(shù)據(jù)化主要體現(xiàn)在以下三個(gè)方面：
1) 數(shù)據(jù)量越來越大：網(wǎng)絡(luò)已經(jīng)從千兆邁向了萬兆，網(wǎng)絡(luò)安全設(shè)備要分析的數(shù)據(jù)包數(shù)據(jù)量急劇上升。同時(shí)，隨著NGFW的出現(xiàn)，安全網(wǎng)關(guān)要進(jìn)行應(yīng)用層協(xié)議的分析，分析的數(shù)據(jù)量更是大增。與此同時(shí)，隨著安全防御的縱深化，安全監(jiān)測的內(nèi)容不斷細(xì)化，除了傳統(tǒng)的攻擊監(jiān)測，還出現(xiàn)了合規(guī)監(jiān)測、應(yīng)用監(jiān)測、用戶行為監(jiān)測、性能檢測、事務(wù)監(jiān)測，等等，這些都意味著要監(jiān)測和分析比以往更多的數(shù)據(jù)。此外，隨著APT等新型威脅的興起，全包捕獲技術(shù)逐步應(yīng)用，海量數(shù)據(jù)處理問題也日益凸顯。
2) 速度越來越快：對(duì)于網(wǎng)絡(luò)設(shè)備而言，包處理和轉(zhuǎn)發(fā)的速度需要更快;對(duì)于安管平臺(tái)、事件分析平臺(tái)而言，數(shù)據(jù)源的事件發(fā)送速率(EPS，Event per Second，事件數(shù)每秒)越來越快。
3) 種類越來越多：除了數(shù)據(jù)包、日志、資產(chǎn)數(shù)據(jù)，還加入了漏洞信息、配置信息、身份與訪問信息、用戶行為信息、應(yīng)用信息、業(yè)務(wù)信息、外部情報(bào)信息等。
于是，業(yè)界出現(xiàn)了將大數(shù)據(jù)分析技術(shù)應(yīng)用于信息安全的技術(shù)——大數(shù)據(jù)安全分析 (Big Data Security Analysis，簡稱BDSA)，也有人稱做大安全數(shù)據(jù)分析(Big Security Data Analysis)。兩者盡管表述有差異，但內(nèi)涵一致。前者強(qiáng)調(diào)基于大數(shù)據(jù)技術(shù)的安全分析，分析安全問題;后者強(qiáng)調(diào)大數(shù)據(jù)分析的對(duì)象是安全數(shù)據(jù)。
在網(wǎng)絡(luò)安全領(lǐng)域，大數(shù)據(jù)安全分析將包括以下幾個(gè)應(yīng)用領(lǐng)域：
1) 安全事件管理和安全管理平臺(tái)：這將是大數(shù)據(jù)安全分析的核心應(yīng)用，也被稱作安全分析平臺(tái)(Security Analytics Platform)，后文將詳述。
2) APT檢測，包括全包捕獲技術(shù)
3) 0day惡意代碼分析，包括沙箱技術(shù)
4) 網(wǎng)絡(luò)取證分析
5) 網(wǎng)絡(luò)異常流量檢測
6) 大規(guī)模用戶行為分析
7) 安全情報(bào)分析
8) 信譽(yù)服務(wù)
9) 代碼安全分析
2012 年3月，Gartner發(fā)表了一份題為《Information Security Is Becoming a Big Data Analytics Problem》的報(bào)告，表示信息安全問題正在變成一個(gè)大數(shù)據(jù)分析問題，大規(guī)模的安全數(shù)據(jù)需要被有效地關(guān)聯(lián)、分析和挖掘，并預(yù)測未來將出現(xiàn)安全分析平臺(tái)，以及部分企業(yè)在未來五年將出現(xiàn)一個(gè)新的崗位——“安全分析師”或“安全數(shù)據(jù)分析師”。
對(duì)于大數(shù)據(jù)安全分析而言，最關(guān)鍵的不在于大數(shù)據(jù)本身，而在于對(duì)這些數(shù)據(jù)的分析方法。大數(shù)據(jù)安全分析可以用到大數(shù)據(jù)分析的所有普適性的方法和技術(shù)，但當(dāng)應(yīng)用到網(wǎng)絡(luò)安全領(lǐng)域的時(shí)候，還必須考慮到安全數(shù)據(jù)自身的特點(diǎn)和安全分析的目標(biāo)，這樣大數(shù)據(jù)安全分析的應(yīng)用才更有價(jià)值。例如，在進(jìn)行異常行為分析，或者惡意代碼分析和APT攻擊分析的時(shí)候，分析模型才是最重要的。其次，才是考慮如何利用大數(shù)據(jù)分析技術(shù)(例如并行計(jì)算、實(shí)時(shí)計(jì)算、分布式計(jì)算)來實(shí)現(xiàn)這個(gè)分析模型。
基于大數(shù)據(jù)分析技術(shù)的安全管理平臺(tái)
安全管理平臺(tái)呼喚大數(shù)據(jù)分析
在所有網(wǎng)絡(luò)安全領(lǐng)域中，大數(shù)據(jù)分析對(duì)安全管理平臺(tái)(SOC平臺(tái))及安全信息與事件分析(SIEM)系統(tǒng)的影響最為深遠(yuǎn)。這也是與它們先天的大數(shù)據(jù)分析特質(zhì)密切相關(guān)的。
安全管理平臺(tái)，有的也稱作SOC(Security Operations Center，安全運(yùn)營中心)平臺(tái)，一般是指以資產(chǎn)為核心，以安全事件管理為關(guān)鍵流程，采用安全域劃分的思想，建立一套實(shí)時(shí)的資產(chǎn)風(fēng)險(xiǎn)模型，協(xié)助管理員進(jìn)行事件分析、風(fēng)險(xiǎn)分析、預(yù)警管理和應(yīng)急響應(yīng)處理的集中安全管理系統(tǒng)。
安全管理平臺(tái)的核心之一便是安全信息與事件管理，也稱作 SIEM(Security Information and Event Management)系統(tǒng)。通常，SIEM為來自企業(yè)和組織中所有IT資源(包括網(wǎng)絡(luò)、系統(tǒng)和應(yīng)用)產(chǎn)生的安全信息(包括日志、告警等)進(jìn)行統(tǒng)一的實(shí)時(shí)監(jiān)控、歷史分析，對(duì)來自外部的入侵和內(nèi)部的違規(guī)、誤操作行為進(jìn)行監(jiān)控、審計(jì)分析、調(diào)查取證、出具各種報(bào)表報(bào)告，實(shí)現(xiàn)IT資源合規(guī)性管理的目標(biāo)，同時(shí)提升企業(yè)和組織的安全運(yùn)營、威脅管理和應(yīng)急響應(yīng)能力。
下圖顯示了一個(gè)典型的SIEM系統(tǒng)的結(jié)構(gòu)圖：
由圖可知，一般的SIEM系統(tǒng)都具有安全事件(日志)的采集、范化、存儲(chǔ)、分析、展示等幾個(gè)過程，而這與大數(shù)據(jù)分析的收集、存儲(chǔ)、分析和可視化過程是完全相同的。因此，SIEM天然具有應(yīng)用大數(shù)據(jù)分析技術(shù)的特質(zhì)。
安全管理平臺(tái)是在SIEM系統(tǒng)的基礎(chǔ)上，對(duì)采集的數(shù)據(jù)進(jìn)行了大規(guī)模的擴(kuò)充，并增加了分析模型，實(shí)現(xiàn)了基于風(fēng)險(xiǎn)的資產(chǎn)和業(yè)務(wù)的集中安全管理。
安全管理平臺(tái)的核心是多樣化的安全要素信息采集與存儲(chǔ)、多種安全分析與展示。而這與大數(shù)據(jù)分析的特征也是完全吻合的。
當(dāng)前，安全管理平臺(tái)的一個(gè)重要發(fā)展趨勢就是采集的安全數(shù)據(jù)種類越來越多，不僅包括傳統(tǒng)的資產(chǎn)信息、事件信息，還納入了漏洞信息、性能信息、流量信息、配置信息、業(yè)務(wù)信息等等。與此同時(shí)，安全數(shù)據(jù)的產(chǎn)生速率和總量也急速增長。大型企業(yè)越來越傾向于采用集中化的安全管理平臺(tái)構(gòu)建模式，單一管理平臺(tái)就要管理全網(wǎng)的安全信息，安全事件產(chǎn)生的速率達(dá)到上萬EPS，甚至是上10萬EPS，每天存儲(chǔ)的事件量則達(dá)到上百GB，甚至是上TB。另一方面，用戶需要安全管理平臺(tái)提供更加精準(zhǔn)的安全分析研判和問題定位，更加快速的安全應(yīng)急響應(yīng)與處置，對(duì)安全分析的準(zhǔn)確性和分析結(jié)論價(jià)值度的要求越來越高。這一切都促使安全管理平臺(tái)的技術(shù)開發(fā)者求助于大數(shù)據(jù)分析技術(shù)。
大數(shù)據(jù)安全分析首選安全管理平臺(tái)
SANS在2013年9月份發(fā)布的《安全分析調(diào)查》報(bào)告顯示，客戶進(jìn)行大數(shù)據(jù)安全分析的時(shí)候，首選的是日志管理、SIEM等安全管理平臺(tái)類系統(tǒng)。并且，超過60%的受訪客戶表示未來實(shí)現(xiàn)安全分析目標(biāo)的首要投資對(duì)象是SIEM。
由此可見，目前來說，在所有大數(shù)據(jù)安全分析的應(yīng)用領(lǐng)域中，SIEM及其安全管理平臺(tái)是最重要的。
應(yīng)該說，大數(shù)據(jù)分析技術(shù)并不能保證安全管理平臺(tái)能夠應(yīng)對(duì)上述挑戰(zhàn)，但卻給安全管理平臺(tái)應(yīng)對(duì)這些挑戰(zhàn)提供了全新的技術(shù)思路和發(fā)展模式。當(dāng)安全管理平臺(tái)遇上大數(shù)據(jù)分析，讓用戶和開發(fā)者看到了安全管理平臺(tái)未來技術(shù)發(fā)展的一個(gè)全新方向。
基于大數(shù)據(jù)安全分析技術(shù)的安全管理平臺(tái)基本特征
基于大數(shù)據(jù)安全分析技術(shù)的安全管理平臺(tái)具有以下顯著特征：
1) Velocity：高速日志采集能力、高速事件分析能力;
2) Variety：支持多種日志源和日志類型，并支持對(duì)半結(jié)構(gòu)化(例如原始數(shù)據(jù)報(bào)文、郵件、WEB請(qǐng)求與響應(yīng))和非結(jié)構(gòu)化信息(例如可疑代碼)的采集，具備異構(gòu)數(shù)據(jù)間的關(guān)聯(lián)分析(即情境關(guān)聯(lián))能力;
3) Volume：海量的事件存儲(chǔ)能力、海量數(shù)據(jù)分析能力;
4) valuablity：分析研判的結(jié)果是真正有價(jià)值的信息、值得去關(guān)注的信息，是可以用于輔助決策的信息。這就意味著需要有效的數(shù)據(jù)分析方法和工具;
5) Visualization：安全分析結(jié)果的可視化呈現(xiàn)能力。
必須至少同時(shí)滿足上述5V，才能將一個(gè)安全管理平臺(tái)稱為基于大數(shù)據(jù)安全分析技術(shù)的安全管理平臺(tái)。
基于大數(shù)據(jù)分析的新一代安全管理平臺(tái)介紹
【略】
小結(jié)
大數(shù)據(jù)時(shí)代已經(jīng)到來，我們創(chuàng)造的大數(shù)據(jù)正在改變?nèi)祟惿a(chǎn)生活的各個(gè)方面。信息與網(wǎng)絡(luò)安全作為保障IT數(shù)字資產(chǎn)的關(guān)鍵能力也正在被大數(shù)據(jù)所重新塑造。安全管理平臺(tái)，作為安全保障體系中位于頂層的技術(shù)支撐平臺(tái)，天然具有與大數(shù)據(jù)結(jié)合的特質(zhì)。基于大數(shù)據(jù)安全分析技術(shù)的安全管理平臺(tái)正在成為未來安全管理平臺(tái)發(fā)展的重要技術(shù)方向。
同時(shí)，我們必須看到，不論安全管理平臺(tái)的技術(shù)如何發(fā)展，如何與大數(shù)據(jù)結(jié)合，安全管理平臺(tái)所要解決的客戶根本性問題，以及與客戶業(yè)務(wù)融合的趨勢依然未變。對(duì)大數(shù)據(jù)的應(yīng)用依然要服務(wù)于解決客戶的實(shí)際安全管理問題這個(gè)根本目標(biāo)。
目前來看，大數(shù)據(jù)分析技術(shù)有助于我們更好地去解決安全管理過程中的部分問題，但并不能解決所有的問題，同時(shí)還可能引入了新的問題。這是安全管理平臺(tái)的開發(fā)者、服務(wù)提供者和客戶都需要不斷摸索的。
此外，不論安全管理平臺(tái)技術(shù)如何發(fā)展，大數(shù)據(jù)分析給我們帶來了多大程度的信息價(jià)值度提升，安全分析師始終是不可或缺的。正如大數(shù)據(jù)需要數(shù)據(jù)分析師，大數(shù)據(jù)安全更需要安全分析師。安全，本質(zhì)上是人與人之間的對(duì)抗，不論安全分析的自動(dòng)化技術(shù)如何演進(jìn)，相互之間進(jìn)行對(duì)抗的，始終是坐在屏幕前的人。
京公網(wǎng)安備 11010502049343號(hào)