大數據的蓬勃發展和普及程度是毋庸置疑的，而數據泄露就像影子一樣伴隨著數據發展，大數據發展的規模越大，它的影子也變得更大。人們每天產生的數據包括：個人的銀行卡信息、身份信息、位置定位等等隱私數據都在不停地通過網絡上傳到數據中心。
而當前網絡與信息安全領域，正在面臨著多種挑戰。一方面，企業和組織安全體系架構的日趨復雜，各種類型的安全數據越來越多，傳統的分析能力明顯力不從心；另一方面，新型威脅的興起，內控與合規的深入，傳統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。信息安全也面臨大數據帶來的挑戰。
安全數據的大數據化主要體現在以下三個方面：
一、數據量越來越大：網絡已經從千兆邁向了萬兆，網絡安全設備要分析的數據包數據量急劇上升。同時，隨著NGFW的出現，安全網關要進行應用層協議的分析，分析的數據量更是大增。與此同時，隨著安全防御的縱深化，安全監測的內容不斷細化，除了傳統的攻擊監測，還出現了合規監測、應用監測、用戶行為監測、性能檢測、事務監測，等等，這些都意味著要監測和分析比以往更多的數據。此外，隨著APT等新型威脅的興起，全包捕獲技術逐步應用，海量數據處理問題也日益凸顯。
二、速度越來越快：對于網絡設備而言，包處理和轉發的速度需要更快；對于安管平臺、事件分析平臺而言，數據源的事件發送速率（EPS，Event per Second，事件數每秒）越來越快。
三、種類越來越多：除了數據包、日志、資產數據，安全要素信息還加入了漏洞信息、配置信息、身份與訪問信息、用戶行為信息、應用信息、業務信息、外部情報信息等。
我們需要大數據安全分析
安全數據的大數據化，以及傳統安全分析所面臨的挑戰和發展趨勢，都指向了同一個技術——大數據分析。正如Gartner在2011年明確指出，“信息安全正在變成一個大數據分析問題”。
于是，業界出現了將大數據分析技術應用于信息安全的技術——大數據安全分析（Big Data Security Analysis，簡稱BDSA），也有人稱做針對安全的大數據分析（Big Data Analysis for Security）。
借助大數據安全分析技術，能夠更好地解決天量安全要素信息的采集、存儲的問題，借助基于大數據分析技術的機器學習和數據挖據算法，能夠更加智能地洞悉信息與網絡安全的態勢，更加主動、彈性地去應對新型復雜的威脅和未知多變的風險。
京公網安備 11010502049343號