京公网安备 11010802034615号
经营许可证编号:京B2-20210330
大数据为信息安全赋予新的逻辑思维_数据分析师
信息工业技术的发展,催生了梦想的诞生与实现。一直以来,人类都希望机器能够具有人类智慧高效地完成工作,而这样的愿望,今天已经延伸至信息安全。
什么叫具有人类逻辑的信息安全?某位员工已经出差到外地,其账号却在公司办公室中登录内网访问重要资料,作为一名网络管理人员,当你知道这一切的时候首先会想到:这名员工的账号被盗了,公司的商业机密正在被窃取。之所以得出这样的结论,是由于按照正常的逻辑判断,将“出差”与“本地访问IP地址”联系在一起,在情理上是矛盾的。我们希望,机器也能够如同人类一般进行“逻辑思维”。结合大数据技术,今天这种智慧型的解决方案已经成为下一代信息技术的发展趋势。
大数据,信息安全分水岭
大数据技术在今天已经成型并已经运用多年。在国外,不仅思科和IBM这样的传统巨头在进行相关研发,一些新的企业,如Fireeye、Splunk等,也都凭借大数据在IT业界暂露头角。
环顾国内,很多公司也在进行大数据相关的研究并取得相当成果,但大部分都在应用分析方面,在信息安全分析方面却是新生事物,之所以新,是因为它引入了“列式数据模型”,弥补了传统“行式数据模型”的分析不足,这为信息安全的数据处理、数据分析提供了新的逻辑思维、新的分析角度,带来了新的安全价值。
在这些公司中,包括杭州合众信息在内的一些领先公司正走在这样趋势的最前沿。“言而优则唱”,长期的传统数据交换、数据安全分析实践使得这些公司在大数据处理、大数据安全分析方面具有先天优势。来自杭州合众信息的官方数据称,其与大数据处理相关的实时数据同步系统(RDS)、数据集成系统(ETL)、大数据一体化平台(UniOne)、大数据分布式全文数据库系统、大数据应用分析系统、综合安全审计系统等已经在住房和城乡建设部、工商总局、公安部、浙江公安等项目中有着不同程度的广泛应用,取得了极佳的社会价值。
信息安全已经上升为国家战略,信息安全应用环境也正发生着革命性的变化,强劲的驱动着这些传统的安全公司痴迷于大数据,希望利用大数据技术对传统信息安全赋予新的逻辑思维。于是,基于大数据的信息安全,这个综合了多项技术的新兴事物应运而生,如雨后春笋。纵观这些公司,但凡能崭露头角的,其不仅需要有信息安全开发经验,需要对数据采集、处理、分析、应用等有较深的理解,更需要企业有较深的、长期的业务和应用背景来构建大数据的整体逻辑。相信这一些安全企业可以借助大数据扬帆起航,开启安全市场新篇章,将经验拓展到更为广泛的应用领域。
大数据,业务的开发需要具备多方面的业务储备。
数据处理能力 数据处理是数据挖掘和分析的前道程序。数据处理的目的是从大量的、可能是杂乱无章的、难以理解的数据中抽取对于特定的人群有价值、有意义的数据。
数据分析能力 由于事务型数据和决策支持型数据的处理性能不同,需将决策支持型数据处理从事务型数据处理中分离出来,再从事务型数据库中导入数据仓库,继而采用OLAP(联机分析处理)工具、数据挖掘工具等进行分析、智能决策,提高决策的科学性及完善各种管理流程。
开源系统 开源技术将以成本的降低和企业级的IT自由度破解大数据之忧。性能方面,随着开源技术对数据掌控能力的不断加强,开源技术将在稳定性、安全性上得到不断完善和提升;创新方面,围绕开源技术的模式创新和服务创新已逐渐形成,更快地适应大数据时代的业务变革和转型升级。
分析调研机构Gartner很早之前就已经表态称,基于大数据分析的安全绝对是防范高级攻击的有效手段,但其“比较复杂”的体系构架让很多专业的信息安全公司难以涉足。实际上,在已经颇有些红海味道的信息安全领域中,基于大数据的安全已经成为了一道展现实力的分水岭。
大数据,受到资本市场追捧
直到今天,Gartner的态度依然没改变。在Gartner研究副总裁Anton Chuvakin近期撰写的博客文章中,尽管其依然承认基于大数据的安全技术具有良好的发展态势,但是由于复杂度太高,“95%的企业还未采用这一技术”。
布局未来,这是对当前着眼大数据技术的信息安全公司最为可靠的描述。实际上,一直在进行产业萌芽投资的资本市场,对于大数据领域一直持以认可态度。成立于2004年的Fireeye,在2013年上市后首日股价大涨80%。业内普遍认为,其在2011年前后转向APT防御与大数据方向,这一战略极大地推动了公司的发展。
在国内,机构与投资人都对大数据保持着持续关注。光大证券分析认为,国内公司在大数据领域的机会在于对细分行业市场的理解。实际上,这同实际产业状况不谋而合。以合众信息为例,除了主营信息安全业务以外,其另一项重点业务——大数据的分析和处理所瞄准的就是政府行业。合众信息的资料显示,其所提供的政府大数据服务,指的是服务于各个政府部门且根据部门业务需求搭建的大数据平台。平台不但提供大规模云平台技术支持、维护管理,还会根据数据特点组织大数据模型,提供满足业务实战要求的数据集成处理、应用开发集成。而整套系统的成功部署,已经为客户带了客观的经济效益。
大数据,似乎这是一个听起来已经被重复了无数次的老概念。但是,其所承载的是人们对于信息技术的向往与憧憬。这种憧憬的实现,毫无疑问是一个漫长且艰辛的过程。不过,我们相信,在逻辑思维的道路上的那群人会坚定不移地走下去。
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
数据分析师一天的工作,80% 的时间围绕表格结构数据展开。从一张销售明细表到一份完整的分析报告,表格结构数据贯穿始终。但你真 ...
2026-04-16在机器学习无监督学习领域,Kmeans聚类因其原理简洁、计算高效、可扩展性强的优势,成为数据聚类任务中的主流算法,广泛应用于用 ...
2026-04-16在机器学习建模实践中,特征工程是决定模型性能的核心环节之一。面对高维数据集,冗余特征、无关特征不仅会增加模型训练成本、延 ...
2026-04-16在数字化时代,用户是产品的核心资产,用户运营的本质的是通过科学的指标监测、分析与优化,实现“拉新、促活、留存、转化、复购 ...
2026-04-15在企业数字化转型、系统架构设计、数据治理与AI落地过程中,数据模型、本体模型、业务模型是三大核心基础模型,三者相互支撑、各 ...
2026-04-15数据分析师的一天,80%的时间花在表格数据上,但80%的坑也踩在表格数据上。 如果你分不清数值型和文本型的区别,不知道数据从哪 ...
2026-04-15在人工智能与机器学习落地过程中,模型质量直接决定了应用效果的优劣——无论是分类、回归、生成式模型,还是推荐、预测类模型, ...
2026-04-14在Python网络编程、接口测试、爬虫开发等场景中,HTTP请求的发送与响应处理是核心需求。Requests库作为Python生态中最流行的HTTP ...
2026-04-14 很多新人学完Python、SQL,拿到一张Excel表还是不知从何下手。 其实,90%的商业分析问题,都藏在表格的结构里。 ” 引言:为 ...
2026-04-14在回归分析中,因子(即自变量)的筛选是构建高效、可靠回归模型的核心步骤——实际分析场景中,往往存在多个候选因子,其中部分 ...
2026-04-13在机器学习模型开发过程中,过拟合是制约模型泛化能力的核心痛点——模型过度学习训练数据中的噪声与偶然细节,导致在训练集上表 ...
2026-04-13在数据驱动商业升级的今天,商业数据分析已成为企业精细化运营、科学决策的核心手段,而一套规范、高效的商业数据分析总体流程, ...
2026-04-13主讲人简介 张冲,海归统计学硕士,CDA 认证数据分析师,前云南白药集团资深数据分析师,自媒体 Python 讲师,全网课程播放量破 ...
2026-04-13在数据可视化与业务分析中,同比分析是衡量业务发展趋势、识别周期波动的核心手段,其核心逻辑是将当前周期数据与上年同期数据进 ...
2026-04-13在机器学习模型的落地应用中,预测精度并非衡量模型可靠性的唯一标准,不确定性分析同样不可或缺。尤其是在医疗诊断、自动驾驶、 ...
2026-04-10数据本身是沉默的,唯有通过有效的呈现方式,才能让其背后的规律、趋势与价值被看见、被理解、被运用。统计制图(数据可视化)作 ...
2026-04-10在全球化深度发展的今天,跨文化传播已成为连接不同文明、促进多元共生的核心纽带,其研究核心围绕“信息传递、文化解读、意义建 ...
2026-04-09在数据可视化领域,折线图是展示时序数据、趋势变化的核心图表类型之一,其简洁的线条的能够清晰呈现数据的起伏规律。Python ECh ...
2026-04-09在数据驱动的时代,数据分析早已不是“凭经验、靠感觉”的零散操作,而是一套具备固定逻辑、标准化流程的系统方法——这就是数据 ...
2026-04-09长短期记忆网络(LSTM)作为循环神经网络(RNN)的重要改进模型,凭借其独特的门控机制(遗忘门、输入门、输出门),有效解决了 ...
2026-04-08