
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
在神经网络设计中,“隐藏层个数” 是决定模型能力的关键参数 —— 太少会导致 “欠拟合”(模型无法捕捉复杂数据规律,如用单隐 ...
2025-10-21在特征工程流程中,“单变量筛选” 是承上启下的关键步骤 —— 它通过分析单个特征与目标变量的关联强度,剔除无意义、冗余的特 ...
2025-10-21在数据分析全流程中,“数据读取” 常被误解为 “简单的文件打开”—— 双击 Excel、执行基础 SQL 查询即可完成。但对 CDA(Cert ...
2025-10-21在实际业务数据分析中,我们遇到的大多数数据并非理想的正态分布 —— 电商平台的用户消费金额(少数用户单次消费上万元,多数集 ...
2025-10-20在数字化交互中,用户的每一次操作 —— 从电商平台的 “浏览商品→加入购物车→查看评价→放弃下单”,到内容 APP 的 “点击短 ...
2025-10-20在数据分析的全流程中,“数据采集” 是最基础也最关键的环节 —— 如同烹饪前需备好新鲜食材,若采集的数据不完整、不准确或不 ...
2025-10-20在数据成为新时代“石油”的今天,几乎每个职场人都在焦虑: “为什么别人能用数据驱动决策、升职加薪,而我面对Excel表格却无从 ...
2025-10-18数据清洗是 “数据价值挖掘的前置关卡”—— 其核心目标是 “去除噪声、修正错误、规范格式”,但前提是不破坏数据的真实业务含 ...
2025-10-17在数据汇总分析中,透视表凭借灵活的字段重组能力成为核心工具,但原始透视表仅能呈现数值结果,缺乏对数据背景、异常原因或业务 ...
2025-10-17在企业管理中,“凭经验定策略” 的传统模式正逐渐失效 —— 金融机构靠 “研究员主观判断” 选股可能错失收益,电商靠 “运营拍 ...
2025-10-17在数据库日常操作中,INSERT INTO SELECT是实现 “批量数据迁移” 的核心 SQL 语句 —— 它能直接将一个表(或查询结果集)的数 ...
2025-10-16在机器学习建模中,“参数” 是决定模型效果的关键变量 —— 无论是线性回归的系数、随机森林的树深度,还是神经网络的权重,这 ...
2025-10-16在数字化浪潮中,“数据” 已从 “辅助决策的工具” 升级为 “驱动业务的核心资产”—— 电商平台靠用户行为数据优化推荐算法, ...
2025-10-16在大模型从实验室走向生产环境的过程中,“稳定性” 是决定其能否实用的关键 —— 一个在单轮测试中表现优异的模型,若在高并发 ...
2025-10-15在机器学习入门领域,“鸢尾花数据集(Iris Dataset)” 是理解 “特征值” 与 “目标值” 的最佳案例 —— 它结构清晰、维度适 ...
2025-10-15在数据驱动的业务场景中,零散的指标(如 “GMV”“复购率”)就像 “散落的零件”,无法支撑系统性决策;而科学的指标体系,则 ...
2025-10-15在神经网络模型设计中,“隐藏层层数” 是决定模型能力与效率的核心参数之一 —— 层数过少,模型可能 “欠拟合”(无法捕捉数据 ...
2025-10-14在数字化浪潮中,数据分析师已成为企业 “从数据中挖掘价值” 的核心角色 —— 他们既要能从海量数据中提取有效信息,又要能将分 ...
2025-10-14在企业数据驱动的实践中,“指标混乱” 是最常见的痛点:运营部门说 “复购率 15%”,产品部门说 “复购率 8%”,实则是两者对 ...
2025-10-14在手游行业,“次日留存率” 是衡量一款游戏生死的 “第一道关卡”—— 它不仅反映了玩家对游戏的初始接受度,更直接决定了后续 ...
2025-10-13