安全數(shù)據(jù)的大數(shù)據(jù)化
　　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(cè)的內(nèi)容不斷細(xì)化，除了傳統(tǒng)的攻擊監(jiān)測(cè)，還出現(xiàn)了合規(guī)監(jiān)測(cè)、應(yīng)用監(jiān)測(cè)、用戶行為監(jiān)測(cè)、性能檢測(cè)、事務(wù)監(jiān)測(cè)，等等，這些都意味著要監(jiān)測(cè)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)，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(yīng)用信息、業(yè)務(wù)信息、外部情報(bào)信息等。
　　安全數(shù)據(jù)的大數(shù)據(jù)化，自然引發(fā)人們思考如何將大數(shù)據(jù)技術(shù)應(yīng)用于安全領(lǐng)域。
　　傳統(tǒng)的安全分析面臨挑戰(zhàn)
　　安全數(shù)據(jù)的數(shù)量、速度、種類的迅速膨脹，不僅帶來了海量異構(gòu)數(shù)據(jù)的融合、存儲(chǔ)和管理的問題，甚至動(dòng)搖了傳統(tǒng)的安全分析方法。
　　當(dāng)前絕大多數(shù)安全分析工具和方法都是針對(duì)小數(shù)據(jù)量設(shè)計(jì)的，在面對(duì)大數(shù)據(jù)量時(shí)難以為繼。新的攻擊手段層出不窮，需要檢測(cè)的數(shù)據(jù)越來越多，現(xiàn)有的分析技術(shù)不堪重負(fù)。面對(duì)天量的安全要素信息，我們?nèi)绾尾拍芨友附莸馗兄W(wǎng)絡(luò)安全態(tài)勢(shì)？
　　傳統(tǒng)的分析方法大都采用基于規(guī)則和特征的分析引擎，必須要有規(guī)則庫和特征庫才能工作，而規(guī)則和特征只能對(duì)已知的攻擊和威脅進(jìn)行描述，無法識(shí)別未知的攻擊，或者是尚未被描述成規(guī)則的攻擊和威脅。面對(duì)未知攻擊和復(fù)雜攻擊如APT等，需要更有效的分析方法和技術(shù)！如何做到知所未知？
　　面對(duì)天量安全數(shù)據(jù)，傳統(tǒng)的集中化安全分析平臺(tái)（譬如SIEM，安全管理平臺(tái)等）也遭遇到了諸多瓶頸，主要表現(xiàn)在以下幾方面：
　　——高速海量安全數(shù)據(jù)的采集和存儲(chǔ)變得困難
　　——異構(gòu)數(shù)據(jù)的存儲(chǔ)和管理變得困難
　　——威脅數(shù)據(jù)源較小，導(dǎo)致系統(tǒng)判斷能力有限
　　——對(duì)歷史數(shù)據(jù)的檢測(cè)能力很弱
　　——安全事件的調(diào)查效率太低
　　——安全系統(tǒng)相互獨(dú)立，無有效手段協(xié)同工作
　　——分析的方法較少
　　——對(duì)于趨勢(shì)性的東西預(yù)測(cè)較難，對(duì)早期預(yù)警的能力比較差
　　——系統(tǒng)交互能力有限，數(shù)據(jù)展示效果有待提高
　　從上世紀(jì)80年代入侵檢測(cè)技術(shù)的誕生和確立以來，安全分析已經(jīng)發(fā)展了很長(zhǎng)的時(shí)間。當(dāng)前，信息與網(wǎng)絡(luò)安全分析存在兩個(gè)基本的發(fā)展趨勢(shì)：情境感知的安全分析與智能化的安全分析。
　　Gartner在2010年的一份報(bào)告中指出，“未來的信息安全將是情境感知的和自適應(yīng)的”。所謂情境感知，就是利用更多的相關(guān)性要素信息的綜合研判來提升安全決策的能力，包括資產(chǎn)感知、位置感知、拓?fù)涓兄?、?yīng)用感知、身份感知、內(nèi)容感知，等等。情境感知極大地?cái)U(kuò)展了安全分析的縱深，納入了更多的安全要素信息，拉升了分析的空間和時(shí)間范圍，也必然對(duì)傳統(tǒng)的安全分析方法提出了挑戰(zhàn)。
　　同樣是在2010年，Gartner的另一份報(bào)告指出，要“為企業(yè)安全智能的興起做好準(zhǔn)備”。在這份報(bào)告中，Gartner提出了安全智能的概念，強(qiáng)調(diào)必須將過去分散的安全信息進(jìn)行集成與關(guān)聯(lián)，獨(dú)立的分析方法和工具進(jìn)行整合形成交互，從而實(shí)現(xiàn)智能化的安全分析與決策。而信息的集成、技術(shù)的整合必然導(dǎo)致安全要素信息的迅猛增長(zhǎng)，智能的分析必然要求將機(jī)器學(xué)習(xí)、數(shù)據(jù)挖據(jù)等技術(shù)應(yīng)用于安全分析，并且要更快更好地的進(jìn)行安全決策。
　　信息與網(wǎng)絡(luò)安全需要大數(shù)據(jù)安全分析
　　安全數(shù)據(jù)的大數(shù)據(jù)化，以及傳統(tǒng)安全分析所面臨的挑戰(zhàn)和發(fā)展趨勢(shì)，都指向了同一個(gè)技術(shù)——大數(shù)據(jù)分析。正如Gartner在2011年明確指出，“信息安全正在變成一個(gè)大數(shù)據(jù)分析問題”。
　　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(jiǎn)稱BDSA），也有人稱做針對(duì)安全的大數(shù)據(jù)分析（Big Data Analysis for Security）。
　　借助大數(shù)據(jù)安全分析技術(shù)，能夠更好地解決天量安全要素信息的采集、存儲(chǔ)的問題，借助基于大數(shù)據(jù)分析技術(shù)的機(jī)器學(xué)習(xí)和數(shù)據(jù)挖據(jù)算法，能夠更加智能地洞悉信息與網(wǎng)絡(luò)安全的態(tài)勢(shì)，更加主動(dòng)、彈性地去應(yīng)對(duì)新型復(fù)雜的威脅和未知多變的風(fēng)險(xiǎn)。