大數(shù)據(jù)安全分析如何定義_數(shù)據(jù)分析師

在之前一篇《為什么需要大數(shù)據(jù)安全分析》文章中，我們已經(jīng)闡述了一個重要觀點，即：安全要素信息呈現(xiàn)出大數(shù)據(jù)的特征，而傳統(tǒng)的安全分析方法面臨重大挑戰(zhàn)，信息與網(wǎng)絡安全需要基于大數(shù)據(jù)的安全分析。那么，到底什么是大數(shù)據(jù)安全分析，他與我們一般意義上的大數(shù)據(jù)分析有何異同之處？這首先要讓我們從大數(shù)據(jù)自身的定義開始。

　　什么是大數(shù)據(jù)？

　　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)有的一般技術難以管理的大量數(shù)據(jù)的集合”，并廣義地定義為“一個綜合性概念，它包括因具備3V(海量/高速/多樣，Volume / Variety/Velocity)特征而難以進行管理的數(shù)據(jù)，對這些數(shù)據(jù)進行存儲、處理、分析的技術，以及能夠通過分析這些數(shù)據(jù)獲得實用意義和觀點的人才和組織。”

　　Gartner將大數(shù)據(jù)定義為“海量、高速、多變的信息資產(chǎn)，需要對它進行經(jīng)濟的、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)基本特征

　　大數(shù)據(jù)的三個公認的基本特點是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的時間越來越快，對系統(tǒng)的延時要求相當高;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在上述三個特點基礎之上增加了一個V(Veracity)，即“真實性”、“準確性”。IBM認為只有真實而準確的數(shù)據(jù)才能讓對數(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，例如低價值密度(Value)、存活性(Viability)，等等。低價值密度是指大數(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)具有很強的時效性。

　　如何定義大數(shù)據(jù)分析

　　大數(shù)據(jù)技術的核心就是大數(shù)據(jù)分析(Big Data Analysis / Analytics)。一般地，人們將大數(shù)據(jù)分析定義為一組能夠高效存儲和處理海量數(shù)據(jù)、并有效達成多種分析目標的工具及技術的集合。

　　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，以及強化對過去未連接資產(chǎn)的使用的實踐和方法(the practices and technology used to pursue emerging and divergent pattern detection as well as enhance the use of previously disconnected information assets)，意即一套針對大數(shù)據(jù)進行知識發(fā)現(xiàn)的方法。

　　通俗地講，大數(shù)據(jù)分析技術就是大數(shù)據(jù)的收集、存儲、分析和可視化的技術，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，分析出高價值(Value)的信息的工具集合。

　　何為大數(shù)據(jù)安全分析

　　當前網(wǎng)絡與信息安全領域，正在面臨著多種挑戰(zhàn)。一方面，企業(yè)和組織安全體系架構(gòu)的日趨復雜，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。信息安全也面臨大數(shù)據(jù)帶來的挑戰(zhàn)。

　　于是，業(yè)界出現(xiàn)了將大數(shù)據(jù)分析技術應用于信息安全的技術——大數(shù)據(jù)安全分析(Big Data Security Analysis / Analytics，簡稱BDSA)，也有人稱做針對安全的大數(shù)據(jù)分析(Big Data Analysis for Security)。

　　必須特別指出的是，大數(shù)據(jù)安全分析是指利用大數(shù)據(jù)技術來進行安全分析，而非我們一般所言的大數(shù)據(jù)安全(Big Data Security)。大數(shù)據(jù)安全，通常是指研究如何保護大數(shù)據(jù)自身的安全，包括針對大數(shù)據(jù)計算和大數(shù)據(jù)存儲的安全性。

　　以上，也闡釋了大數(shù)據(jù)和安全的兩個連接關系，即基于大數(shù)據(jù)技術的安全和大數(shù)據(jù)自身的安全。這兩者是兩個不同的領域，本文探討的是前者，即基于大數(shù)據(jù)技術的安全，本質(zhì)上就是大數(shù)據(jù)技術的一種在安全領域的應用。

　　借助大數(shù)據(jù)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(shù)據(jù)分析技術的機器學習和數(shù)據(jù)挖據(jù)算法，能夠更加智能地洞悉信息與網(wǎng)絡安全的態(tài)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。

　　必須強調(diào)的是，對于大數(shù)據(jù)安全分析而言，最關鍵的不在于大數(shù)據(jù)本身，而在于對這些數(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，但當應用到網(wǎng)絡安全領域的時候，還必須考慮到安全數(shù)據(jù)自身的特點和安全分析的目標，這樣大數(shù)據(jù)安全分析的應用才更有價值。例如，在進行異常行為分析，或者惡意代碼分析和APT攻擊分析的時候，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(例如并行計算、實時計算、分布式計算)來實現(xiàn)這個分析模型。

　　此外，大數(shù)據(jù)安全分析要產(chǎn)生實際價值還離不開安全分析師。

　　大數(shù)據(jù)安全分析平臺

　　大數(shù)據(jù)安全分析不是一個產(chǎn)品分類，而代表一種技術，一種安全分析的理念和方法。各種安全產(chǎn)品都能夠運用大數(shù)據(jù)安全分析技術去重塑自身。

　　在一個較為完備的基于大數(shù)據(jù)安全分析的解決方案中，往往會有一個大數(shù)據(jù)安全分析平臺作為整個方案的核心部件，承載大數(shù)據(jù)分析的核心功能，將分散的安全要素信息進行集中、存儲、分析、可視化，對分析的結(jié)果進行分發(fā)，對分析的任務進行調(diào)度，將各個分散的安全分析技術整合到一起，實現(xiàn)各種技術間的互動。

　　作為國內(nèi)信息安全領導廠商的啟明星辰依托十幾年在信息安全分析領域積累的豐富經(jīng)驗和領先技術在國內(nèi)率先推出了具有自主知識產(chǎn)權的啟明星辰泰合大數(shù)據(jù)安全分析平臺(TSOC Big Data Security Analysis Platform，簡稱TSOC-BDSAP)。該平臺幫助客戶實現(xiàn)在規(guī)模不斷擴大的異構(gòu)海量數(shù)據(jù)如事件、流、網(wǎng)絡原始流量、文件等信息中，結(jié)合流行的關聯(lián)分析、機器學習、數(shù)理統(tǒng)計、實時分析、歷史分析和人機交互等多種分析方法和技術，發(fā)現(xiàn)傳統(tǒng)的安全產(chǎn)品無法檢測的安全攻擊和威脅。

　　據(jù)悉，啟明星辰專門成立了泰合產(chǎn)品本部負責大數(shù)據(jù)安全分析領域及泰合系列管控類和審計類系統(tǒng)的研發(fā)、咨詢、項目實施與運維。作為中國最早研發(fā)和最領先的安全管理平臺之一，啟明星辰泰合(TSOC)系列安管平臺經(jīng)過10多年的持續(xù)積累，獲得了十多項發(fā)明專利，得到了國家多項專項基金的支持，并擁有目前國內(nèi)最多的客戶群，位居國內(nèi)大數(shù)據(jù)安全分析領域的領導者陣營，也是國內(nèi)流安全領域的積極倡導者和踐行者。