京公网安备 11010802034615号
经营许可证编号:京B2-20210330
大数据技术如何处理大学校园IT安全问题
大学高校内有一些复杂的IT基础设施,以及来自自带设备BYOD的安全风险,是高校信息中心人员无法规避的话题。世界各地的大学首席安全官员在系统日志挖掘方面,正在越来越多地转向大数据分析技术,以此来提高他们在安全基础上的应对技术。
为一所大学提供信息安全服务工作是一件不容易的任务。高校分布面积庞大,以及不断发展的分布式人口、个人设备(BYOD)……面对这样一个严峻挑战,一些大学正在转向使用大数据分析技术,以此来解决问题。
大学校园美丽风景的背后,暗藏着大量IT安全风险与隐患
得克萨斯大学奥斯汀分校,是德州大学系统的标志型学校,他们的信息安全挑战就是一个好例子。在其350英亩的校园内,拥有近200幢楼宇,全部由10个千兆光纤骨干网相连。在任何一个时间,高达120,000单个设备从服务器到交换机,无线接入点,台式电脑,笔记本电脑,平板电脑,智能手机和安全摄像机等都可以连接到其网络。
“我们与其他大学一样,有数以万计的用户以及更大的联网设备。”得克萨斯大学奥斯汀分校的首席信息安全官(CISO)比斯利介绍说,“我们有一个固定的需要,来确定用户帐户的行为异常,检测、定位和实时监测系统受损,以及多个记录环境的相关活动,以此更充分地了解大学校内用户的IT使用情况。”
得克萨斯大学奥斯汀分校信息安全办公室(ISO)的分析师主要依靠入侵检测/防御系统(IDS / IPS),定制开发的软件工具,来监察相关用户行为。但这些方法缓慢、笨重,此外,它没有充分挖掘出数据的一些价值属性。“我们希望插入到许多不同的服务器和设备下游,与我们的网络信息与实际系统的日志数据关联,来测试未来可能产生的网络攻击。”比斯利解释说,“我们不希望使用一个笨重的SIEM安全信息和事件管理产品,我们需要一个更灵活的系统,以此可以适应我们独特的需求。”
康涅狄格大学的首席信息安全官贾森也面临着类似问题。他说:“我们需要做数据的类型挖掘,另外一个就是使用不同的工具来分析。”他说,“但这只能做一个或两个技术分析。”
大数据帮助分析高校日志数据
世界各地有超过275所大学像得克萨斯大学奥斯汀分校和康涅狄格大学的类似情况。“高校有一些世界上最复杂的IT基础设施,这使得它们非常脆弱。” 某大学安全总监马克?西沃德说,“BYOD的发展在不断演变并形成安全威胁。Splunk软件可以帮助收集大量的数据,并帮助用户检测未知的和持久的威胁。”
高校用户越来越多的IT使用行为及产生的数据,需要利用大数据分析技术来提前应对安全风险
作为实时业务智能软件供应商,Splunk从本质上讲是一个大的数据索引引擎。它负责索引来自网站,应用程序,服务器,网络和移动设备产生的数据。Splunk是一个不断发展的领域,技术人员正在寻找在100线长和非结构化的Java跟踪。他们希望这一平台能够像谷歌这样灵活搜索数据。
康涅狄格大学组成一个不同类型数据的集中分析,CIO利用大数据分析来提出问题,解决问题,并显而易见取得了成绩。该技术已经帮助网络中心办公室提高了在大学范围的基础上实施反病毒的能力。在一个企业,各类日志可以集中管理,它可能是微不足道的一项工作。但在高校这里,学校CIO面对的是一个流动人口,这是非常困难的事。
但使用日志数据,大学的工作人员能够以审计环境,并观察到故障点的位置,然后生成报告,并帮助他们升级或安装防病毒解决方案。康涅狄格大学的系统安全防护能力得到了提升。技术团队用大数据分析技术,衡量八个不同加权值安全指标和反病毒程度、OS修补程序。这些实践应用到企业中,在处理与利用经验上,技术人员可以得到宝贵数据分析经验。通过大数据的分析,可以发现背后巨大的效益,CIO可以从一个单一的数据资源库中,使用IT技术来为企业决策提供数据分析能力。
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
【核心关键词】贷款、报表、课程、专业、建模、缺失值、营销、互联网、银行、办公自动化、数据分析、数据预处理、特征工程、贷 ...
2026-06-05在数据库数据查询、业务报表统计、多表关联分析中,LEFT JOIN左连接是使用率最高的SQL关联查询语句。其核心特性是保留左表全部数 ...
2026-06-05 很多数据分析师能熟练地写SQL、做透视表、算描述性统计,但当被问到“如何预测用户流失概率”“如何归因销量下滑的关键因素 ...
2026-06-05任何一款产品从诞生、普及到最终退出市场,都会遵循一套固定的发展规律,这就是产品生命周期理论。在市场竞争日益激烈、产品迭代 ...
2026-06-04在Excel数据分析、办公统计、业务报表制作场景中,数据透视表是数据汇总、分类统计、快速复盘的核心工具,能够高效完成海量原始 ...
2026-06-04 很多数据分析师拿到数据就开始清洗、建模,但当被问到“这批数据属于什么类型——结构化还是非结构化?分类变量还是数值变量 ...
2026-06-04在问卷调查与社会科学数据分析中,卡方检验是最常用、最基础的非参数检验方法,广泛应用于市场调研、用户分析、行为统计、满意度 ...
2026-06-03【核心关键词】贷款、报表、课程、专业、建模、缺失值、营销、互联网、银行、办公自动化、数据分析、数据预处理、特征工程、贷 ...
2026-06-03 很多数据分析师画过趋势图、做过业绩预测,但当被问到“这个月销售额增长20%,到底是长期趋势自然增长,还是促销活动的短期 ...
2026-06-03逻辑回归是数据分析、机器学习、统计建模中应用最广泛的二分类预测模型,常用于风险判断、行为预测、归因分析等场景。在SPSS、Py ...
2026-06-02数字经济时代,市场竞争日趋同质化,用户消费需求愈发个性化、多元化,传统依托经验、粗放式、广撒网的营销模式弊端日益凸显。长 ...
2026-06-02 很多数据分析师做过按月份的销售额趋势图,画过按天的流量折线图,但当被问到“时间序列和普通数据有什么本质区别”“季节性 ...
2026-06-02在市场竞争日趋饱和、用户需求不断细分的当下,企业创业创新、产品迭代与市场拓展不再依赖经验决策,而是需要系统化、工具化的商 ...
2026-06-01【核心关键词】调度、岗位、数据库、企业、报表、培训、程序、数据分析、数据加工、业务部门、企业数据、调度工具、业务指标、 ...
2026-06-01 很多数据分析师能熟练地计算指标、搭建标签体系,但当被问到“画像到底在解决什么问题”“画像和标签是什么关系”“画像如何 ...
2026-06-01在数据统计分析、数据清洗、异常值识别与数据分布研究中,箱型图是最直观、高效、专业的可视化分析工具。相较于柱状图、折线图仅 ...
2026-05-29Tkinter是Python内置的标准GUI图形界面库,具备无需额外安装、调用简单、兼容性强、轻量化高效等优势,是Python快速开发桌面小程 ...
2026-05-29 很多分析师在设计标签时思路清晰,但真到落地环节却面临“数据在手,不知如何转化为可用标签”的困境:或因加工方式选择不当 ...
2026-05-29【核心关键词】大数据、经理、专业、金融、客户、传统、建模、数据产品、互联网金融、产品经理、数据分析、金融行业、数据模型 ...
2026-05-28 很多分析师每天和数据打交道,但当被问到“标签是什么”“标签和指标有什么区别”“标签体系如何设计”时,却常常答不上来。 ...
2026-05-28