
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
R 语言:数据科学与科研领域的核心工具及优势解析 一、引言 在数据驱动决策的时代,无论是科研人员验证实验假设(如前文中的 T ...
2025-09-08T 检验在假设检验中的应用与实践 一、引言 在科研数据分析、医学实验验证、经济指标对比等领域,常常需要判断 “样本间的差异是 ...
2025-09-08在商业竞争日益激烈的当下,“用数据说话” 已从企业的 “加分项” 变为 “生存必需”。然而,零散的数据分析无法持续为业务赋能 ...
2025-09-08随机森林算法的核心特点:原理、优势与应用解析 在机器学习领域,随机森林(Random Forest)作为集成学习(Ensemble Learning) ...
2025-09-05Excel 区域名定义:从基础到进阶的高效应用指南 在 Excel 数据处理中,频繁引用单元格区域(如A2:A100、B3:D20)不仅容易出错, ...
2025-09-05CDA 数据分析师:以六大分析方法构建数据驱动业务的核心能力 在数据驱动决策成为企业共识的当下,CDA(Certified Data Analyst) ...
2025-09-05SQL 日期截取:从基础方法到业务实战的全维度解析 在数据处理与业务分析中,日期数据是连接 “业务行为” 与 “时间维度” 的核 ...
2025-09-04在卷积神经网络(CNN)的发展历程中,解决 “梯度消失”“特征复用不足”“模型参数冗余” 一直是核心命题。2017 年提出的密集连 ...
2025-09-04CDA 数据分析师:驾驭数据范式,释放数据价值 在数字化转型浪潮席卷全球的当下,数据已成为企业核心生产要素。而 CDA(Certified ...
2025-09-04K-Means 聚类:无监督学习中数据分群的核心算法 在数据分析领域,当我们面对海量无标签数据(如用户行为记录、商品属性数据、图 ...
2025-09-03特征值、特征向量与主成分:数据降维背后的线性代数逻辑 在机器学习、数据分析与信号处理领域,“降维” 是破解高维数据复杂性的 ...
2025-09-03CDA 数据分析师与数据分析:解锁数据价值的关键 在数字经济高速发展的今天,数据已成为企业核心资产与社会发展的重要驱动力。无 ...
2025-09-03解析 loss.backward ():深度学习中梯度汇总与同步的自动触发核心 在深度学习模型训练流程中,loss.backward()是连接 “前向计算 ...
2025-09-02要解答 “画 K-S 图时横轴是等距还是等频” 的问题,需先明确 K-S 图的核心用途(检验样本分布与理论分布的一致性),再结合横轴 ...
2025-09-02CDA 数据分析师:助力企业破解数据需求与数据分析需求难题 在数字化浪潮席卷全球的当下,数据已成为企业核心战略资产。无论是市 ...
2025-09-02Power BI 度量值实战:基于每月收入与税金占比计算累计税金分摊金额 在企业财务分析中,税金分摊是成本核算与利润统计的核心环节 ...
2025-09-01巧用 ALTER TABLE rent ADD INDEX:租房系统数据库性能优化实践 在租房管理系统中,rent表是核心业务表之一,通常存储租赁订单信 ...
2025-09-01CDA 数据分析师:企业数字化转型的核心引擎 —— 从能力落地到价值跃迁 当数字化转型从 “选择题” 变为企业生存的 “必答题”, ...
2025-09-01数据清洗工具全景指南:从入门到进阶的实操路径 在数据驱动决策的链条中,“数据清洗” 是决定后续分析与建模有效性的 “第一道 ...
2025-08-29机器学习中的参数优化:以预测结果为核心的闭环调优路径 在机器学习模型落地中,“参数” 是连接 “数据” 与 “预测结果” 的关 ...
2025-08-29