京公网安备 11010802034615号
经营许可证编号:京B2-20210330
岂能拿大数据来算星座
APT不可预防、APT攻击不可避免、APT攻击损失难以估计……政府、企业已经谈APT色变。各家安全厂商也纷纷提出了应对之策,趋势科技在应对APT攻击上又提高了一个台阶:将大数据变成一个平台,让用户不仅知道自己网络为何被入侵,而且知晓哪些资料被偷走,有何解决之道。
根据趋势科技2015年APT分析调查显示,平均一起攻击事件的潜伏期可高达559天,被锁定的企业表面上安然无恙,但往往已经在不可预期的情况下被黑客窃取了企业运营的重要信息资产,并造成了难以估计的致命损失。网络安全威胁事件甚至已经开始造成CEO、CIO下台,影响其职业生涯。
虽然业界一致认为APT攻击无法预防,但趋势科技仍是想出了解决之道。张伟钦解释道:“这就能看出来公司的底气。趋势科技很早也发现APT很难预防,因为病毒很难抓到。但我们发现控制中心不会换来换去,可以追踪到。因此,趋势科技很早就建立了一个控制中心资料库,而且还会不惜花大价钱收购专门研究这种东西的机构。”
针对预防APT攻击,趋势科技在2012年提出了“3C领域战略布局”,覆盖云安全、全面用户防护、面向针对性攻击的定制化智能繁育,从而帮助客户应对APT高级持续性威胁、移动终端及更多的外围设备在云安全时代面临的挑战。
但是,随着APT攻击事件的增多,以经济、商业及政治为目的的APT攻击正逐步显露其强大的负面影响。越来越多的CEO和CIO开始对安全厂商抱怨,仅仅知晓APT进攻已经不能满足需求。
据趋势科技全球研发长暨大中华区执行总裁张伟钦透露:“很多客户跟我们抱怨,向老板汇报了这么多问题,反而让我的工作量变大了。可是却没有提供解决问题的工具。客户一直在问两件事:第一是在知晓被攻击的情况下,还需要知道怎样被人攻击,攻击的路径如何?第二是攻击之后到底哪些资料被偷走?被入侵的范围有多大?”
对安全厂商来说,这是新的挑战,但也是新的高端市场。
因此,趋势科技在已有产品的基础之上,利用大数据技术帮助用户调查与处理APT攻击,减少信息安全事件的响应时间,有效降低APT攻击带来的损害。
“我们把大数据变成一个平台性的产品,提供给客户,帮助客户解决他想知道的问题,这是对大数据运用的第三个阶段。”张伟钦解释道,有点像授人以鱼不如授人以渔的意味。
张伟钦表示,对于大数据的利用,很多公司也在提。但是目前大部分公司都是在利用大数据做分析,对危险做新的预测。这是最基本的,也是利用大数据的第一个阶段,而这个想法,趋势科技在2008年就已经开始做了;当客户开始建设云平台时,通过安全产品保护云平台,这是第二个阶段。
而目前,趋势科技已经开始着手大数据运用的第三个阶段。而这个阶段的运用可以解决高端用户提出的上述两个问题。
据了解,目前采用与趋势科技相类似的大数据工具的企业还有一家美国的公司Palantir,全球排名第一的大数据公司,目前估值200亿美元。
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
在数字化运营中,“凭感觉做决策” 早已成为过去式 —— 运营指标作为业务增长的 “晴雨表” 与 “导航仪”,直接决定了运营动作 ...
2025-10-24在卷积神经网络(CNN)的训练中,“卷积层(Conv)后是否添加归一化(如 BN、LN)和激活函数(如 ReLU、GELU)” 是每个开发者都 ...
2025-10-24在数据决策链条中,“统计分析” 是挖掘数据规律的核心,“可视化” 是呈现规律的桥梁 ——CDA(Certified Data Analyst)数据分 ...
2025-10-24在 “神经网络与卡尔曼滤波融合” 的理论基础上,Python 凭借其丰富的科学计算库(NumPy、FilterPy)、深度学习框架(PyTorch、T ...
2025-10-23在工业控制、自动驾驶、机器人导航、气象预测等领域,“状态估计” 是核心任务 —— 即从含噪声的观测数据中,精准推断系统的真 ...
2025-10-23在数据分析全流程中,“数据清洗” 恰似烹饪前的食材处理:若食材(数据)腐烂变质、混杂异物(脏数据),即便拥有精湛的烹饪技 ...
2025-10-23在人工智能领域,“大模型” 已成为近年来的热点标签:从参数超 1750 亿的 GPT-3,到万亿级参数的 PaLM,再到多模态大模型 GPT-4 ...
2025-10-22在 MySQL 数据库的日常运维与开发中,“更新数据是否会影响读数据” 是一个高频疑问。这个问题的答案并非简单的 “是” 或 “否 ...
2025-10-22在企业数据分析中,“数据孤岛” 是制约分析深度的核心瓶颈 —— 用户数据散落在注册系统、APP 日志、客服记录中,订单数据分散 ...
2025-10-22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