
大数据:安全分析产品的发展重点
在本届RSA大会上,业界众多厂商都强调了合理利用大数据以提高安全性的重要性。但在安全领域,大家对大数据仍然持怀疑态度。Enterpirse企业战略集团高级首席分析师Jon Oltsik说道,“对于安全人员而言,这个术语有些模糊,但他们已经开始收集大量数据。”
现在已经有很多供应商开始围绕网络取证和风险管理构建大数据解决方案。在RSA大会上,很多供应商(从IBM到Agilliance再到EMC的RSA安全分公司)都推出了利用大数据提高安全性的产品。
Oltsik表示:“在网络层经常会发生很多事件,因此,围绕这些事件进行流处理以及检测异常的能力非常重要。”
通过与Pivotal的合作,EMC的RSA安全分公司发布了“大数据用于安全分析”参考架构,其目的是加速检测和响应时间,帮助企业应对攻击。
“该架构采用了更为开放和灵活的基于Hadoop的架构--围绕该架构有整个工具生态系统,而不是无法利用这些创新的专有工具,”RSA产品营销主管Paul Stamp表示,“通过这个参考架构,安全团队可以获得一套完整的分析工具,专门用于企业安全和威胁检测,而不只是通用平台。”
Agilliancei发布了RiskVision 7,其中介绍了该公司所谓的“大数据风险管理”。通过RiskVision 7,消费者可以从ERP系统和第三方业务应用程序挖掘PB集操作和安全风险数据。最新版本的RiskVision包含一个新的对象框架—支持大量数据记录,以及一个新的逻辑框架—提供动态数据工作流以简化操作风险审计。
Agilliance公司总裁兼首席执行官Joe Fantuzzi表示,“Agilliance通过用专用大数据解决方案取代管理意见和战术咨询,来避开风险管理中的现状。现代风险管理需要实时数据和独立性,这样,企业可以即时准确地响应业务、董事会和监管的要求。”
另外,Narus和IBM两家公司承诺将携手合作来利用IBM的InfoSphere BigInsights和Narus的nSystem技术以更快地解决安全威胁。在联合声明中,这两家公司表示,与IBM InfoSphere Stream的集成可以让nSystem对大数据流进行流数据分析。
Narus公司总裁John Trobough表示,“Narus和IBM协作带来了大数据分析创新,并提供了稳定性和可扩展性来解决大型企业的需求。最初对网络安全的专注带来了深度可视性以及丰富的背景知识,以快速做出决策以及加快应对恶意威胁的时间。
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
Pandas 选取特定值所在行:6 类核心方法与实战指南 在使用 pandas 处理结构化数据时,“选取特定值所在的行” 是最高频的操作之 ...
2025-09-30球面卷积神经网络(SCNN) 为解决这一痛点,球面卷积神经网络(Spherical Convolutional Neural Network, SCNN) 应运而生。它通 ...
2025-09-30在企业日常运营中,“未来会怎样” 是决策者最关心的问题 —— 电商平台想知道 “下月销量能否达标”,金融机构想预判 “下周股 ...
2025-09-30Excel 能做聚类分析吗?基础方法、进阶技巧与场景边界 在数据分析领域,聚类分析是 “无监督学习” 的核心技术 —— 无需预设分 ...
2025-09-29XGBoost 决策树:原理、优化与工业级实战指南 在机器学习领域,决策树因 “可解释性强、处理非线性关系能力突出” 成为基础模型 ...
2025-09-29在标签体系的落地链路中,“设计标签逻辑” 只是第一步,真正让标签从 “纸上定义” 变为 “业务可用资产” 的关键,在于标签加 ...
2025-09-29在使用 Excel 数据透视表进行多维度数据汇总时,折叠功能是梳理数据层级的核心工具 —— 通过点击 “+/-” 符号可展开明细数据或 ...
2025-09-28在使用 Pandas 处理 CSV、TSV 等文本文件时,“引号” 是最容易引发格式混乱的 “隐形杀手”—— 比如字段中包含逗号(如 “北京 ...
2025-09-28在 CDA(Certified Data Analyst)数据分析师的技能工具箱中,数据查询语言(尤其是 SQL)是最基础、也最核心的 “武器”。无论 ...
2025-09-28Cox 模型时间依赖性检验:原理、方法与实战应用 在生存分析领域,Cox 比例风险模型(Cox Proportional Hazards Model)是分析 “ ...
2025-09-26检测因子类型的影响程度大小:评估标准、实战案例与管控策略 在检测分析领域(如环境监测、食品质量检测、工业产品合规性测试) ...
2025-09-26CDA 数据分析师:以数据库为基石,筑牢数据驱动的 “源头防线” 在数据驱动业务的链条中,“数据从哪里来” 是 CDA(Certified D ...
2025-09-26线性相关点分布的四种基本类型:特征、识别与实战应用 在数据分析与统计学中,“线性相关” 是描述两个数值变量间关联趋势的核心 ...
2025-09-25深度神经网络神经元个数确定指南:从原理到实战的科学路径 在深度神经网络(DNN)的设计中,“神经元个数” 是决定模型性能的关 ...
2025-09-25在企业数字化进程中,不少团队陷入 “指标困境”:仪表盘上堆砌着上百个指标,DAU、转化率、营收等数据实时跳动,却无法回答 “ ...
2025-09-25MySQL 服务器内存碎片:成因、检测与内存持续增长的解决策略 在 MySQL 运维中,“内存持续增长” 是常见且隐蔽的性能隐患 —— ...
2025-09-24人工智能重塑工程质量检测:核心应用、技术路径与实践案例 工程质量检测是保障建筑、市政、交通、水利等基础设施安全的 “最后一 ...
2025-09-24CDA 数据分析师:驾驭通用与场景指标,解锁数据驱动的精准路径 在数据驱动业务的实践中,指标是连接数据与决策的核心载体。但并 ...
2025-09-24在数据驱动的业务迭代中,AB 实验系统(负责验证业务优化效果)与业务系统(负责承载用户交互与核心流程)并非独立存在 —— 前 ...
2025-09-23CDA 业务数据分析:6 步闭环,让数据驱动业务落地 在企业数字化转型中,CDA(Certified Data Analyst)数据分析师的核心价值,并 ...
2025-09-23