从社交媒体监测对企业网站搜索引擎的分析，到企业库存水平或发货进度更新等各类信息，企业组织每天都会生成大量数据，这些都是大数据。针对这些信息的组织、处理、挖掘和分析等流程就是大数据分析。由于其庞大的基数，大数据分析基于手动筛选不再可能，因此更依赖于基于人工智能(AI)、机器学习(ML)和深度学习(DL)等自动化工具的高级分析。大数据分析可以针对多个领域，如营销、人才管理、销售预测等，而网络安全也许会成为下一个热点。

一项调查发现，52%的CISO表示员工是运营安全面临的最大威胁。只需要一个人忘记更改默认密码或不小心以错误的方式设置访问凭据，就会让攻击者有隙可乘。

但大数据分析可以监测员工每天采取的所有数百万个操作，筛选、识别可能使企业系统面临风险的操作，并发送通知，以便企业在威胁发生前采取措施。一些先进的系统甚至能够自动响应大数据警报，为CISO节省时间减轻焦虑。

没有绝对安全的IT系统，任何系统都可能存在漏洞，新的漏洞随时可能出现，这也是风险评估非常重要的原因。

大数据分析可以持续映射企业组织的生态系统并分析安全漏洞产生的根本原因，帮助企业组织了解引发安全事件的漏洞，以便及时采取更合适、更有针对性的行动。

更新、更严重的网络安全威胁一直在出现和演变。只有对这些威胁的了解足够充分，才有更大可能将它们防范在系统之外。智能化的大数据分析能够及时识别处理可能出现的新风险和新威胁的迹象，为企业提供早期警告。

面对越来越多的攻击者和攻击行为，企业遭受数据泄漏的可能性很高，因此安全事件发生后的处置也很重要。有些数据泄漏事件，攻击者前期所需的渗透时间很长，如此才有足够的时间植入恶意软件并窃取敏感数据。而大数据分析可以比人工代理更快地发现网络活动中的异常模式，并立即向企业组织的安全团队发送警报，帮助企业组织更快的找出漏洞，并防止小问题变成全域范围的灾难。

原文来自：

本文地址：//gulass.cn/network-security-analysis.html编辑：向云艳，审核员：清蒸github

Linux大全：

Linux系统大全：

红帽认证RHCE考试心得：