大数据分析通常被比喻成解决此问题的灵丹妙药

现在在信息量和应标记的操作之间存在一个关键点，尤其是在网络安全方面。

显然，人们知道的越多，他们所拥有的见识就越多。但是，在信息量和应标记的操作之间有一个关键点，尤其是在网络安全方面。随着公司变得越来越受数据驱动和自动化，IT系统变得越来越难以监视，管理和定义。日常用户活动所产生的“噪音”已达到震耳欲聋的程度。

大数据分析通常被认为是解决该问题的灵丹妙药，它可以通过相同的综合监控系统来应对巨大的挑战。通过大数据解决方案，来自网络各个角落的安全日志和事件将被输入到中央平台中。这通常导致处理的事件数量惊人—每天多达4-50亿个事件。

尽管这一详细程度是全面的，但并非没有挑战。数据越多，噪声越大，误报也越多。要维持准确性，正确的管理和必要活动日志的存储，就需要大量的活动部件和持续的维护-即使人们使用分析和机器学习来完成此任务。这样做所需的基础架构成本将很快超过您最初监视的网络的价值。
仔细选择
即使在理论上，分析和无监督的机器学习也可以减轻负担，但是实际上，无监督的机器学习通常掩盖和忽略了有关个人意图的重要线索。结果，有趣发现的收益仍然很低，对数十亿个事件进行了分析，准确警报的比率不到百分之一。另外，如果您增加管理基础技术的成本和复杂性，以保持机器学习算法正确运行并以正确的方式准备数据，那么忽略意图可能会成为一个主要问题。

数据背后的实际场景经常丢失。这可能是有关用户，设备，网络或位置的信息，但是当为机器学习过程而收集时，这种情况经常会丢失或未链接。可以通过使用诸如记录链接之类的工具来部分解决该问题，在该工具中，数据集中的各个记录通过公共标识符进行匹配和组合。但是，仍然存在明显的假阳性和阴性。

另一个基本挑战是原始材料的缺陷。这可能是由于配置错误的源日志，事件和遥测导致的。尽管可能有数百万甚至数十亿条记录的详细用户活动日志，但通常不存在用于了解场景的链接。

可以说，任何安全工具的价值都在于其优势。已经确定了多少实际威胁并引起了IT团队的注意？借助支持大数据的安全工具，典型的大型企业每十亿个日志行最多可以管理五个收入。因此，在创造价值的同时，它在基础架构和数据中心管理方面付出了高昂的代价。

这是网络安全中的一个持续主题。根据IDC的预测，2019年全球支出将达到1030亿美元，但尚不清楚公司是否会感到更加安全。由于错误原因，使用错误信息做出了太多安全决策。随着黑客越来越多地针对员工，企业需要考虑如何以不同的方式保护自己。尽管有关网络和用户活动的数据可以提供有用的见解，但最终可采取行动的信息的输出至关重要。
移到边缘
解决挑战的一种方法是通过权力下放。使分析尽可能接近需要处理的数据将有助于减轻不断移动大型数据集的负担。通过这样做，IT团队可以开始减少必须存储的数据量，并专门确定安全性的优先级（通常是冗余的）。随着在边缘进行更多的处理工作，一旦由中央分析引擎进行了优化，新的分析方法和更新将能够迅速推出并扩展到更广泛的网络。

在动态威胁环境中，需要一种动态且自动化的安全方法。通过以更分散的方式工作而不是尽可能地扩展网络，组织将能够专注于防止下一次攻击，而不必担心从先前的攻击中恢复过来。

以上是南方联合小编的分享，南方联合为广大用户提供专业化服务器托管，服务器租用，广州主机托管，云服务器租用，香港主机租用等服务器资源，详情欢迎咨询客服了解。