大数据分析利用大数据技术对海量数据的高效计算能力，结合关联分析、深度学习、机器学习算法等手段，对各种已知与未知威胁进行快速发现与预警，实现网络防御从被动到主动的转变。下面我们就来看看大数据分析的技术架构及关键技术吧。
大数据安全分析之大数据分析的技术架构及关键技术
一、大数据分析的技术架构
大数据安全分析总体架构由数据采集、预处理、存储、处理、分析计算、数据应用展示几部分组成：
▼▼数据源
数据源是大数据分析的基础与前提，准确高质量的多源异构数据是安全分析效果的保证，进行安全分析需要收集的数据源包括：
日志数据：包括设备与系统的日志和安全告警信息。
流量数据：网络流量数据，包括Netflow数据和全流量镜像数据。
支持数据：包括资产信息、账号信息、漏洞信息和威胁情报信息等。
▼▼采集和预处理
对数据源收集的信息进行解析、标准化和丰富化处理，从而为数据分析提供高质量的数据。
数据传输采集：根据不同类型的数据源，以及数据存在的状态，采用不同的传输与采集技术。
数据预处理：对数据进行解析、补全、标准化操作，从而提高安全分析的可信度，降低误报率。
▼▼数据存储
全量存储网络中原始的网络数据，使数据结果分析更加全面可信。对所有网络行为数据建立索引，便于快速查询、管理分析和举证。
▼▼数据分析
利用关联分析、机器学习、深度学习等技术，从海量原始数据中自动挖掘出有价值的信息，最大的发挥数据的价值。
▼▼数据应用
依据数据分析结果，实现安全态势感知、安全预警、追踪溯源等应用。
二、大数据分析的关键技术
▼▼数据采集与解析技术
利用日志采集器实时以非格式化或半格式化采集原始数据，根据配置的解析规则和字段补全规则，完成数据的解析与数据补全。最终将解析的数据存入大数据存储中，以便后续进行实时或长周期的展示和统计分析。
▼▼大数据存储与处理技术
大数据平台计算处理能力达到日存储数据超过1T，支持千亿条数据的秒级处理，PB级数据管理与应用，保证高吞吐量与高数据压缩率，为安全智能分析提供实时或者长期的关联分析数据基础。
▼▼关联分析
通过关联分析引擎对采集的实时数据流进行深度关联分析，包括安全告警、系统日志、资产、网络、漏洞等信息之间采用基于规则、基于统计、基于资产、基于情报等深度关联分析方法，综合分析进行安全威胁检测、预警。
▼▼机器学习
通过机器学习和算法对大量的历史信息和安全信息的关联，以无监督学习（异常检测）为主，并有人工辅助的半监督学习（专家、管理人员反馈），对威胁行为进行一个长周期的分析，找出安全威胁与攻击的异常行为和隐藏的威胁行为。
以上是关于大数据安全分析之大数据分析的技术架构及关键技术的分享，若是想了解更多大数据分析资讯，敬请关注千家百科~
（本文来源于网络，由千家智客进行整理编辑，如有侵权，请联系删除。）
参与评论 (0)