大數(shù)據(jù)早就存在，只是一直沒有足夠的基礎(chǔ)實施和技術(shù)來對這些數(shù)據(jù)進行有價值的挖據(jù)。隨著存儲成本的不斷下降、以及分析技術(shù)的不斷進步，尤其是云計算的出現(xiàn)，不少公司已經(jīng)發(fā)現(xiàn)了大數(shù)據(jù)的巨大價值：它們能揭示其他手段所看不到的新變化趨勢，包括需求、供給和顧客習慣等等。比如，銀行可以以此對自己的客戶有更深入的了解，提供更有個性的定制化服務(wù);銀行和保險公司可以發(fā)現(xiàn)詐騙和騙保;零售企業(yè)更精確探知顧客需求變化，為不同的細分客戶群體提供更有針對性的選擇;制藥企業(yè)可以以此為依據(jù)開發(fā)新藥，詳細追蹤藥物療效，并監(jiān)測潛在的副作用;安全公司則可以識別更具隱蔽性的攻擊、入侵和違規(guī)。
當前網(wǎng)絡(luò)與信息安全領(lǐng)域，正在面臨著多種挑戰(zhàn)。一方面，企業(yè)和組織安全體系架構(gòu)的日趨復雜，各種類型的安全數(shù)據(jù)越來越多，傳統(tǒng)的分析能力明顯力不從心;另一方面，新型威脅的興起，內(nèi)控與合規(guī)的深入，傳統(tǒng)的分析方法存在諸多缺陷，越來越需要分析更多的安全信息、并且要更加快速的做出判定和響應(yīng)。信息安全也面臨大數(shù)據(jù)帶來的挑戰(zhàn)。
1 安全數(shù)據(jù)的大數(shù)據(jù)化
安全數(shù)據(jù)的大數(shù)據(jù)化主要體現(xiàn)在以下三個方面：
1) 數(shù)據(jù)量越來越大：網(wǎng)絡(luò)已經(jīng)從千兆邁向了萬兆，網(wǎng)絡(luò)安全設(shè)備要分析的數(shù)據(jù)包數(shù)據(jù)量急劇上升。同時，隨著NGFW的出現(xiàn)，安全網(wǎng)關(guān)要進行應(yīng)用層協(xié)議的分析，分析的數(shù)據(jù)量更是大增。與此同時，隨著安全防御的縱深化，安全監(jiān)測的內(nèi)容不斷細化，除了傳統(tǒng)的攻擊監(jiān)測，還出現(xiàn)了合規(guī)監(jiān)測、應(yīng)用監(jiān)測、用戶行為監(jiān)測、性能檢測、事務(wù)監(jiān)測，等等，這些都意味著要監(jiān)測和分析比以往更多的數(shù)據(jù)。此外，隨著APT等新型威脅的興起，全包捕獲技術(shù)逐步應(yīng)用，海量數(shù)據(jù)處理問題也日益凸顯。
2) 速度越來越快：對于網(wǎng)絡(luò)設(shè)備而言，包處理和轉(zhuǎn)發(fā)的速度需要更快;對于安管平臺、事件分析平臺而言，數(shù)據(jù)源的事件發(fā)送速率(EPS，Event per Second，事件數(shù)每秒)越來越快。
3) 種類越來越多：除了數(shù)據(jù)包、日志、資產(chǎn)數(shù)據(jù)，安全要素信息還加入了漏洞信息、配置信息、身份與訪問信息、用戶行為信息、應(yīng)用信息、業(yè)務(wù)信息、外部情報信息等。
安全數(shù)據(jù)的大數(shù)據(jù)化，自然引發(fā)人們思考如何將大數(shù)據(jù)技術(shù)應(yīng)用于安全領(lǐng)域。
2 傳統(tǒng)的安全分析面臨挑戰(zhàn)
安全數(shù)據(jù)的數(shù)量、速度、種類的迅速膨脹，不僅帶來了海量異構(gòu)數(shù)據(jù)的融合、存儲和管理的問題，甚至動搖了傳統(tǒng)的安全分析方法。
當前絕大多數(shù)安全分析工具和方法都是針對小數(shù)據(jù)量設(shè)計的，在面對大數(shù)據(jù)量時難以為繼。新的攻擊手段層出不窮，需要檢測的數(shù)據(jù)越來越多，現(xiàn)有的分析技術(shù)不堪重負。面對天量的安全要素信息，我們?nèi)绾尾拍芨友附莸馗兄W(wǎng)絡(luò)安全態(tài)勢?
傳統(tǒng)的分析方法大都采用基于規(guī)則和特征的分析引擎，必須要有規(guī)則庫和特征庫才能工作，而規(guī)則和特征只能對已知的攻擊和威脅進行描述，無法識別未知的攻擊，或者是尚未被描述成規(guī)則的攻擊和威脅。面對未知攻擊和復雜攻擊如APT等，需要更有效的分析方法和技術(shù)!如何做到知所未知?
面對天量安全數(shù)據(jù)，傳統(tǒng)的集中化安全分析平臺(譬如SIEM，安全管理平臺等)也遭遇到了諸多瓶頸，主要表現(xiàn)在以下幾方面：
高速海量安全數(shù)據(jù)的采集和存儲變得困難
異構(gòu)數(shù)據(jù)的存儲和管理變得困難
威脅數(shù)據(jù)源較小，導致系統(tǒng)判斷能力有限
對歷史數(shù)據(jù)的檢測能力很弱
安全事件的調(diào)查效率太低
安全系統(tǒng)相互獨立，無有效手段協(xié)同工作
分析的方法較少
對于趨勢性的東西預測較難，對早期預警的能力比較差
系統(tǒng)交互能力有限，數(shù)據(jù)展示效果有待提高
從上世紀80年代入侵檢測技術(shù)的誕生和確立以來，安全分析已經(jīng)發(fā)展了很長的時間。當前，信息與網(wǎng)絡(luò)安全分析存在兩個基本的發(fā)展趨勢：情境感知的安全分析與智能化的安全分析。
Gartner在2010年的一份報告中指出，“未來的信息安全將是情境感知的和自適應(yīng)的”。所謂情境感知，就是利用更多的相關(guān)性要素信息的綜合研判來提升安全決策的能力，包括資產(chǎn)感知、位置感知、拓撲感知、應(yīng)用感知、身份感知、內(nèi)容感知，等等。情境感知極大地擴展了安全分析的縱深，納入了更多的安全要素信息，拉升了分析的空間和時間范圍，也必然對傳統(tǒng)的安全分析方法提出了挑戰(zhàn)。
同樣是在2010年，Gartner的另一份報告指出，要“為企業(yè)安全智能的興起做好準備”。在這份報告中，Gartner提出了安全智能的概念，強調(diào)必須將過去分散的安全信息進行集成與關(guān)聯(lián)，獨立的分析方法和工具進行整合形成交互，從而實現(xiàn)智能化的安全分析與決策。而信息的集成、技術(shù)的整合必然導致安全要素信息的迅猛增長，智能的分析必然要求將機器學習、數(shù)據(jù)挖據(jù)等技術(shù)應(yīng)用于安全分析，并且要更快更好地的進行安全決策。
3 信息與網(wǎng)絡(luò)安全需要大數(shù)據(jù)安全分析
安全數(shù)據(jù)的大數(shù)據(jù)化，以及傳統(tǒng)安全分析所面臨的挑戰(zhàn)和發(fā)展趨勢，都指向了同一個技術(shù)——大數(shù)據(jù)分析。正如Gartner在2011年明確指出，“信息安全正在變成一個大數(shù)據(jù)分析問題”。
于是，業(yè)界出現(xiàn)了將大數(shù)據(jù)分析技術(shù)應(yīng)用于信息安全的技術(shù)——大數(shù)據(jù)安全分析(Big Data Security Analysis，簡稱BDSA)，也有人稱做針對安全的大數(shù)據(jù)分析(Big Data Analysis for Security)。
借助大數(shù)據(jù)安全分析技術(shù)，能夠更好地解決天量安全要素信息的采集、存儲的問題，借助基于大數(shù)據(jù)分析技術(shù)的機器學習和數(shù)據(jù)挖據(jù)算法，能夠更加智能地洞悉信息與網(wǎng)絡(luò)安全的態(tài)勢，更加主動、彈性地去應(yīng)對新型復雜的威脅和未知多變的風險。
|
