感知網路安全態勢是最根本最近很

❶ 維護網路安全，什麼是最基本最基礎的工作

感知網路安全態勢。

在大規模網路環境中，對能夠引起網路態勢發生變化的安全要素進行獲取、理解、顯示並據此預測未來的網路安全發展趨勢。

態勢感知為一種基於環境的、動態、整體地洞悉安全風險的能力，以安全大數據為基礎，從全局視角提升對安全威脅的發現識別、理解分析、響應處置能力的一種方式，最終是為了決策與行動，是安全能力的落地。

(1)感知網路安全態勢是最根本最近很擴展閱讀

態勢感知建設目的

檢測：提供網路安全持續監控能力，及時發現各種攻擊威脅與異常，特別是針對性攻擊。

分析、響應：建立威脅可視化及分析能力，對威脅的影響范圍、攻擊路徑、目的、手段進行快速研判，目的是有效的安全決策和響應。

預測、預防：建立風險通報和威脅預警機制，全面掌握攻擊者目的、技戰術、攻擊工具等信息。

防禦：利用掌握的攻擊者相關目的、技戰術、攻擊工具等情報，完善防禦體系。

❷ 網路安全的句子

關於網路安全的句子：
1.加強防範意識，嚴守個人信息。
2.修網德，勤網思，明網安，善網行。
3.事事安全牢記人心，人人幸福灑滿校園。
4.爭做網路「達」人，修身兼「安」天下。
5.樹立網安意識，莫念無名之利。
6.網路安全和信息化是相輔相成的。安全是發展的前提，發展是安全的保障，安全和發展要同步推進。要樹立正確的網路安全觀，加快構建關鍵信息基礎設施安全保障體系，全天候感知網路安全態勢，增強網路安全防禦能力和威懾能力。
7.共築網路安全，守護綠色家園。
8.網路服務各行各業，安全保障改革發展。
9.共建網路安全，共享網路文明。
10.打造健康網路環境，保障網民上網無憂。
11.保護網路安全，守護精神家園。
12.文明上網引領時尚，強化安全成就夢想。
13.共建網路安全，同享工大文明；守護信息家園，追逐工大夢想。
14.和諧校園，共創藍天，安全之責，盡在你我。
15.同創海經和諧秩序，共建海經安全校園。
16.網路空間的競爭，歸根結底是人才競爭。
17.編織安全網路，共築幸福生活。

❸ 現在的網路安全問題很多，態勢感知可以保障網路安全嗎

態勢感知可以對保障網路安全起到很好的監測並提早預防的作用，都是僅憑態勢感知還遠遠不夠，還需要很多網路安全技術和管理措施，如密碼加密技術、身份認證、訪問控制等

❹ 網路安全未來發展趨勢怎麼樣

網路安全態勢緊張，網路安全事件頻發

據國家互聯網應急中心(CNCERT)，2019年上半年，CNCERT新增捕獲計算機惡意程序樣本數量約3200萬個，計算機惡意程序傳播次數日均達約998萬次，CNCERT抽樣監測發現，2019年上半年我國境內峰值超過10Gbps的大流量分布式拒絕服務攻擊(DDoS攻擊)事件數量平均每月約4300起，同比增長18%;國家信息安全漏洞共享平台(CNVD)收錄通用型安全漏洞5859個。網站安全方面，2019年上半年，CNCERT自主監測發現約4.6萬個針對我國境內網站的仿冒頁面，境內外約1.4萬個IP地址對我國境內約2.6萬個網站植入後門，同比增長約1.2倍，可見我國網路安全態勢緊張。

網路安全行業的發展短期內是通過頻繁出現的安全事件驅動，短中期離不開國家政策合規，中長期則是通過信息化、雲計算、萬物互聯等基礎架構發展驅動。2020年網路安全領域將進一步迎來網路安全合規政策及安全事件催化，例如自2020年1月1日起施行《中華人民共和國密碼法》，2020年3月1日起施行《網路信息內容生態治理規定》等。2020年作為
「十三五」收官之年，將陸續開始編制網路安全十四五規劃。在各種因素的驅動下，2020年我國網路安全行業將得到進一步發展。

——以上數據來源於前瞻產業研究院《中國網路安全行業發展前景預測與投資戰略規劃分析報告》。

❺ 什麼是網路安全態勢感知

在大規模網路環境中，對能夠引起網路態勢發生變化的安全要素進行獲取、理解、顯示並據此預測未來的網路安全發展趨勢。簡而言之就是根據網路安全數據，預測未來網路安全的趨勢。

❻ 態勢感知，懂的人不用解釋，現在對於態勢感知更多的是信息網路的安全態勢感知，

大數據時代，除在信息網路的安全方面外，在無人機、無人駕駛、氣象分析、軍事、交通軌道等等方面，態勢感知的應用研究日益廣泛和必要！
一般來說，態勢感知在大規模系統環境中，對能夠引起系統狀態發生變化的安全要素進行獲取、理解、顯示以及預測未來的發展趨勢。聯合作戰、網路中心戰的提出,推動了態勢感知的產生和不斷發展,作為實現態勢感知的重要平台和物質基礎,態勢圖對數據和信息復雜的需求和特性構成了突出的大數據問題.從大數據的高度思考,解決態勢感知面臨的信息處理難題,是研究聯合作戰態勢感知的重要方法.通過分析聯合作戰態勢感知的數據類型、結構和特點,得出態勢感知面臨著大數據挑戰的結論.初步探討了可能需要解決的問題和前沿信息技術的應用需求,最後對關鍵數據和信息處理技術進行了研究.該研究對於「大數據」在軍事信息處理和數據化決策等領域的研究具有重要探索價值。
相關參考（摘錄網上）：
1 引言

隨著計算機和通信技術的迅速發展， 計算機網路的應用越來越廣泛， 其規模越來越龐大， 多層面的網路安全威脅和安全風險也在不斷增加， 網路病毒、 Dos/DDos攻擊等構成的威脅和損失越來越大， 網路攻擊行為向著分布化、 規模化、 復雜化等趨勢發展， 僅僅依靠防火牆、 入侵檢測、 防病毒、 訪問控制等單一的網路安全防護技術， 已不能滿足網路安全的需求， 迫切需要新的技術， 及時發現網路中的異常事件， 實時掌握網路安全狀況， 將之前很多時候亡羊補牢的事中、 事後處理，轉向事前自動評估預測， 降低網路安全風險， 提高網路安全防護能力。
網路安全態勢感知技術能夠綜合各方面的安全因素， 從整體上動態反映網路安全狀況， 並對網路安全的發展趨勢進行預測和預警。 大數據技術特有的海量存儲、 並行計算、 高效查詢等特點， 為大規模網路安全態勢感知技術的突破創造了機遇， 藉助大數據分析， 對成千上萬的網路日誌等信息進行自動分析處理與深度挖掘， 對網路的安全狀態進行分析評價， 感知網路中的異常事件與整體安全態勢。
2 網路安全態勢相關概念
2.1 網路態勢感知
態勢感知（Situation Awareness， SA） 的概念是1988年Endsley提出的， 態勢感知是在一定時間和空間內對環境因素的獲取， 理解和對未來短期的預測。 整個態勢感知過程可由圖1所示的三級模型直觀地表示出來。

所謂網路態勢是指由各種網路設備運行狀況、 網路行為以及用戶行為等因素所構成的整個網路當前狀態和變化趨勢。
網路態勢感知（Cyberspace Situation Awareness，CSA） 是1999年Tim Bass首次提出的， 網路態勢感知是在大規模網路環境中， 對能夠引起網路態勢發生變化的安全要素進行獲取、 理解、 顯示以及預測最近的發展趨勢。
態勢是一種狀態、 一種趨勢， 是整體和全局的概念， 任何單一的情況或狀態都不能稱之為態勢。 因此對態勢的理解特別強調環境性、 動態性和整體性， 環境性是指態勢感知的應用環境是在一個較大的范圍內具有一定規模的網路； 動態性是態勢隨時間不斷變化， 態勢信息不僅包括過去和當前的狀態， 還要對未來的趨勢做出預測； 整體性是態勢各實體間相互關系的體現，某些網路實體狀態發生變化， 會影響到其他網路實體的狀態， 進而影響整個網路的態勢。
2.2 網路安全態勢感知
網路安全態勢感知就是利用數據融合、 數據挖掘、智能分析和可視化等技術， 直觀顯示網路環境的實時安全狀況， 為網路安全提供保障。 藉助網路安全態勢感知， 網路監管人員可以及時了解網路的狀態、 受攻擊情況、 攻擊來源以及哪些服務易受到攻擊等情況， 對發起攻擊的網路採取措施； 網路用戶可以清楚地掌握所在網路的安全狀態和趨勢， 做好相應的防範准備， 避免和減少網路中病毒和惡意攻擊帶來的損失； 應急響應組織也可以從網 絡安全態勢中了解所服務網 絡的安全狀況和發展趨勢， 為 制定有預見性的應急預案提供基礎。
3 網路安全態勢感知相關技術
對於大規模網路而言， 一方面網路節點眾多、 分支復雜、 數據流量大， 存在多種異構網路環境和應用平台； 另一方面網路攻擊技術和手段呈平台化、 集成化和自 動化的發展趨勢， 網路攻擊具有更強的隱蔽性和更長的潛伏時間， 網路威脅不斷增多且造成的損失不斷增大。 為了實時、 准確地顯示整個網路安全態勢狀況， 檢測出潛在、 惡意的攻擊行為， 網路安全態勢感知要在對網路資源進行要素採集的基礎上， 通過數據預處理、 網路安全態勢特徵提取、 態勢評估、 態勢預測和態勢展示等過程來完成， 這其中涉及許多相關的技術問題， 主要包括數據融合技術、 數據挖掘技術、 特徵提取技術、 態勢預測技術和可視化技術等。
3.1 數據融合技術
由於網路空間態勢感知的數據來自眾多的網路設備， 其數據格式、 數據內容、 數據質量千差萬別， 存儲形式各異， 表達的語義也不盡相同。 如果能夠將這些使用不同途徑、 來源於不同網路位置、 具有不同格式的數據進行預處理， 並在此基礎上進行歸一化融合操作，就可以為網路安全態勢感知提供更為全面、 精準的數據源， 從而得到更為准確的網路態勢。 數據融合技術是一個多級、 多層面的數據處理過程， 主要完成對來自網路中具有相似或不同特徵模式的多源信息進行互補集成， 完成對數據的自動監測、 關聯、 相關、 估計及組合等處理， 從而得到更為准確、 可靠的結論。 數據融合按信息抽象程度可分為從低到高的三個層次： 數據級融合、 特徵級融合和決策級融合， 其中特徵級融合和決策級融合在態勢感知中具有較為廣泛的應用。
3.2 數據挖掘技術
網路安全態勢感知將採集的大量網路設備的數據經過數據融合處理後， 轉化為格式統一的數據單元。這些數據單元數量龐大， 攜帶的信息眾多， 有用信息與無用信息魚龍混雜， 難以辨識。 要掌握相對准確、 實時的網路安全態勢， 必須剔除干擾信息。 數據挖掘就是指從大量的數據中挖掘出有用的信息， 即從大量的、 不完全的、 有雜訊的、 模糊的、 隨機的實際應用數據中發現隱含的、 規律的、 事先未知的， 但又有潛在用處的並且最終可理解的信息和知識的非平凡過程（ NontrivialProcess） [1 ]。 數據挖掘可分為描述性挖掘和預測性挖掘， 描述性挖掘用於刻畫資料庫中數據的一般特性； 預測性挖掘在當前數據上進行推斷， 並加以預測。 數據挖掘方法主要有： 關聯分析法、 序列模式分析法、 分類分析法和聚類分析法。 關聯分析法用於挖掘數據之間的聯系； 序列模式分析法側重於分析數據間的因果關系；分類分析法通過對預先定義好的類建立分析模型， 對數據進行分類， 常用的模型有決策樹模型、 貝葉斯分類模型、 神經網路模型等； 聚類分析不依賴預先定義好的類， 它的劃分是未知的， 常用的方法有模糊聚類法、 動態聚類法、 基於密度的方法等。
3.3 特徵提取技術
網路安全態勢特徵提取技術是通過一系列數學方法處理， 將大規模網路安全信息歸並融合成一組或者幾組在一定值域范圍內的數值， 這些數值具有表現網路實時運行狀況的一系列特徵， 用以反映網路安全狀況和受威脅程度等情況。 網路安全態勢特徵提取是網路安全態勢評估和預測的基礎， 對整個態勢評估和預測有著重要的影響， 網路安全態勢特徵提取方法主要有層次分析法、 模糊層次分析法、 德爾菲法和綜合分析法。
3.4 態勢預測技術
網路安全態勢預測就是根據網路運行狀況發展變化的實際數據和歷史資料， 運用科學的理論、 方法和各種經驗、 判斷、 知識去推測、 估計、 分析其在未來一定時期內可能的變化情況， 是網路安全態勢感知的一個重要組成部分。 網路在不同時刻的安全態勢彼此相關， 安全態勢的變化有一定的內部規律， 這種規律可以預測網路在將來時刻的安全態勢， 從而可以有預見性地進行安全策略的配置， 實現動態的網路安全管理， 預防大規模網路安全事件的發生。 網路安全態勢預測方法主要有神經網路預測法、 時間序列預測法、 基於灰色理論預測法。
3.5 可視化技術
網路安全態勢生成是依據大量數據的分析結果來顯示當前狀態和未來趨勢， 而通過傳統的文本或簡單圖形表示， 使得尋找有用、 關鍵的信息非常困難。 可視化技術是利用計算機圖形學和圖像處理技術， 將數據轉換成圖形或圖像在屏幕上顯示出來， 並進行交互處理的理論、 方法和技術。 它涉及計算機圖形學、 圖像處理、 計算機視覺、 計算機輔助設計等多個領域。 目前已有很多研究將可視化技術和可視化工具應用於態勢感知領域， 在網路安全態勢感知的每一個階段都充分利用可視化方法， 將網路安全態勢合並為連貫的網路安全態勢圖， 快速發現網路安全威脅， 直觀把握網路安全狀況。
4 基於多源日誌的網路安全態勢感知
隨著網 絡規模的 擴大以及網 絡攻擊復雜度的增加， 入侵檢測、 防火牆、 防病毒、 安全審計等眾多的安全設備在網路中得到廣泛的應用， 雖然這些安全設備對網路安全發揮了一定的作用， 但存在著很大的局限，主要表現在： 一是各安全設備的海量報警和日誌， 語義級別低， 冗餘度高， 佔用存儲空間大， 且存在大量的誤報， 導致真實報警信息被淹沒。 二是各安全設備大多功能單一， 產生的報警信息格式各不相同， 難以進行綜合分析整理， 無法實現信息共享和數據交互， 致使各安全設備的總體防護效能無法得以充分的發揮。 三是各安全設備的處理結果僅能單一體現網路某方面的運行狀況， 難以提供全面直觀的網路整體安全狀況和趨勢信息。 為了有效克服這些網路安全管理的局限， 我們提出了基於多源日誌的網路安全態勢感知。
4.1 基於多源日誌的網路安全態勢感知要素獲取
基於多源日誌的網路安全態勢感知是對部署在網路中的多種安全設備提供的日誌信息進行提取、 分析和處理， 實現對網路態勢狀況進行實時監控， 對潛在的、惡意的網路攻擊行為進行識別和預警， 充分發揮各安全設備的整體效能， 提高網路安全管理能力。
基於多源日誌的網路安全態勢感知主要採集網路入口處防火牆日誌、 入侵檢測日誌， 網路中關鍵主機日誌以及主機漏洞信息， 通過融合分析這些來自不同設備的日誌信息， 全面深刻地挖掘出真實有效的網路安全態勢相關信息， 與僅基於單一日誌源分析網路的安全態
勢相比， 可以提高網路安全態勢的全面性和准確性。
4.2 利用大數據進行多源日誌分析處理
基於多源日誌的網路安全態勢感知採集了多種安全設備上以多樣的檢測方式和事件報告機制生成的海量數據， 而這些原始的日 志信息存在海量、 冗餘和錯誤等缺陷， 不能作為態勢感知的直接信息來源， 必須進行關聯分析和數據融合等處理。 採用什麼樣的技術才能快速分析處理這些海量且格式多樣的數據？
大數據的出現， 擴展了計算和存儲資源， 大數據自身擁有的Variety支持多類型數據格式、 Volume大數據量存儲、Velocity快速處理三大特徵， 恰巧是基於多源日誌的網路安全態勢感知分析處理所需要的。 大數據的多類型數據格式， 可以使網路安全態勢感知獲取更多類型的日誌數據， 包括網路與安全設備的日誌、 網路運行情況信息、 業務與應用的日誌記錄等； 大數據的大數據量存儲正是海量日誌存儲與處理所需要的； 大數據的快速處理為高速網路流量的深度安全分析提供了技術支持， 為高智能模型演算法提供計算資源。 因此， 我們利用大數據所提供的基礎平台和大數據量處理的技術支撐， 進行網路安全態勢的分析處理。
關聯分析。 網路中的防火牆日誌和入侵檢測日誌都是對進入網路的安全事件的流量的刻畫， 針對某一個可能的攻擊事件， 會產生大量的日誌和相關報警記錄，這些記錄存在著很多的冗餘和關聯， 因此首先要對得到的原始日誌進行單源上的關聯分析， 把海量的原始日誌轉換為直觀的、 能夠為人所理解的、 可能對網路造成危害的安全事件。 基於多源日誌的網路安全態勢感知採用基於相似度的報警關聯， 可以較好地控制關聯後的報警數量， 有利於減少復雜度。 其處理過程是： 首先提取報警日誌中的主要屬性， 形成原始報警； 再通過重復報警聚合， 生成聚合報警； 對聚合報警的各個屬性定義相似度的計算方法， 並分配權重； 計算兩個聚合報警的相似度， 通過與相似度閥值的比較， 來決定是否對聚合報警進行超報警； 最終輸出屬於同一類報警的地址范圍和報警信息， 生成安全事件。
融合分析。 多源日誌存在冗餘性、 互補性等特點，態勢感知藉助數據融合技術， 能夠使得多個數據源之間取長補短， 從而為感知過程提供保障， 以便更准確地生成安全態勢。 經過單源日誌報警關聯過程， 分別得到各自的安全事件。 而對於來自防火牆和入侵檢測日誌的的多源安全事件， 採用D-S證據理論（由Dempster於1967年提出， 後由Shafer於1976年加以推廣和發展而得名） 方法進行融合判別， 對安全事件的可信度進行評估， 進一步提高准確率， 減少誤報。 D-S證據理論應用到安全事件融合的基本思路： 首先研究一種切實可行的初始信任分配方法， 對防火牆和入侵檢測分配信息度函數； 然後通過D-S的合成規則， 得到融合之後的安全事件的可信度。
態勢要素分析。 通過對網路入口處安全設備日 志的安全分析， 得到的只是進入目 標網路的可能的攻擊信息， 而真正對網路安全狀況產生決定性影響的安全事件， 則需要通過綜合分析攻擊知識庫和具體的網路環境進行最終確認。 主要分為三個步驟： 一是通過對大量網路攻擊實例的研究， 得到可用的攻擊知識庫， 主要包括各種網路攻擊的原理、 特點， 以及它們的作用環境等； 二是分析關鍵主機上存在的系統漏洞和承載的服務的可能漏洞， 建立當前網路環境的漏洞知識庫， 分析當前網路環境的拓撲結構、 性能指標等， 得到網路環境知識庫； 三是通過漏洞知識庫來確認安全事件的有效性， 也即對當前網路產生影響的網路攻擊事件。 在網路安全事件生成和攻擊事件確認的過程中， 提取出用於對整個網路安全態勢進行評估的態勢要素， 主要包括整個網路面臨的安全威脅、 分支網路面臨的安全威脅、 主機受到的安全威脅以及這些威脅的程度等。
5 結語
為了解決日益嚴重的網路安全威脅和挑戰， 將態勢感知技術應用於網路安全中， 不僅能夠全面掌握當前網路安全狀態， 還可以預測未來網路安全趨勢。 本文在介紹網路安全態勢相關概念和技術的基礎上， 對基於多源日誌的網路安全態勢感知進行了探討， 著重對基於多源日誌的網路安全態勢感知要素獲取， 以及利用大數據進行多源日誌的關聯分析、 融合分析和態勢要素分析等內容進行了研究， 對於態勢評估、 態勢預測和態勢展示等相關內容， 還有待於進一步探討和研究。

❼ 網路安全態勢感知和防護處置平台功能展現有日常場景從寶場景還有一個什麼場景

摘要 春秋雲勢網路安全態勢感知與處置平台

❽ 大數據時代:如何守護我們的數據安全

大數據時代:如何守護我們的數據安全
不管你承認不承認，我們已經全面進入了大數據時代。無時無刻，我們的很多信息都被通過各種途徑傳播出去，這就必然導致安全問題的產生。
大數據的安全問題有多嚴重？在此前舉辦的「2016中國大數據產業峰會」上發生的一個實例，就可見一斑。
在360展區，市民嚴女士隨手將錢包、手機放到安檢筐里，空手走過安檢門。她通過安檢門，突然發現大屏幕上顯示出自己銀行卡的姓名拼音、身份證號、銀行卡號、卡片有效期、最近10次的消費時間、消費地點、取現記錄、轉賬記錄等等。嚴女士驚呼：「遇到了魔術師」。
360安全專家劉洋解釋，實際上，存放手機錢包的安檢筐里存有一張具有NFC(近距離通信)功能的無線讀卡器，旁邊還有配套的信號接收器和電腦等設備，就像公交車刷卡器，只要銀行卡靠近讀卡器，卡片的信息就顯示出來，安檢門其實就是「安全魔術師」手中的障眼法。就在嚴女士將錢包放進安檢筐的那一刻，嚴女士的個人信息就已經泄露了。
那麼，我們靠什麼來保障我們的數據安全呢？難道我們只能看著個人的數據和隱私到處泄露嗎？
數據安全事件日益高發
近來，大數據安全事件呈高發之勢。日前，廣東警方破獲一起高科技經濟犯罪案件，17歲的「黑客」葉世廣，攻破了多個商業銀行網站，竊取了儲戶的身份證號、銀行卡號、支付密碼等數據，帶領一批人在網上大肆盜刷別人的信用卡，涉案金額近15億元，涉及銀行49家。
今年2月，發生了世界上有史以來規模最大的網路盜竊案。黑客入侵了孟加拉國央行在紐約聯邦儲備銀行的賬戶，盜走了8100萬美元，後來孟加拉國官方表示，黑客出現了一個拼寫錯誤，否則隨後還將進行一筆近10億美元的轉賬。
今年3月，與敘利亞有關聯的激進黑客組織對一個自來水廠發起網路攻擊。黑客操縱系統改變了進入到自來水中的化學物含量，阻礙凈水過程。
類似的案例不勝枚舉。
360公司總裁齊向東向《中國科學報》記者表示，接入互聯網的設備越多，網路攻擊的發生幾率就越高，網路攻擊首先瞄準大數據，攻擊造成大數據丟失、情報泄密和破壞網路安全運行。大數據技術是一把雙刃劍，既可以造福社會、造福人民，又可以被一些人用來損害社會公共利益和民眾利益。
大數據安全體系構建勢在必行
「在互聯網乃至物聯網時代，如果我們不能很好地解決安全問題，就會影響社會各方面的發展。因此，各級政府在鼓勵發展大數據的同時，要同步考慮構建大數據安全體系。」齊向東表示。
值得注意的是，傳統的網路安全思路已經無法保障大數據時代的安全。劉洋向記者介紹，傳統網路安全的防護思路是劃分邊界，將內網、外網分開，業務網和公眾網分離，用終端設備將潛在風險隔離。通過在每個邊界設立網關設備和網路流量設備，來守住「邊界」，以期解決安全問題。但隨著移動互聯網、雲服務的出現，移動終端在4G信號、Wi-Fi信號、電纜之間穿梭，網路邊界實際上已經消亡。
「很多傳統的大企業認為，只要自己購買伺服器並搭建獨立的機房，安排專門的技術人員就能夠保護企業的數據不被泄露，能夠保護企業的信息安全。但實際上，在如今的互聯網時代，這種傳統的方法更加容易被不法分子所攻破。」阿里雲安全資深總監肖力向《中國科學報》記者介紹，這是因為從技術實力來看，絕大部分企業並不是專門做網路安全、數據安全，其設置的技術壁壘難以阻擋專業的黑客。
齊向東介紹，360安全中心每天發現木馬樣本近千萬個，每天發現的各種軟硬體漏洞、網站漏洞超過120個，「每一個木馬每一個漏洞，都可能攻破預先部署的安全設備和安全軟體」。這種情況下，企業的傳統防護的確難以奏效。
雲平台和大數據需「雙劍合璧」
在采訪中，有專家認為，對付大數據時代的數據安全問題，防止信息泄露，除了完善相關法製法規，更加需要雲平台的防護技術，結合大數據技術來應對數據安全。
「在雲計算不斷深入發展的當下，將數據存儲在雲平台上，或許比傳統的企業信息防護更加安全。」肖力介紹，以阿里雲為例，阿里雲在架構設計之初就同步考慮了安全架構，不僅將安全的基因植入到整個雲平台和各個雲產品中，也將數據安全要求嵌入產品開發生命周期的各個環節。依靠專業的雲計算平台，強大的技術團隊能夠更好地應付來自黑客的攻擊。
不同用戶之間，無論是CPU、內存，還是存儲和網路，都默認相互隔離，既看不到對方的數據，也不會相互影響。「就像一間五星級酒店被分割成多個房間，他們之間是相互獨立和封閉的，從而確保不同租戶互不幹擾和數據隔離。」肖力表示。
據介紹，目前全國35%的網站的數據安全防護都依託於阿里雲平台的防護。阿里雲的雲盾，涵蓋網路安全、伺服器安全、數據安全、業務安全和移動安全這五個安全領域，來保護數據安全。
360也有自己的雲安全管理平台。劉洋介紹，該平台將360獨有的雲安全漏洞挖掘能力輸出給廣大用戶，通過統一管理、安全可見以及網路、主機、應用、數據的分層縱深防禦，為用戶全面解決雲安全問題。
「用大數據技術來解決大數據時代的安全問題十分必要。」齊向東進一步指出，必須建立「數據驅動安全」的思維，搭建全新的互聯網安全體系—「傳統安全+互聯網+大數據」。也就是說，要利用漏洞挖掘技術、網路攻擊技術、軟體樣行為分析技術以及由網路地址解析資料庫、網路訪問日誌資料庫、文件黑白名單資料庫等組成大數據系統與分析技術，構建全天候全方位感知網路安全態勢。「要基於強大的大資料庫、利用先進的大數據技術和廣泛的用戶覆蓋率，提前感知網路威脅態勢，為大眾提供未知威脅的發現與回溯功能並進行有效防護。」齊向東說。
「未來還應當聯合各方力量，共建互聯網安全產業鏈生態，來應對大數據時代的安全風險。」肖力表示。

❾ 大數據與大規模網路安全感知技術初探

大數據與大規模網路安全感知技術初探
快速發展的互聯網技術不斷地改變人們的生活方式，然而，多層面的安全威脅和安全風險也不斷出現。對於一個大型網路，在網路安全層面，除了訪問控制、入侵檢測、身份識別等基礎技術手段，需要安全運維和管理人員能夠及時感知網路中的異常事件與整體安全態勢。對於安全運維人員來說，如何從成千上萬的安全事件和日誌中找到最有價值、最需要處理和解決的安全問題，從而保障網路的安全狀態，是他們最關心也是最需要解決的問題。與此同時，對於安全管理者和高層管理者而言，如何描述當前網路安全的整體狀況，如何預測和判斷風險發展的趨勢，如何指導下一步安全建設與規劃，則是一道持久的難題。
隨著大數據技術的成熟、應用與推廣，網路安全態勢感知技術有了新的發展方向，大數據技術特有的海量存儲、並行計算、高效查詢等特點，為大規模網路安全態勢感知的關鍵技術創造了突破的機遇。本文將對大規模網路環境下的安全態勢感知、大數據技術在安全感知方面的促進做一些探討。
對於一個大規模的網路而言，面臨的風險也是巨大的，可分為廣度風險和深度風險。從廣度上講，以中國移動的CMNET網路為例，所轄IP地址超過3000萬個，提供對外服務的網站數千個，規模大、節點類型豐富多樣，伴隨其中的安全問題隨網路節點數量的增加呈指數級上升。從深度上講，下一代移動互聯網安全威脅主要表現在傳統攻擊依然存在且手段多樣、APT（高級持續性威脅）攻擊逐漸增多且造成的損失不斷增大。而攻擊者的工具和手段呈現平台化、集成化和自動化的特點，具有更強的隱蔽性、更長的攻擊與潛伏時間、更加明確和特定的攻擊目標。以上造成了下一代安全威脅具有更強的殺傷能力與逃避能力。結合廣度風險與深度風險來看，大規模網路所引發的安全保障的復雜度激增，主要面臨的問題包括：安全數據量巨大；安全事件被割裂，從而難以感知；安全的整體狀況無法描述。
網路安全感知能力具體可分為資產感知、脆弱性感知、安全事件感知和異常行為感知4個方面。資產感知是指自動化快速發現和收集大規模網路資產的分布情況、更新情況、屬性等信息；脆弱性感知則包括3個層面的脆弱性感知能力：不可見、可見、可利用；安全事件感知是指能夠確定安全事件發生的時間、地點、人物、起因、經過和結果；異常行為感知是指通過異常行為判定風險，以彌補對不可見脆弱性、未知安全事件發現的不足，主要面向的是感知未知的攻擊。
一個相對完整的網路安全感知的能力模型與架構設計如下圖所示：
隨著Hadoop、NoSQL等技術的興起，BigData大數據的應用逐漸增多和成熟，而大數據自身擁有Velocity快速處理、Volume大數據量存儲、Variety支持多類數據格式三大特性。大數據的這些天生特性，恰巧可以用於大規模網路的安全感知。首先，多類數據格式可以使網路安全感知獲取更多類型的日誌數據，包括網路與安全設備的日誌、網路運行情況信息、業務與應用的日誌記錄等；其次，大數據量存儲與快速處理為高速網路流量的深度安全分析提供了技術支持，可以為高智能模型演算法提供計算資源；最後，在異常行為的識別過程中，核心是對正常業務行為與異常攻擊行為之間的未識別行為進行離群度分析，大數據使得在分析過程中採用更小的匹配顆粒與更長的匹配時間成為可能。
中國移動自2010年起在雲計算和大數據方面就開始了積極探索。中國移動的「大雲」系統目前已實現了分布式海量數據倉庫、分布式計算框架、雲存儲系統、彈性計算系統、並行數據挖掘工具等關鍵功能。在「大雲」系統的基礎上，中國移動的網路安全感知也具備了一定的技術積累，進行了大規模網路安全感知和防禦體系的技術研究，在利用雲平台進行脆弱性發現方面的智能型任務調度演算法、主機和網路異常行為發現模式等關鍵技術上均有突破，在安全運維中取得了一些顯著的效果。
大數據的出現，擴展了計算和存儲資源，提供了基礎平台和大數據量處理的技術支撐，為安全態勢的分析、預測創造了無限可能。