保障信息安全不得不做的功课：大数据与机器学习
更多全球网络安全资讯尽在E安全官网www.easyaq.com
Gartner公司研究副总裁威尔·卡佩利预测，大数据和机器学习将为改进信息安全方面发挥越来越重要的作用。
卡佩利专注于将大数据和机器学习技术应用到IT运维和应用程序性能监控，他曾在Meta Group担任研究总监，并在多家研究公司担任分析和管理职位。
大数据与机器学习前景一片光明
卡佩利指出，技术需求如今仍然非常强劲。他在接受信息安全媒体集团采访时表示，Gartner估计2016年市场规模，全球将大数据和机器学习应用到安全用例的花费近8亿美元（约55亿人民币），大数据占比约80%，机器学习20%。
企业正将这些技术视为一个架构的两大组成部门。典型的用例是部署大数据日志管理平台，然后在平台上部署某类机器学习能力，以自动发现数据中的隐藏模式，例如未授权访问。
又比如，许多大数据客户使用大数据技术获取应用程序日志，然后利用机器学习发现异常行为。
卡佩利预测，对许多组织机构而言，大数据和机器学习这两大技术均能作为强大的网络安全工具，未来将必不可少。
卡佩利还讨论了大数据和机器学习从广泛的IT应用演进到特定的安全功能、这些技术的新兴用例、以及部署这些技术的先决条件。
为何大数据和机器学习未来必不可少？
为何大数据和机器学习未来必不可少？
机器学习：是一种新的编程方式，它不需要人类来总结经验、输入逻辑，人类只需要把大量数据输入给计算机，然后计算机就可以自己总结经验归纳逻辑，机器学习用某些算法指导计算机利用已知数据得出适当的模型，并利用此模型对新的情境给出判断的过程。实际上就是让计算机具备像人一样的学习能力的高端技术，进而从堆积如山的数据中寻找出有用的知识。
这种新的编程方式未来可能成为日常软件开发中常用的技术，用来解决一些传统编程方式不太好解决的问题。
在这整个过程中，最关键的是数据！最终又与大数据紧密联系起来。因此，可以说机器学习是一位无名英雄，它默默地支持着大量极为复杂的大数据分析应用。因此有大数据就会有机器学习。
大数据应用广泛
大数据应用广泛
大数据的类型大致可分为以下三类：
传统企业数据（Traditional enterprise data）：包括 CRM systems的消费者数据，传统的ERP数据，库存数据以及账目数据等。
机器和传感器数据（Machine-generated /sensor data）：包括呼叫记录（Call Detail Records），智能仪表，工业设备传感器，设备日志（通常是Digital exhaust），交易数据等。
社交数据（Social data）：包括用户行为记录，反馈数据等。如Twitter，Facebook这样的社交媒体平台。
未来越来越多的安全工作需要依靠这两大工具来完成。E安全小编温馨提示那些尚未找到学习方向的同志！登上大数据与机器学习的火车，未来网络安全由你保护。
E安全要闻简讯
官网：
2017年6月