计世资讯:用户对大数据安全分析需求逐渐迫切

简介:

ZDNET至顶网CIO与应用频道 05月16日 北京消息:近日,在计世资讯进行的一次关于大数据的调查中,结果显示,越来越多的用户对基于大数据的安全分析解决方案的需求逐渐迫切。

在问及大数据中哪些细分领域会越来越受关注时,被访的30位用户中,有23位选择了基于大数据的安全分析,而在一年前做同样调查时,选择这一选项的数量只有10人,显而易见基于大数据技术的安全分析是一个新兴的需求领域。

当前,很多企业已经应用了商业化或开源的大数据技术来支撑业务系统,大数据的价值越来越高。而基于大数据的安全分析技术,则通过搜集来自多种数据源的信息安全数据,深入分析挖掘有价值的信息,对未知安全威胁做到提前响应,降低风险,实现最佳的安全防护,基于大数据的智能安全分析必然将是一个热门的大数据细分领域。

计世资讯计算机系统研究部总监丁震认为,如果大数据解决方案供应商还抱着陈旧的思路和产品技术不放,只是满足于修修补补,一定会在这次技术革新的浪潮里面败下阵来。针对用户这样的需求,解决方案提供商需要不断增强研发,提高解决方案的价值才能赢得更多的客户。但是纵观国内市场,目前基于大数据的安全应用还比较少,厂商应当加大投入和技术研发力量,协同业界共同努力,以打造出更多更有价值的安全分析应用。有了大数据的支撑,创新的信息安全技术将会更好地应对安全威胁。

原文发布时间为:2014年05月16日
本文来自云栖社区合作伙伴至顶网,了解相关信息可以关注至顶网。
目录
相关文章
|
6天前
|
SQL 分布式计算 数据可视化
Tableau与大数据:可视化工具在大数据分析中的应用
【4月更文挑战第8天】Tableau是一款领先的数据可视化工具,擅长于大数据分析,提供广泛的数据连接器,支持多源整合。它与Hadoop、Spark等深度集成,实现高效大数据处理。Tableau的拖拽式界面和交互式分析功能使得非技术人员也能轻松探索数据。在实战中,Tableau用于业务监控、数据storytelling和自助式分析,推动数据民主化,提升决策效率。未来,Tableau将持续创新,扩展生态系统,并保障数据安全与合规性,助力企业最大化数据价值。
46 0
|
6天前
|
数据可视化 大数据 Python
python大数据分析处理
python大数据分析处理
15 0
|
6天前
|
机器学习/深度学习 人工智能 大数据
AI时代Python金融大数据分析实战:ChatGPT让金融大数据分析插上翅膀
AI时代Python金融大数据分析实战:ChatGPT让金融大数据分析插上翅膀
|
6天前
|
存储 机器学习/深度学习 数据采集
大数据处理与分析实战:技术深度剖析与案例分享
【5月更文挑战第2天】本文探讨了大数据处理与分析的关键环节,包括数据采集、预处理、存储、分析和可视化,并介绍了Hadoop、Spark和机器学习等核心技术。通过电商推荐系统和智慧城市交通管理的实战案例,展示了大数据在提高用户体验和解决实际问题上的效能。随着技术进步,大数据处理与分析将在更多领域发挥作用,推动社会进步。
|
6天前
|
存储 运维 监控
|
6天前
|
存储 数据可视化 大数据
大数据分析与处理:探索数据的深层价值
大数据分析与处理:探索数据的深层价值
43 2
|
6天前
|
存储 分布式计算 大数据
使用 Java 进行大数据处理和分析
【4月更文挑战第19天】本文探讨了Java在大数据处理中的关键作用,涉及Hadoop框架、HDFS数据存储、MapReduce编程模型及Spark等数据分析工具。还包括数据预处理、可视化、性能优化、安全与隐私保护以及完整处理流程。Java在金融、医疗、电商等领域有广泛应用,为大数据洞察和决策提供支持,但同时也需要开发者具备深厚的技术背景和实践经验。
|
6天前
|
缓存 大数据 Python
python利用代理IP分析大数据
python利用代理IP分析大数据
|
6天前
|
人工智能 分布式计算 安全
Azure Databricks实战:在云上轻松进行大数据分析与AI开发
【4月更文挑战第9天】探索Microsoft Azure的Databricks服务,体验其在大数据分析和AI开发中的高效性能。此平台简化流程,提升效率,适用场景包括数据湖分析、实时流处理和AI开发。核心优势在于一体化平台设计、云原生的弹性伸缩和企业级安全保障。Databricks提升研发效能,无缝集成Azure生态,且持续创新,是应对大数据挑战和加速AI创新的理想工具。
43 1
|
6天前
|
数据采集 数据可视化 算法
Python在大数据分析中的力量:Pandas、NumPy与SciPy
【4月更文挑战第8天】Pandas、NumPy和SciPy是Python数据分析的核心,构成其在大数据领域的重要地位。Pandas提供高效的数据操作,包括DataFrame和Series结构,以及数据清洗和预处理工具。NumPy专注于数组计算,提供高性能的ndarray和数学函数。SciPy则包含专业算法,适用于科学与工程计算。这三者协同工作,覆盖数据分析的全过程,形成强大的Python生态系统。随着社区的不断创新和新库的涌现,如Dask和CuDF,Python在大数据分析领域的潜力将持续增长。
54 0

热门文章

最新文章