大数据分析的安全如何定义

大数据分析的安全如何定义？
    在之**篇《为什么需要大数据安全分析》文章中，我们已经阐述了一个重要观点，即：安全要素信息呈现出大数据的特征，而传统的安全分析方法面临重大挑战，信息与网络安全需要基于大数据的安全分析。那么，到底什么是大数据安全分析，他与我们一般意义上的大数据分析有何异同之处？这首先要让我们从大数据自身的定义开始。
一、什么是大数据？
　　如何定义大数据？《大数据的冲击》一书将大数据通俗定义为“用现有的一般技术难以管理的大量数据的集合”，并广义地定义为“一个综合性概念，它包括因具备特征而难以进行管理的数据，对这些数据进行存储、处理、分析的技术，以及能够通过分析这些数据获得实用意义和观点的人才和组织。”
　　Gartner将大数据定义为“海量、高速、多变的信息资产，需要对它进行经济的、创新性的信息处理从而获得追赶以往的洞察力、决策支持能力和处理的自动化”。
二、大数据基本特征
　　大数据的三个公认的基本特点是3V，即海量、高速和多变。海量是指数据容量越来越大;高速表示需要处理的速度和响应的时间越来越快，对系统的延时要求相当高;多变就要处理各种各样类型的数据，包括结构化的、半结构化的、甚至是非结构化的数据。
　　IBM在上述三个特点基础之上增加了一个V(Veracity)，即“真实性”、“准确性”。IBM认为只有真实而准确的数据才能让对数据的管控和治理真正有意义。
　　此外，业界还有人总结出其它的大数据特点，例如低价值密度(Value)、存活性(Viability)，等等。低价值密度是指大数据中真正有意义的信息含量比重低;存活性是指特定情况下的大数据具有很强的时效性。
三、如何定义大数据分析
　　大数据技术的核心就是大数据分析(Big Data Analysis / Analytics)。一般地，人们将大数据分析定义为一组能够高效存储和处理海量数据、并有效达成多种分析目标的工具及技术的集合。
　　通俗地讲，大数据分析技术就是大数据的收集、存储、分析和可视化的技术，是一套能够解决大数据的4V(海量、高速、多变、低密度)问题，分析出高价值(Value)的信息的工具集合。
四、何为大数据安全分析
　　当前网络与信息安全领域，正在面临着多种挑战。一方面，企业和组织安全体系架构的日趋复杂，各种类型的安全数据越来越多，传统的分析能力明显力不从心;另一方面，新型威胁的兴起，内控与合规的深入，传统的分析方法存在诸多缺陷，越来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响应。信息安全也面临大数据带来的挑战。
　　必须特别指出的是，大数据安全分析是指利用大数据技术来进行安全分析，而非我们一般所言的大数据安全(Big Data Security)。大数据安全，通常是指研究如何保护大数据自身的安全，包括针对大数据计算和大数据存储的安全性。
　　此外，大数据安全分析要产生实际价值还离不开安全分析师。
五、大数据分析安全平台
　　大数据安全分析不是一个产品分类，而代表一种技术，一种安全分析的理念和方法。各种安全产品都能够运用大数据安全分析技术去重塑自身。
　　在一个较为完备的基于大数据安全分析的解决方案中，往往会有一个大数据安全分析平台作为整个方案的核心部件，承载大数据分析的核心功能，将分散的安全要素信息进行集中、存储、分析、可视化，对分析的结果进行分发，对分析的任务进行调度，将各个分散的安全分析技术整合到一起，实现各种技术间的互动。