当前位置:首页 > 业界资讯 >

信息安全防御进入主动防御时代

发布时间:2016-04-07 15:31:55 来源: 作者:
[摘要]随着网络安全和分析的出现,相比于被动防守,主动出击变得越来越重要。Lucker 说,现在更需要做的是用数据分析和认知计算和机器学习方法,去预测公司的的什么方面容易受到攻击,和已知的漏洞会如何演变成新的漏洞。

网络安全:进攻是最好的防御

网络安全一词在德勤的趋势列表中已经不是第一次出现了,它从去年就开始被提及。“市场中正在发生一个改变。”Lucker认为。他引用了一个IDC 的发现——去年,全球金融服务行业在信息安全上花费近274亿美元。这些机构不再满足于传统的被动式的安全模式,而是开始采用预测性的方法威胁情报和监控代替之。这些方法包括自动扫描可能威胁机构安全的聊天记录,和通过分析过去的实施来构建能够预测未来威胁的数学模型。

随着网络安全和分析的出现,相比于被动防守,主动出击变得越来越重要。Lucker 说,现在更需要做的是用数据分析和认知计算和机器学习方法,去预测公司的的什么方面容易受到攻击,和已知的漏洞会如何演变成新的漏洞。

总的来说,德勤认为网络安全将会得到更多更广泛的投资,同时与数据分析也会产生越来越紧密的联系。

网络安全威胁也与2016年其他的趋势息息相关。Lucker建议一些机构可以考虑放慢脚步,更加理性的分析他们的关注点,例如在网络安全中心搭建完毕之前,应该强调数据采集方面的工作。

大数据和物联网就是两个很好的例子。在过去,机构常常会忽视在存储大数据和物联网相关信息时系统的安全问题。但是当把这些项目从测试阶段转移到产品阶段的时候,网络安全问题已经变得日益明显。

数据分析师:员工荒

另外一个常见的趋势就是,找到并留下数据分析人才难上加难。Lucker引用了2015 MIT 斯隆管理报告——百分之四十的公司很难找到他们需要的数据分析人才。

许多大学都在努力培养优秀的数据科学人才,但是数量毕竟有限。而对于高端人才来说竞争则会变得更加激烈。

Lucker认为,公司应该认识到,他们需要和教育机构建立更加紧密的联系。在公司和大学之间构建一个真正的合作关系是已经变得日益重要。

另外,他指出吸引数据分析人才只是一个方面,公司更应该思考如何才能留下这些人才。只有为员工提供良好的数据科学职业规划和多元化的工作,才能培养员工与公司之间的感情。相反,每天重复性的工作很容易会造成人才的流失。

人机关系:日益紧密

根据IDC的预测,在2025年之前商界将会对机器认知投入超过600亿美金。尽管许多预测表面,人工智能的发展将会大规模的减少人类的就业机会。Lucker却认为领军企业会通过人力投入来提高机器的工作质量。毕竟,人类智慧是人工智能的基础,而且机器的工作情况和质量也需要人工来把关。另一方面,人工可以在很多方面充当机器的一个补充,尤其在一些要求高创造力和情感投入的工作岗位中。

换句话说,人类与机器的是互补互助的关系,而非相互替代的关系。

Lucker认为人工智能只是工具箱里的另一个工具而已,它并不能用来解决所有问题。“它只是一个补充工具,是那些数据分析科学家们所用的一大堆分析工具中的新成员。”

“更何况,”Lucker补充道,“人工智能的结果全部都需要人类高级别的判断能力来进行分析和测试。”

物联网与人

在2016年,人类将会重新作为物联网的一个重要的组成成分。物联网已经从一个简单有意思的小工具快速进化成为一个能跟踪、影响人类的行为,并且开始催生新的商业模式的热点词汇。

Lucker认为,在以消费者为中心和B2B的商业领域都在发生着围绕IoT的创新,并且这些成果将会对商业模式和工业界产生重大影响。

当我们具有能跟踪人类行为活动的能力时,就意味着,围绕着出行模式,消费模式的新的商业模式成为了可能。Uber就是一个很好的例子。

Lucker表示,许多公司已经有了必要的基础设施。例如,汽车保险公司已经开始用用户的智能手机数据来支持“按距离收费”的应用软件。健康保险公司开始利用可穿戴智能设备的数据来给长期从事健身活动的消费者指定折扣。另外,传感器数据也开始被用来监控长途运输管理。

德勤在报告中指出,很难想出一个不会被物联网改变的行业。尽管制定物联网相关的标准还需要很多努力,已经有很多物联网应用能够为我们的生活创造价值,其中包括帮助人们保持健康,提高效率,节省开支等等。

科学家的胜利

由于数据开始潜在影响商业的每一个角落,科学家在商业领域开始有了一个崭新的定位。需要明确的是,数据分析并不是一个新的技术,它在商业领域中的已经有了数十年的历史。但是最新的技术发展和数据处理能力使得科学与科学家在商业界变得尤其重要。

报告还说,商业界并不是唯一一个在数据分析技术上有着卓越进展的领域。学术界或许才是引领数据分析技术的先锋。大学,实验室以及其他科研单位在过去的一些年中一直在应用和改进数据分析的方法。这些应用领域包括许多方面,微观方面有分子生物学和太空物理学,宏观方面包括社会科学以及更广的领域。在许多案例上,他们并不用“数据分析”这个词,在他们看来,这些技术本身都是“科学”。

但是当前的社会环境鼓励科学家能够走出实验室进入工业界,因为在科学研究中开发出来的工具很多都能够很好地被工业界所利用。例如,科学家发明的观察DNA的许多工具也可以帮助工业界从成千上万的邮件中提取有用的信息。

Lucker提到,许多在核心科学中的概念,算法和技术正在被以一种独特强力的方式应用到许多商业领域当中。例如,“文字分析正在利用基因排序技术来快速识别语言文字中的特征。这些技术对于商业界而言是一套全新的算法和分析能力。”

概念驱动型公司的崛起

在过去的一些年里,德勤和其他一些咨询公司都曾提到了一些依赖数据进行商业决策的公司,这种公司被它们称为概念驱动型公司。Lucker说,在过去,他们看到一些企业从只分析一些特殊的目标数据,到分析大范围的整个领域的数据。他们把这些企业称之为IDOs.

这些IDO并不是简单地在商业领域的某一个部分来利用数据进行决策分析。它们把策略,人力,过程,数据以及技术等多个部分紧密的组合在一起,来玩公司运营的每一处提供决策辅助。一个例子就是通过分析人力资源数据,产品信息以及市场数据来分析在所有销售有关人员的表现情况。

“通过分析所有和企业相关的数据,我们可以构建一个企业级的宏观图景。”Lucker表示。

【返回首页】