如何整合复杂技术，打造数据分析平台？

随着企业安全边界的扩大化模糊化、各类威胁新出速度越来越快、影响越来越广，视企业安全边界为静态、仍然依赖各种特征码技术的传统安全思路早已落后，无法实际解决安全问题。必须通过各种创新，整合大数据、人工智能、可视化等领域的最新技术进展，安全产品才能解决目前和将来的企业安全难题。

但如何选择并整合各种技术是复杂系统工程，比常规企业安全软件开发需要考虑更多因素。本次分享中对大数据、人工智能、可视化的最新进展和应用案例做个总结，重点讨论大数据平台云部署运维、交互批处理与实时流处理的关系、有监督学习解决的安全问题和大数据可视化这四个细分领域。《贵阳大数据学习》

以下：

大家晚上好，感谢大家参与这次分享，感谢 InfoQ AI 前线组织这次瀚思科技主题月！我们成立于三年前，按行业划分是一家安全公司。但和大家熟知的卖杀毒软件的传统安全公司很不一样，瀚思帮助各种中大型企业搭建安全大数据的分析平台，在平台上实时运行各种机器学习算法的安全分析策略，最终帮助企业定位各种安全问题。所以我们自认为也是一家大数据 +AI 公司。

我们常被人问到，为什么要选择这个“大数据 +AI+ 安全”这个对工程能力要求很高的混搭方向呢？

第一，当然是因为看好这个方向，我们认为这个方向是网络安全领域发展的大趋势。这个趋势虽然今天说起来显而易见，毕竟现在所有的新旧安全厂商都说自己有 AI 能力，但三年前，安全界大部分人都不清楚 AI 能具体解决哪些安全问题，套用 AI 界的热门话题词，也就是常说的不清楚“AI 怎么落地”，整个安全界也是在这几年内摸索前进才有了些共识。

那第二的原因更直接，那就是，我们以前做过这个方向，有信心有能力在这个方向上，比别的其他厂家做得更好。从 2004 年开始，我们就用 SVM 算法对病毒样本分类，然后在 Hadoop 刚兴起不久的 2008 年就开始基于 Hadoop 和 HBase 搭建大规模互联网网站安全分析平台。

所以这个主题月的几个分享的议题也是结合大数据 +AI 落地上这几年的一些经验，和大家探讨下整个平台搭建成功的关键因素。