大数据分析将成为应对勒索病毒的第一道防线

本文涉及的产品
.cn 域名,1个 12个月
云原生大数据计算服务MaxCompute,500CU*H 100GB 3个月
云原生大数据计算服务 MaxCompute,5000CU*H 100GB 3个月
简介:

人们很少阻止和思考恶意软件的演变。人们应该这样做,因为随着时间的推移,它将变得越来越复杂。

ElkCloner是第一个已知被广泛传播的计算机病毒。它由Richard Skrenta在35年前创建。这种病毒或多或少是一个恶作剧,虽然这对于在软盘上意外感染了这个病毒的人来说肯定是一种痛苦。

如今的恶意软件可不是一个恶作剧。它可以削弱整个计算机系统,并销毁大量有价值的数据。勒索软件(Ransomware)让人厌恶。如果它安装在计算机上,可能导致整个系统关闭,直到支付赎金。

Wannacry是世界各地袭击电脑的最新最危险的勒索病毒。据新闻报道,这个恶意软件感染了150多个国家的大量电脑。受害者向黑客支付了不到七万美元的费用,但是很多人的文件在感染病毒后遭到破坏。

其他形式的勒索病毒更有效。他们经常以害怕信息被暴露的企业或个人为目标,这些目标可能以不惜一切代价保护自己的商业秘密或隐私。

美国联邦调查局表示,一些勒索软件是如此有效,他们往往建议受害者支付赎金。否则,他们的数据可能会永久受损。

那么,网络安全专家可以做什么来防止勒索软件造成这样的肆意破坏?没有一种简单的答案,但大数据在未来几个月将是非常有用的。

大数据将如何防止未来的勒索软件爆发?

在过去五年中,网络安全专家表示,大数据将在打击恶意软件方面发挥关键作用。行业专家RahulDasgupta说,传统的防恶意软件解决方案的一个问题是,他们无法阻止病毒实时复制或快速发展,以应对新的威胁。他表示,大数据分析将被纳入市场上更多的防病毒应用程序中,因为它解决了许多这样的问题。

“为了提高以前的杀毒方法的低效率,新一代的技术必须自动分析恶意软件,而不仅仅依赖于从其他客户端计算机捕获的以前的样本...多个检测引擎能够同时工作,尽管连接到不同的客户端计算机提高收到数据的速度,并进行分析。持续研究行为模式和可视化事件数据使得安全分析人员可以在攻击实际发生之前发现模式。为了进行数据可视化处理,需要大量数据,由于云计算网络实时连接,因此可以使用这些数据。因此,大数据分析有助于企业有可能在感染或危害系统之前识别和阻止网络威胁。”Dasgupta说。

未来几年,大数据将如何在遏制篡改和其他恶意软件方面发挥重要作用?以下分享一些见解。

监控DNS来源

黑客经常设置新的域名来传播恶意软件。由于许多黑客每7到14天回收一次域名,所以如果企业不仔细地监控这些域名,则很难识别它们。

大数据分析可以更方便地监控DNS来源,并查找为传播恶意软件而设计的域名。

使用C2级系统应对黑名单

列入黑名单的危险的网络流量是每个网络安全专家应该采取的一个非常重要的预防措施。大数据使网络安全专业人士能够开发C2级系统(注:C2级具有访问控制环境的权力,比C1的访问控制划分的更为详细,能够实现受控安全保护、个人帐户管理、审计和资源隔离。这个级别的系统包括UNIX、LINUX和WindowsNT系统),可以从所有已知的黑名单聚合域和IP地址。这是比人工识别需要阻止的不受信任流量源更有效的解决方案。在2017年,每天都有数百万个危险的已知的IP地址和新的IP地址。根本无法识别以及阻止它们。

检查网络流量日志的威胁

企业对于已知的威胁不能总是依赖第三方软件。企业可能是第一批被勒索软件攻击者瞄准的目标之一。如果企业不保护自己的安全,那么其业务将不会安全,即使企业已经阻止了所有已知的危险流量。

幸运的是,新的工具使企业更容易监控自己的网络流量。大数据允许恶意软件防护厂商仔细筛选企业的网络威胁。

大数据是针对勒索和其他恶意软件的武器,但它并不代表人们可以高枕无忧。 


本文作者:佚名

来源:51CTO

相关文章
|
21天前
|
机器学习/深度学习 分布式计算 算法
Spark快速大数据分析PDF下载读书分享推荐
《Spark快速大数据分析》适合初学者,聚焦Spark实用技巧,同时深入核心概念。作者团队来自Databricks,书中详述Spark 3.0新特性,结合机器学习展示大数据分析。Spark是大数据分析的首选工具,本书助你驾驭这一利器。[PDF下载链接][1]。 ![Spark Book Cover][2] [1]: https://zhangfeidezhu.com/?p=345 [2]: https://i-blog.csdnimg.cn/direct/6b851489ad1944548602766ea9d62136.png#pic_center
53 1
Spark快速大数据分析PDF下载读书分享推荐
|
5天前
|
机器学习/深度学习 算法 搜索推荐
从理论到实践,Python算法复杂度分析一站式教程,助你轻松驾驭大数据挑战!
【7月更文挑战第22天】在大数据领域,Python算法效率至关重要。本文深入解析时间与空间复杂度,用大O表示法衡量执行时间和存储需求。通过冒泡排序(O(n^2)时间,O(1)空间)与快速排序(平均O(n log n)时间,O(log n)空间)实例,展示Python代码实现与复杂度分析。策略包括算法适配、分治法应用及空间换取时间优化。掌握这些,可提升大数据处理能力,持续学习实践是关键。
18 1
|
19天前
|
数据采集 自然语言处理 大数据
​「Python大数据」LDA主题分析模型
使用Python进行文本聚类,流程包括读取VOC数据、jieba分词、去除停用词,应用LDA模型(n_components=5)进行主题分析,并通过pyLDAvis生成可视化HTML。关键代码涉及数据预处理、CountVectorizer、LatentDirichletAllocation以及HTML文件的本地化处理。停用词和业务术语列表用于优化分词效果。
17 0
​「Python大数据」LDA主题分析模型
|
24天前
|
人工智能 自然语言处理 小程序
政务VR导航:跨界融合AI人工智能与大数据分析,打造全方位智能政务服务
政务大厅引入智能导航系统,解决寻路难、指引不足及咨询台压力大的问题。VR导视与AI助手提供在线预览、VR路线指引、智能客服和小程序服务,提高办事效率,减轻咨询台工作,优化群众体验,塑造智慧政务形象。通过线上线下结合,实现政务服务的高效便民。
71 0
政务VR导航:跨界融合AI人工智能与大数据分析,打造全方位智能政务服务
|
1月前
|
存储 数据采集 分布式计算
Java中的大数据处理与分析架构
Java中的大数据处理与分析架构
|
1月前
|
SQL 运维 druid
深度分析:Apache Doris及其在大数据处理中的应用
Apache Doris是一款开源的高性能实时分析数据库,设计用于低延迟SQL查询和实时数据处理,适合大规模实时分析场景。与Apache Druid、ClickHouse和Greenplum相比,Doris在易用性和实时性上有优势,但其他产品在特定领域如高吞吐、SQL支持或数据处理有特长。选型要考虑查询性能、实时性、SQL需求和运维成本。Doris适用于实时数据分析、BI报表、数据中台和物联网数据处理。使用时注意资源配置、数据模型设计、监控调优和导入策略。
|
1月前
|
机器学习/深度学习 自然语言处理 供应链
深度学习在大数据分析中的应用非常广泛
深度学习在大数据分析中的应用非常广泛
|
1月前
|
机器学习/深度学习 数据采集 分布式计算
如何用Python处理大数据分析?
【6月更文挑战第14天】如何用Python处理大数据分析?
35 4
|
19天前
|
存储 分布式计算 并行计算
使用Hadoop构建Java大数据分析平台
使用Hadoop构建Java大数据分析平台
|
1月前
|
SQL 数据采集 数据可视化
基于Hive的招聘网站的大数据分析系统
基于Hive的招聘网站的大数据分析系统