讀一本書，若能讓你于字里行間的穿透中迸出些靈感，就此展開腦力激蕩，最終思緒若涓涓細流匯聚成川，定然是絕妙的體驗。《大數據時代》就是這樣一本好書。

限于職業習慣，本文一切都落腳在信息安全領域。

至于妥當與否，有無缺漏，我就當拋磚引玉了。

首先，大數據強調相關性而非因果性，傳統信息安全在目標設定上或許應該更多元化一些。

以往，我們的很多產品或技術聚焦在黑客或惡意操作上，跟蹤與反跟蹤，攻防對抗，恨不能立刻抓個現行。我們還強調在安全事故的背后找到根本原因，以正本清源。這種思路沒錯，但在現如今安全威脅社會化、普遍化、復雜化的態勢下，很多時候，不容我們追根溯源，損失可能已然形成。

也許我們根本沒必要探究到底是誰因為什么原因而入侵系統，通過相關關系分析風險，采取預防措施，可能更具有現實意義。比如，針對移動支付，如果能以“云-端”的方式，基于海量的信息泄漏和操作行為的分析，向用戶及時推送提醒或預警信息，強調意識預防而非單純的技術控制，也許能事半功倍。就像Google基于“數據廢氣”來做翻譯一樣，重要的不是原因，而是可能的結果。進一步可想，松耦合的相關性將極大地拓展價值數據的范疇，通過“廢物”的再利用，我們完全可以做到針對個人的信息安全風險評價，將其納入信用評價體系，或許能更好地支持未來的支付場景。

其次，對數據的利用從結構化到非結構化，從精確到混雜，從局部到全體，信息安全產品的技術實現應有新的思路。

傳統的IDS或漏洞發掘技術是典型的基于模式匹配的小數據分析，難以捕捉非規則化的APT攻擊。設想一種新的技術路線：基于跨平臺、非結構化、混雜而非精確，甚至跨組織的大數據，做全局性分析，重點放在對未知的預測而非事中監測或事后審計上，未來什么時間、何種場景、哪種操作、什么人、可能出現何種異常？有什么風險？等等。基于此，傳統的很多安全產品都可以做出技術革新，包括入侵檢測、漏洞掃描、SOC、日志管理、NGFW等。更重要的是，有了大數據理念，企業日常運營中發生的各種數據，例如操作和異常日志、各類監控信息、用戶使用信息，將不再有“垃圾”嫌疑，全都可能為安全所用。當然，以往慣用的模式匹配和規則設定策略，很可能也要做相應的調整。信息安全的重點，將不再是就特定產品或特殊數據來做分析，而是基于業務需要來從現有的海量數據中提取、匯集、分析并預測。

再有，大數據從對象到工具再到一種全新的商業模式，賦予信息安全產業更多的發展機遇。

與大數據相關的價值命題有三個層面需要考慮。

第一，把大數據作為一種對象，其對傳統數據安全提出了新的挑戰。以往我們的數據安全解決方案比如DLP，對象是局部的、受限的、確定的，而大數據時代，也許那些原本毫不起眼甚至毫無價值的數據，因其積聚而量變到質變，成為必要的保護對象。有挑戰就有機遇，誰能更好地為大數據安全保駕護航，誰也許就掌握了未來的一項必殺技。

第二，比大數據作為對象更高一層的，是利用大數據來做安全。前文提到過，像IDS、SOC、日志管理、操作監控等傳統的安全技術或產品，都是利用小數據來做匹配分析的，一個非常大的問題是數據源單一，關聯分析范圍受限，通常只在自己的一畝三分地里干活，老死不相往來。其實，所有這些技術產品，大可以看成一個個數據采集點，若能在其上構建一套大數據分析機制，把以往的數據孤島串聯起來，更結合非安全領域的其他企業數據，也許能給出一個更全面的風險視圖。

第三，大數據除了可以用于安全工作本身，更可以上一個臺階，直接成為企業業務發展的動力。比如，很多電商的安全部門，除了通常的運營監控外，更會從海量的用戶操作中挖掘、發現并報告各種欺詐舞弊的風險，這是直接與業務關聯的，甚至正是業務的一部分。再比如，針對個人的銀行授信，除了傳統的履約、償債、守信等因素外，是否能對個人信息安全意識有所考慮？因意識不足導致泄漏密碼、資金欺詐，也給銀行帶來麻煩。而如何評價信息安全意識？其實是個大數據的概念，從個人操作習慣、過往經歷、“脫褲”情況等，都可以窺見一二。

此外，從大數據為我們描繪的藍圖來看，企業IT全面數據化是大勢所趨。阿里巴巴不是號稱IT之后是“DT”時代嗎？對信息安全來講，也許未來所有的企業都將是數據服務型企業，加上云計算、移動互聯網、物聯網、平臺商業模式的大行其道，要么為大數據提供安全解決方案及服務，要么用大數據來做安全解決方案和服務，大數據將會成為信息安全開疆拓土最得力的抓手。

曾在某次研討會上接觸過一家叫觸寶科技的公司，說起來很簡單，就是做手機通訊錄管理的，其核心是，與運營商合作，用云計算和大數據的方式為手機用戶提供簡單而直觀的安全體驗，包括識別陌生來電，防止欺詐騷擾，攔截垃圾短信。讓我眼前一亮的是，它通過積聚云端的大數據，可以系統地分析騷擾電話和垃圾短信的來源、分布、類型、方式、對象甚至性別和心理，除了全景視圖外，我們更能由此聯想到他更多的價值應用，比如媒體廣告、征信、輿情監控等。

趨勢科技也是一個非常典型的例子。很多年前，我只知道趨勢科技是做防病毒的，隨著360顛覆了終端殺毒市場，趨勢科技似乎就無聲無息了。最近，也是偶然的機會，讓我真正汗顏了一把。原來，人家早已經不復當年，企業市場，云計算，大數據，虛擬化解決方案，APT防范，BYOD安全，所有在我看來很新鮮的話題，人家其實都已運營多年并且正引領潮流。印象深刻的有一點，殺毒界當年曾有兩派之爭：一派強調通過本地化的智能引擎來提升病毒查殺能力，另一派則另辟蹊徑，將真正的計算能力移至云端，拓展廣度，及時應變，并以不變應萬變。結果，搞智能引擎的因為360的“攪局”而沒落，在終端市場無所作為而被“擠兌”到云端的趨勢科技，置之死地而后生。這讓我想起經典的IBM和谷歌做機器翻譯的例子，前者搭建專家系統做人工智能，后者做大數據（甚至是大量的垃圾和錯誤數據）和對等翻譯，前者步履維艱不了了之，后者取得應用領域質的飛躍。

類似案例有很多，盡管大多未必一開始建立的就是清晰的大數據商業模式，但隨著自然的價值驅動，結果卻在印證著這種趨勢。還有一些創業公司，已經有了非常清晰的大數據思維，交流過程中你會直觀感受到，他在說“我要的是數據”這話時所表現出的強烈自信。

其實，未來的信息安全產業，拋開具體產品不說，可能都會是圍繞大數據或相關領域而打造的生態，從基礎設施（數據運營本身），到大數據解決方案（比如大數據的安全），再到大數據服務（比如用大數據做安全）。甚至包括甚囂塵上的地下黑產，其過去、現在以及未來，正在并且很可能也是圍繞大數據（海量的個人信息）來產生并輸出價值的。至于商業模式，大數據相關產業如何變現，看看互聯網行業吧，免費，增值，附件服務，平臺模式，指東打西種瓜得豆，林林總總五花八門，可以借鑒的很多。所以，套用一句俗話說，數據都有了，還愁不來錢嗎？關鍵還是看如何基于大數據思維來系統打造出一種模式。

還有，人才儲備是踐行大數據思維必不可少的因素。借著《大數據時代》的結論，是否可以說，未來的信息安全專家，更可能是數據科學家（數據分析），社會學家（社交工程），心理學家（用戶及業務分析）？也許他未必精通傳統的信息安全技術，但他一定具有風險意識，具備數據思維，并且真正懂得從用戶角度去思考問題。技術能力不是關鍵，思維方式才是要點。只是，這樣的人，哪里去找？給大家一個思路：現在傳統安全廠商最發愁的是被BAT們大挖墻角，沒辦法，人比人氣死人，但未來，也許你會發現，其實反過來從BAT們那里倒騰出的也許才是真正的“干貨”，想想看，那里什么都有了，有數據，有技術，有業務，有創新，有實踐。不過，要做反向工程，須得先行栽好梧桐樹呀，又一個難題？呵呵，事情往往如此，從一個循環到另一個循環，要么惡性，要么良性，取決于你的選擇。

最后，對大數據所引發的個人隱私及倫理道德問題，牽涉到整個社會，我們應該有清醒的認識。從信息安全產業角度看，的確也需要社會聯動以共同面對。一方面，大數據只有盡可能地公開共享才能發揮其作用，另一方面，公開共享引發的安全問題又如此深刻而廣泛，絕非自家關起門來能夠解決。所以我在想，未來，是否會有一種類似“數據銀行”的中間機構出現，與傳統銀行的運營模式類似，將數據對比貨幣，提供存儲、借貸、支付等服務。通過一種非直接接觸式的交易（類似銀行卡，將貨幣虛擬化），將個人隱私或敏感數據（把數據當做等價交換物）、數據加工處理（支付機構）、數據使用（商戶等）各方對接起來。屆時，用戶不必像現在這樣處處辦業務而處處都要提交身份證、聯系方式、履歷等個人信息，打個包，存到“數據銀行”，甚至還可以收利息。而“數據銀行”則可以向信息采集收轉機構以及最終使用者提供類似“支付”和“貸款”的服務。如此一來，個人信息保護的問題是否能集中得以解決？當然，可能太過理想化了，但大數據本身不就是個理想化的命題嗎？

以上幾點，都是我在閱讀《大數據時代》過程中延伸思考并總結提煉出來的，沒有系統化的結構，只當零碎點滴。

總之一句話，信息安全發展應有大數據意識、戰略和能力。