隨著企業安全邊界的擴大化模糊化、各類威脅新出速度越來越快、影響越來越廣，視企業安全邊界為靜態、仍然依賴各種特征碼技術的傳統安全思路早已落后，無法實際解決安全問題。必須通過各種創新，整合大數據、人工智能、可視化等領域的最新技術進展，安全產品才能解決目前和將來的企業安全難題。

但如何選擇并整合各種技術是復雜系統工程，比常規企業安全軟件開發需要考慮更多因素。本次分享中對大數據、人工智能、可視化的最新進展和應用案例做個總結，重點討論大數據平臺云部署運維、交互批處理與實時流處理的關系、有監督學習解決的安全問題和大數據可視化這四個細分領域。《貴陽大數據學習》

以下：

大家晚上好，感謝大家參與這次分享，感謝 InfoQ AI 前線組織這次瀚思科技主題月！我們成立于三年前，按行業劃分是一家安全公司。但和大家熟知的賣殺毒軟件的傳統安全公司很不一樣，瀚思幫助各種中大型企業搭建安全大數據的分析平臺，在平臺上實時運行各種機器學習算法的安全分析策略，最終幫助企業定位各種安全問題。所以我們自認為也是一家大數據 +AI 公司。

我們常被人問到，為什么要選擇這個“大數據 +AI+ 安全”這個對工程能力要求很高的混搭方向呢？

第一，當然是因為看好這個方向，我們認為這個方向是網絡安全領域發展的大趨勢。這個趨勢雖然今天說起來顯而易見，畢竟現在所有的新舊安全廠商都說自己有 AI 能力，但三年前，安全界大部分人都不清楚 AI 能具體解決哪些安全問題，套用 AI 界的熱門話題詞，也就是常說的不清楚“AI 怎么落地”，整個安全界也是在這幾年內摸索前進才有了些共識。

那第二的原因更直接，那就是，我們以前做過這個方向，有信心有能力在這個方向上，比別的其他廠家做得更好。從 2004 年開始，我們就用 SVM 算法對病毒樣本分類，然后在 Hadoop 剛興起不久的 2008 年就開始基于 Hadoop 和 HBase 搭建大規模互聯網網站安全分析平臺。

所以這個主題月的幾個分享的議題也是結合大數據 +AI 落地上這幾年的一些經驗，和大家探討下整個平臺搭建成功的關鍵因素。