這篇博文是正在進行的網路安全培訓系列的第六篇，該系列由以下機構贊助 OPSWAT 學院 ，審查設計、實施和管理關鍵基礎設施保護計劃所需的技術和流程。
我們經常聽到公司在大資料上投資數十億美元，以及它對日常消費者的影響。網路搜索、存取的位置、點擊的廣告、拍攝的照片——如果大公司有辦法在目標客戶中找到模式並超越競爭對手，他們就會這樣做。
撇開關於消費者隱私的社會政治辯論不談，用於發現這些消費者模式的技術是相當了不起的。這些技術可用於客觀積極的實踐，以保護個人、公司及其資產。
大量資料本身可能顯示為隨機事件。如果我們找不到關聯資訊並提供更大圖景的方法，那麼交通擁堵、天氣事件或市場趨勢的獨立資料點就毫無意義。
想想一幅點彩畫。如果你站得離畫布太近，你只能看到一系列五顏六色的點。即使你要在藝術品的整個表面上移動，它也不會顯示為任何可識別的圖像。直到你退後一步，看到整幅畫，你才會看到所有這些點所代表的真實運作。大資料技術就是這樣工作的。它們是讓我們退後一步，識別所有這些資料點正在描繪什麼樣的畫面的工具。
透過在惡意軟體攻擊中發現大資料模式，我們可以比不良行為者領先一步。
在前兩篇文章中，我們介紹了分析惡意軟體時靜態和動態分析背後的理念。最後，我們可以將這些技術的結果視為我們大資料分析的資料點。透過適當的分析，資料被轉化為資訊。然後，這些資訊可用於決定改變或利用新興模式的行動方案。
在 OPSWAT，我們分析惡意軟體資訊的做法是 威脅情資.
OPSWAT的 威脅情資 平臺分析來自全球野生設備的資料條目。我們開發了一個面向雲的資料庫，為二進位信譽、易受攻擊的應用程式、惡意軟體分析報告、可移植可執行檔或 PE 資訊、靜態和動態分析、IP/URL 信譽以及最重要的它們之間的相關性提供資料點。跟 MetaDefender 威脅情資 引擎，現在可以上傳本地 MetaDefender Core的隔離檔複製到 MetaDefender Cloud 以供進一步分析。
用 MetaDefender Cloud，您將獲得最準確和最新的結果。您還可以查看靜態和動態惡意軟體分析結果。您將在以下期間瞭解這兩種形式的惡意軟體分析之間的區別 OPSWAT的 沙箱 技術模組。
在 OPSWAT致力於改善反惡意軟體行業，我們透過我們自己的託管惡意軟體樣本共享計劃利用了面向社區的惡意軟體共用的優勢。在這裡，我們將有關我們眾包或客戶群報告的潛在誤報和漏報匯總給我們的 AV 引擎合作夥伴的報告，所有這些都是為了改進資料點並繪製盡可能準確的圖像。
智慧分析惡意內容模式對於防止惡意內容爆發或阻止惡意內容爆發至關重要。
想知道更多嗎？ OPSWAT 學院提供多種網路安全培訓課程，這些課程將更深入地探討 威脅情資 和其他安全技術 OPSWAT 提供。前往 opswatacademy.com，立即免費註冊！
