Sine安全-网络安全背后的巨人,提供服务器安全_服务器维护_网站安全解决方案

网站安全数据的交互设计与层级分类介绍



      从个人实践经验来看,大多数情况下RD和PM对SOP没有一致的认知,PM对RD说:有风

险的部件需要实现筛选,修复这些推进单。RD直接实现了该功能的开发,但PM不清楚我的

功能是为了解决什么问题。RD往往认为自动化效率,自动化可以提高效率。这种观点在大多

数情况下没有问题,但实际上对MTTR有要求,有很多数据分析因此,PM在提出需求时,必

须同步RD这一需求解决什么样的安全问题,同时通知RD相关指标,在RD开发符合要求的产

品的同时,RD也必须积极询问PM的需求是固定的还是一次性的(很多PM不提出需求,RD将

很多一次性的需求视为永久性的需求)。
 
 
 
感觉很远,回到安全数据交互的问题,很好理解数据交互这个词,是用户对数据操作期待的

结果。影响数据互动效率的两个方面,一个是算法的时间和空间的复杂性,另一个是数据分

析平台的设计问题。本文主要集中讨论后者。对数据分析有一定了解的朋友可以跳过以下部

分。在这里,我们来讨论一下在安全场景中使用的数据分析模型和构想。
 
 
在设计数据交互系统时,首先需要考虑查询和存储两个层面。需要考虑的因素包括数据大小

、数据使用方法、数据更新频率。
首先,从数据的大小开始,画一幅图来说明。图的内容可

能因公司而异。一般来说,这些数据的数据量与资产和业务复杂性成正比,如果是比较大的

公司,PB水平可能真的不是问题。
 
 
关于数据的应用场景,这与安全需求有很强的关系,但总体来说,这种应用场景本质上分为

在线分析处理(OLAS)和在线事务处理(OLTP),OLTP是传统关系型数据库的主要应用,主要

是基本的日常事务处理,例如从accesslog中找到具有特定IP的访问记录。OLAS是数据仓储

系统的主要应用,支持复杂的分析操作,侧重决策支持,提供直观易懂的查询结果。OLTP

一般将大数据用于在线业务,如某个漏洞影响资产的展示等。该需求具有实时性,查询后需

要在秒级返回,服务稳定性和容错性有一定要求。此外,阅读操作的数量远大于写作操作,

增量数据的大小远小于历史数据。OLAS主要是离线分析,对时效性的要求不高,跑几个小

时到几天没什么问题,机器挂了也没关系,不能重新开始。但是,这个系统的数据量非常大

,数据的维度特别多,几乎需要多次扫描历史数据。在设计OLTP查询模型时,复杂的地方

是数据分层、分层、分布式事务,在设计OLAS查询模型时影响性能的主要是列存储、分割

、降低维度。OLTP比较比较简单,企业产品和开源产品非常多,OLAS比较复杂,由于数

据维度非常多,SQL语言在这种条件下进行数据分析也力。因此,在OLAS的设计中,建模

和抽象变得非常重要,如何解决数据的含义和查询的描述变得非常困难。相比之下,这方面

的突破并不容易。
分享: