信息安全研究 ›› 2025, Vol. 11 ›› Issue (E2): 281-.

• 2025“数字经济与网络安全”论文集 • 上一篇    下一篇

基于机器学习技术的大数据安全行为分析与运营

杨立宝1史培舜2王瑶2
  

  1. 1(中国电信集团数据发展中心北京100010)
    2(杭州安恒信息技术股份有限公司杭州310051)
  • 出版日期:2025-12-27 发布日期:2025-12-29
  • 通讯作者: 杨立宝 硕士.主要研究方向为大数据安全. yanglb4@chinatelecom.cn
  • 作者简介:杨立宝 硕士.主要研究方向为大数据安全. yanglb4@chinatelecom.cn 史培舜 工程师.主要研究方向为信息安全技术. peishun.shi@dbappsecurity.com.cn 王瑶 工程师.主要研究方向为信息安全技术. lyron.wang@dbappsecurity.com.cn

  • Online:2025-12-27 Published:2025-12-29

摘要: 电信行业大数据平台作为支撑业务的关键基础设施,其安全防护体系必须严格遵循《中华人民共和国数据安全法》《中华人民共和国个人信息保护法》以及相关标准规范,为了强化数据安全保障,构建基于机器学习的安全分析与运营体系显得尤为重要.UEBA中的异常检测技术,结合先进的机器学习算法,构建覆盖多维度的行为模型,实现电信大数据中心的实时风险监控与高效安全运营.实验结果表明,该方法在识别恶意IP访问、过度权限使用、异常访问模式、非法端口扫描以及高频API调用等风险方面表现出色,其检测响应时间迅速,低于50ms,告警准确率95%以上,误报率在3%以下,极大地提升了大数据中心的主动防御效能与合规管理能力.

关键词: 用户实体行为分析(UEBA), 安全态势感知, 异常检测, 机器学习

中图分类号: