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