阿里安全体系获国际顶会表彰,安全技术将有九大新趋势
7月9日,2018第十三届(ISC)亚太信息安全峰会在香港举行,经过多轮严苛遴选评审,阿里巴巴集团安全部资深总监张玉东所代表的阿里安全技术体系获颁亚太区信息安全领袖成就表彰,成为迄今中国内地首位来自互联网企业的获奖者。
阿里巴巴安全部资深总监张玉东在(ISC)2018亚太峰会演讲
“荣获(ISC)颁发的国际性认可奖项,在我看来更多是对阿里安全这些年持续在信息安全体系建设上的投入、努力担当以及成果的肯定,我只不过是作为代表来领了个奖,所有一切都是我的团队努力所得。”张玉东在香港接受表彰时表示。
网络安全形势严峻已成全球共识,业内人士认为,国内安全行业较之国外,面临的挑战正在不断增大。张玉东认为,首先是国内企业安全意识觉醒力度不够、安全投入不足;其次,很多企业的安全做法相对于瞬息万变的黑灰产形态,仍然比较传统;第三,安全行业参与各方尚未建立起有效协同;第四,数字时代,企业在准备不足的情况下,就要面临数据安全保护的巨大挑战;第五,即将到来的5G/IPv6/IoT时代将深刻改变互联网的安全格局。
当前中国国内外安全行业存在诸多差异。比如,国内公司网络安全的“洼地效应”明显,只有大公司有相对完善的安全团队和系统性打法;国外公司安全产业成熟度高,注重体系和合规。不过,中国互联网产业因为有丰富的实践经验,在风控能力方面却又要优于国外互联网巨头。
“差异由多个原因造成,安全人才缺口大是重要方面,”张玉东认为,培养一个合格的安全类人才,一般至少需要5年以上时间,人才供不应求是新常态。
张玉东认为,真正的智能攻防将会出现,缓解越来越严重的安全人才需求压力,将是未来互联网安全技术的一个新趋势。
“整个亚太区,为保护他们的组织以应对新出现的威胁,网络安全专业人士正面临着不可预测的挑战。”全球最大的信息安全非营利会员组织(ISC)首席执行官David Shearer,在公布今年亚太区信息安全领袖成就表彰计划获奖者名单时表示。
作为中国内地首位来自互联网企业的获奖者。张玉东总结了网络安全行业和技术在架构、应用、对抗样本、智能攻防等方向的九大新趋势。
“规模带来质变,物联网安全形态将会大不同于当下的互联网安全架构,硬件安全是基础、协议安全是关键,这是第二个趋势。”张玉东指出,第三个趋势是企业数字化转型、云化过程中,安全技术与运营体系也需要重新定义,大型互联网企业和行业巨头需要在这中间承担社会责任和示范作用。
“基于密码学的数据保护技术,会有越来越多的应用,以及高度可靠、高度安全将成为消费者、客户对所有大中型互联网平台的基本要求,这也是两个重要的趋势。”他指出,第六个趋势是,在DT时代算法被大规模应用的情况下,对抗样本会成为类似漏洞对于传统互联网和软件安全时代的那种存在,对于对抗样本的研究挖掘也将成为重大课题。
“因对抗黑灰产产生的相关组织的联合也将成为必然,是第七个趋势。”张玉东表示,从形态上看,企业之间短期内很难实现有意义的大联合,但在企业和政府间,可能形成共同对抗黑灰产的有效生态。
张玉东还指出,随着国家间网络空间安全立法和司法的完善,网民、客户的安全意识在逐步提升,以及国家之间在数据安全上的博弈,安全合规的重要性会越来越高,也会促进安全合规、安全实际的建设运营过程的统一;由于安全更多从一个有无问题变成一个好坏问题,目前每个公司的安全团队有每个公司安全建设和运营思路的局面也会逐步改变,安全行业的专业化分工会越来越清晰,安全技术体系最终也将从“百家争鸣”走向“大一统”,这是第八和第九个趋势。
低调大师中文资讯倾力打造互联网数据资讯、行业资源、电子商务、移动互联网、网络营销平台。
持续更新报道IT业界、互联网、市场资讯、驱动更新,是最及时权威的产业资讯及硬件资讯报道平台。
转载内容版权归作者及来源网站所有,本站原创内容转载请注明来源。
- 上一篇
数据库中的Schema是什么?
翻译自:http://database.guide/what-is-a-database-schema/ 在数据库中,schema(发音 “skee-muh” 或者“skee-mah”,中文模式)是数据库的组织和结构,schemasandschemata都可以作为复数形式。 模式中包含了schema对象,可以是表(table)、列(column)、数据类型(data type)、视图(view)、存储过程(stored procedures)、关系(relationships)、 主键(primary key)、外键(foreign key)等。数据库模式可以用一个可视化的图来表示,它显示了数据库对象及其相互之间的关系 以上是架构图的简单示例。它显示了三个表,以及它们的数据类型,表之间的关系,以及它们的主键和外键。 这是一个更复杂的数据库模式示例: 在这种情况下,模式图分为四个部分: (1)Customer Data(客户数据):与客户有关的数据,如姓名,地址等 (2)Business(业务):业务所需的数据,例如员工,商店位置,付款细节等 (3)Inventory(库存):所有...
- 下一篇
360数据处理平台的架构演进及优化实践
本次要分享的是360大数据中心数据处理平台Titan的架构演进,以及一些具体的实践过程。 一、背景介绍 在当今的大数据时代,大数据计算引擎已经从原先最早的Hadoop生态系统演变到了第三代甚至是第四代计算引擎,比如Spark以及Flink等;存储引擎也是呈现多样化的发展,如支持MPP的关系型存储、分布式存储、时序数据库等。大数据生态的多样性给大数据开发的学习成本造成了很大程度的提高。 然而,当前我们的主流开发模式还是基于脚本开发,业务人员无法参与到我们的计算中来,这种开发模式在很大程度上依赖开发人员的效率,数据的时效性会难以保证。同时,数据开发过程中的数据流转全程黑盒,这给开发维护人员带来了很大的维护困难。最后,缺乏统一的资源调度导致资源长时间被占用不释放,从而引起资源浪费。以上是大数据开发人员所面临的问题和挑战。 从平台的角度来看,以360公司为例,公司产品形态多样化,包括了PC产品、WEB产品、移动端产品等等,多样化的产品意味着数据处理平台面临着繁杂的数据类型,同时也必然面临了多样化的存储引擎及存储格式。 此外,在大数据时代,数据处理的场景已经不再停留在简单的ETL过程,不仅仅包括...
相关文章
文章评论
共有0条评论来说两句吧...
文章二维码
点击排行
推荐阅读
最新文章
- CentOS7安装Docker,走上虚拟化容器引擎之路
- Docker使用Oracle官方镜像安装(12C,18C,19C)
- CentOS8编译安装MySQL8.0.19
- Docker安装Oracle12C,快速搭建Oracle学习环境
- CentOS7编译安装Gcc9.2.0,解决mysql等软件编译问题
- CentOS6,7,8上安装Nginx,支持https2.0的开启
- CentOS关闭SELinux安全模块
- CentOS7设置SWAP分区,小内存服务器的救世主
- CentOS7编译安装Cmake3.16.3,解决mysql等软件编译问题
- CentOS8安装Docker,最新的服务器搭配容器使用