㈠ 大數據和網路安全在今後的發展前景哪個會更好那
應該說，兩個都是都是今後發展的重點，再加上人工智慧，個人覺得將會是互聯網乃至工業的一次革命。
1、大數據方面。大數據范圍很廣，每個行業都有相應的應用，但是投入也是很大的，例如鐵路系統，車輛違章監控系統，ETC系統等都應用了大數據，這些大數據將進行提煉後，用於基礎分析、客戶引導、智能管理等。對於提高政府職能，降低能耗，開源節流，人工輔助等都有很大很深的應用。總的來說，大數據中所有的數據都是有價值的，但是採集數據有很多的路要走，更多的需要物聯網、人工智慧的配合。
2、網路安全方面。這個應該是當下整個社會的一個突出問題。網路改變了人們的使用方式，推動了一系列的變革，但問題也是很突出，它是一把雙刃劍，有利有弊，但總體利大於弊，正因為網路的不斷發展，才推動了大數據的進步。
3、人工智慧方面。人工智慧應該是一個 今後發展的這個重點及亮點。人工智慧主要利用語言、圖像識別、感測器等設備集中進行運算，發揮其特定的作用，來執行任務。
㈡ 大數據和網路安全哪個方向更好
隨著工業物聯網(IIoT)在製造企業的全面鋪開，安全專家必須准備好弄懂這些網路應有的樣子與操作。同時，所有安全計劃都需擁有足夠的彈性，要能扛住迎面而來的各種攻擊。未來十年將給網路安全帶來最大影響的是什麼?簡單講，這個問題的答案有兩個方向：人工智慧(AI)和大數據分析。
鑒於這些技術發展會給未來時光帶來重大影響，未來的安全環境，將取決於AI和分析如何融入囊括了網路及物理安全的全面彈性安全計劃。
網路安全-工業物聯網
至於如何構建該整體安全項目，能夠賦予製造商資產清單與網路可見性的網路監視技術是個不錯的開始。隨著公司企業越來越依賴數字環境，擁有該總體安全觀也變得越來越重要了。如果十年內發生的攻擊類似烏克蘭兩次遭遇的大斷電，或挪威鋁業巨頭NorskHydro遭遇的勒索軟體攻擊，公司企業需准備備用工廠，以便在必要的時候能夠手動運營以阻止攻擊。
未來5~10年，物聯網對工業運營的意義愈加重大，工業系統也將接入可大幅降低設備間通信延遲的5G網路，因而工業系統聯網程度增加幾乎已成不爭的事實。物聯網設備安全通常天生不怎麼強，所以當物聯網設備大規模部署的時候，工業系統便面臨相當棘手的設備安全管理挑戰了。
網路安全-工業運營
更糟的是，連接性增加意味著能嘗試突破系統的黑客也增加了，更高端的黑客或許能夠窺探系統，而網路安全問題也隨著連接性的增長而愈加惡化。而且，很多工業系統如果以特定方式操縱可能傷及人命，所以連接性增加不僅影響到工業系統管理和保護，也影響公共政策制定。
網路安全-數字轉型
工業網路安全遭受的最大影響將是數字轉型的非預期結果。數字轉型很好，也很有必要，但同時伴隨著風險。隨著我們引入越來越多的數字終端，數據流隨之產生。數據流的飛速增長將超出我們的處理范圍，無法現場有效分析全部數據。而且，我們將以這些數據驅動有關過程的決策，甚或驅動過程本身。最終，我們或許會開始通過人工智慧/機器學習將這些分析性數據產品饋送回過程。
換句話說，過程產生數據，數據離開過程網路流向雲、霧、湖、現場、外部等等地方，被分析、重用再饋送回過程。所有這些都會以我們剛剛才開始考慮的方式，往過程數據及該控制/過程網路外部相關系統，引入新的風險。
㈢ 西南交通大學研究生方向選信息安全還是大數據
西南交通大學歷年考研真題
鏈接:https://pan..com/s/1xSsaaj1vr0gMv9c6MkWjMg
提取碼:vy2z
若資源有問題歡迎追問
㈣ 大數據和網路安全有關系嗎
肯定是有的唄，在大數據下，數據都是相當於透明化的，而且很有可能被通過各種方法盜用的
㈤ java、web、大數據、網路安全就業環境有好嗎至少需要什麼學歷
大數據主要的三大就業方向：
大數據系統研發類人才；
大數據應用開發類人才；
大數據分析類人才。
大數據十大就業職位：
一、ETL研發
隨著數據種類的不斷增加，企業對數據整合專業人才的需求越來越旺盛。ETL開發者與不同的數據來源和組織打交道，從不同的源頭抽取數據，轉換並導入數據倉庫以滿足企業的需要。
ETL研發，主要負責將分散的、異構數據源中的數據如關系數據、平面數據文件等抽取到臨時中間層後進行清洗、轉換、集成，最後載入到數據倉庫或數據集市中，成為聯機分析處理、數據挖掘的基礎。
目前，ETL行業相對成熟，相關崗位的工作生命周期比較長，通常由內部員工和外包合同商之間通力完成。ETL人才在大數據時代炙手可熱的原因之一是：在企業大數據應用的早期階段，Hadoop只是窮人的ETL。
二、Hadoop開發
Hadoop的核心是HDFS和MapRece.HDFS提供了海量數據的存儲，MapRece提供了對數據的計算。隨著數據集規模不斷增大，而傳統BI的數據處理成本過高，企業對Hadoop及相關的廉價數據處理技術如Hive、HBase、MapRece、Pig等的需求將持續增長。如今具備Hadoop框架經驗的技術人員是最搶手的大數據人才。
三、可視化（前端展現）工具開發
海量數據的分析是個大挑戰，而新型數據可視化工具如Spotifre，Qlikview和Tableau可以直觀高效地展示數據。
可視化開發就是在可視開發工具提供的圖形用戶界面上，通過操作界面元素，由可視開發工具自動生成應用軟體。還可輕松跨越多個資源和層次連接您的所有數據，經過時間考驗，完全可擴展的，功能豐富全面的可視化組件庫為開發人員提供了功能完整並且簡單易用的組件集合，以用來構建極其豐富的用戶界面。
過去，數據可視化屬於商業智能開發者類別，但是隨著Hadoop的崛起，數據可視化已經成了一項獨立的專業技能和崗位。
四、信息架構開發
大數據重新激發了主數據管理的熱潮。充分開發利用企業數據並支持決策需要非常專業的技能。信息架構師必須了解如何定義和存檔關鍵元素，確保以最有效的方式進行數據管理和利用。信息架構師的關鍵技能包括主數據管理、業務知識和數據建模等。
五、數據倉庫研究
數據倉庫是為企業所有級別的決策制定過程提供支持的所有類型數據的戰略集合。它是單個數據存儲，出於分析性報告和決策支持的目的而創建。為企業提供需要業務智能來指導業務流程改進和監視時間、成本、質量和控制。
數據倉庫的專家熟悉Teradata、Neteeza和Exadata等公司的大數據一體機。能夠在這些一體機上完成數據集成、管理和性能優化等工作。
六、OLAP開發
隨著資料庫技術的發展和應用，資料庫存儲的數據量從20世紀80年代的兆（M）位元組及千兆（G）位元組過渡到現在的兆兆（T）位元組和千兆兆（P）位元組，同時，用戶的查詢需求也越來越復雜，涉及的已不僅是查詢或操縱一張關系表中的一條或幾條記錄，而且要對多張表中千萬條記錄的數據進行數據分析和信息綜合。聯機分析處理（OLAP）系統就負責解決此類海量數據處理的問題。
OLAP在線聯機分析開發者，負責將數據從關系型或非關系型數據源中抽取出來建立模型，然後創建數據訪問的用戶界面，提供高性能的預定義查詢功能。
七、數據科學研究
這一職位過去也被稱為數據架構研究，數據科學家是一個全新的工種，能夠將企業的數據和技術轉化為企業的商業價值。隨著數據學的進展，越來越多的實際工作將會直接針對數據進行，這將使人類認識數據，從而認識自然和行為。因此，數據科學家首先應當具備優秀的溝通技能，能夠同時將數據分析結果解釋給IT部門和業務部門領導。
總的來說，數據科學家是分析師、藝術家的合體，需要具備多種交叉科學和商業技能。
八、數據預測（數據挖掘）分析
營銷部門經常使用預測分析預測用戶行為或鎖定目標用戶。預測分析開發者有些場景看上有有些類似數據科學家，即在企業歷史數據的基礎上通過假設來測試閾值並預測未來的表現。
九、企業數據管理
企業要提高數據質量必須考慮進行數據管理，並需要為此設立數據管家職位，這一職位的人員需要能夠利用各種技術工具匯集企業周圍的大量數據，並將數據清洗和規范化，將數據導入數據倉庫中，成為一個可用的版本。然後，通過報表和分析技術，數據被切片、切塊，並交付給成千上萬的人。擔當數據管家的人，需要保證市場數據的完整性，准確性，唯一性，真實性和不冗餘。
十、數據安全研究
數據安全這一職位，主要負責企業內部大型伺服器、存儲、數據安全管理工作，並對網路、信息安全項目進行規劃、設計和實施。數據安全研究員還需要具有較強的管理經驗，具備運維管理方面的知識和能力，對企業傳統業務有較深刻的理解，才能確保企業數據安全做到一絲不漏。
㈥ 研究生選擇到信息安全方向，有WEB安全，大數據，漏洞挖掘和惡意代碼分析這四個方向，那個方向比較好
我們就是做信息安全方面的，叫15PB。如果你想在安全行業長期發展就學惡意代碼分析和軟體漏洞挖掘，再延伸一點就是逆向方面。web安全就算了吧。大數據的話跟信息安全關系不大。
你學的是信息安全，而且還是研究生，應該走信息安全技術流路線，而不是應用層方面，這樣才不辱沒你的學歷和發展。
㈦ 大數據環境下的網路安全分析
大數據環境下的網路安全分析
「大數據」一詞常被誤解。事實上，使用頻率太高反而使它幾乎沒有什麼意義了。大數據確實存儲並處理大量的數據集合，但其特性體現遠不止於此。
在著手解決大數據問題時，將其看作是一種觀念而不是特定的規模或技術非常有益。就其最簡單的表現來說，大數據現象由三個大趨勢的交集所推動：包含寶貴信息的大量數據、廉價的計算資源、幾乎免費的分析工具。
大數據架構和平台算是新事物，而且還在以一種非凡的速度不斷發展著。商業和開源的開發團隊幾乎每月都在發布其平台的新功能。當今的大數據集群將會與將來我們看到的數據集群有極大不同。適應這種新困難的安全工具也將發生變化。在採用大數據的生命周期中，業界仍處於早期階段，但公司越早開始應對大數據的安全問題，任務就越容易。如果安全成為大數據集群發展過程中的一種重要需求，集群就不容易被黑客破壞。此外，公司也能夠避免把不成熟的安全功能放在關鍵的生產環境中。
如今，有很多特別重視不同數據類型（例如，地理位置數據）的大數據管理系統。這些系統使用多種不同的查詢模式、不同的數據存儲模式、不同的任務管理和協調、不同的資源管理工具。雖然大數據常被描述為「反關系型」的，但這個概念還無法抓住大數據的本質。為了避免性能問題，大數據確實拋棄了許多關系型資料庫的核心功能，卻也沒犯什麼錯誤：有些大數據環境提供關系型結構、業務連續性和結構化查詢處理。
由於傳統的定義無法抓住大數據的本質，我們不妨根據組成大數據環境的關鍵要素思考一下大數據。這些關鍵要素使用了許多分布式的數據存儲和管理節點。這些要素存儲多個數據副本，在多個節點之間將數據變成「碎片」。這意味著在單一節點發生故障時，數據查詢將會轉向處理資源可用的數據。正是這種能夠彼此協作的分布式數據節點集群，可以解決數據管理和數據查詢問題，才使得大數據如此不同。
節點的鬆散聯系帶來了許多性能優勢，但也帶來了獨特的安全挑戰。大數據資料庫並不使用集中化的「圍牆花園」模式（與「完全開放」的互聯網相對而言，它指的是一個控制用戶對網頁內容或相關服務進行訪問的環境），內部的資料庫並不隱藏自己而使其它應用程序無法訪問。在這兒沒有「內部的」概念，而大數據並不依賴數據訪問的集中點。大數據將其架構暴露給使用它的應用程序，而客戶端在操作過程中與許多不同的節點進行通信。
規模、實時性和分布式處理：大數據的本質特徵（使大數據解決超過以前數據管理系統的數據管理和處理需求，例如，在容量、實時性、分布式架構和並行處理等方面）使得保障這些系統的安全更為困難。大數據集群具有開放性和自我組織性，並可以使用戶與多個數據節點同時通信。驗證哪些數據節點和哪些客戶應當訪問信息是很困難的。別忘了，大數據的本質屬性意味著新節點自動連接到集群中，共享數據和查詢結果，解決客戶任務。
嵌入式安全：在涉及大數據的瘋狂競賽中，大部分的開發資源都用於改善大數據的可升級、易用性和分析功能上。只有很少的功能用於增加安全功能。但是，你希望得到嵌入到大數據平台中的安全功能。你希望開發人員在設計和部署階段能夠支持所需要的功能。你希望安全功能就像大數據集群一樣可升級、高性能、自組織。問題是，開源系統或多數商業系統一般都不包括安全產品。而且許多安全產品無法嵌入到Hadoop或其它的非關系型資料庫中。多數系統提供最少的安全功能，但不足以包括所有的常見威脅。在很大程度上，你需要自己構建安全策略。
應用程序：面向大數據集群的大多數應用都是Web應用。它們利用基於Web的技術和無狀態的基於REST的API。雖然全面討論大數據安全的這個問題超出了本文的范圍，但基於Web的應用程序和API給這些大數據集群帶來了一種最重大的威脅。在遭受攻擊或破壞後，它們可以提供對大數據集群中所存儲數據的無限制訪問。應用程序安全、用戶訪問管理及授權控制非常重要，與重點保障大數據集群安全的安全措施一樣都不可或缺。
數據安全：存儲在大數據集群中的數據基本上都保存在文件中。每一個客戶端應用都可以維持其自己的包含數據的設計，但這種數據是存儲在大量節點上的。存儲在集群中的數據易於遭受正常文件容易感染的所有威脅，因而需要對這些文件進行保護，避免遭受非法的查看和復制。
㈧ 大數據有前途，還是網路安全有前途
這是兩個非常有前途的職業方向，用比較形象的語言來描述，這兩個職業，一個是矛，另一個是盾。就象我們在看一場籃球比賽，一支球隊的進攻非常重要，但防守也同樣不容忽視。在未來的網路環境下，大數據相當於是一把鋒利的矛，而網路安全則是一部堅實的盾。
大數據行業，利用網路資源，通過分析數據，為我們的生活、生產、經營等活動提供更加有效的支撐。對社會各項正向需求產生正向的影響。可以把它理解為是人類解放生產力過程中，能夠開疆拓土的進攻型武器。
網路安全，就很明顯了，是我們在網路生活中的保護神。網路安全的主要作用就是防守，守住我們的個人信息，個人隱私，保護我們的重要數據與敏感數據。網路安全為大數據提供保駕護航。我們把網路安全理解為人類解放生產力的過程中，那個保護人類自身安全的一部無形的巨盾。
不管是用矛還是用盾，只要學藝精，在科學技術迅猛發展的網路朝代，都是前途無量的行業。