伴随全球数字化浪潮蓬勃发展，社会各行业所产生和使用的数据资源不断增长，其价值日益凸显。企业在面临日益严峻的外部网络攻击威胁的同时，也面临着因“内鬼”窃取、内部员工疏忽、账号和主机失陷等各种内部威胁导致的数据泄漏。
有调查报告显示，全球有70%的数据泄漏是由于拥有数据访问权限的内部人员窃取、滥用造成的。因此，是否能够有效应对及解决内部威胁已成为当下企业在构建数据安全防御体系过程中必须考量的重要标准。
传统的安全产品由于缺乏对用户异常行为的关联分析，从而无法快速准确地识别定位风险以及追踪溯源，已逐渐不能满足当前企业的安全需求。
新一代安全产品基于大数据安全分析和机器学习技术，通过刻画用户行为，可对内部违规操作、窃取数据、非法删除等异常行为进行多角度关联分析，发现隐藏的未知风险并可能够追踪溯源，从而实现对企业内部人员异常行为的探索发现，并精准定位风险人员。
应用场景一：网络流量异常
某企业内部网络出现了网络卡顿的情况，系统检查网络上传与下载流量发现网络带宽占满。
通过系统日志对个人用户进行流量建模，发现某员工外发的非公司邮箱个数、邮件数量、接收账户以及通过外设拷贝文件的次数偏离基线，定位其可能存在安全风险。
应用场景二：上网行为异常
某企业系统检测到企业员工一段时间的上网流量超过了其历史流量范围值，且流量峰值偏离基线；同时检测到该员工多次访问企业禁止浏览的非法网站，非法网站浏览次数偏离基线。
应用场景三：登录行为异常
某企业系统检测到系统用户曾多次在非工作时间使用非本人（绑定）设备持续性登录系统失败，相关登录行为偏离了正常基线，可能存在安全风险。
明朝万达Chinasec（安元）
