企业针对安全的大数据分析下面是一些要点：DNS数据 DNS数据能够提供一系列新注册域名，经常用来进行垃圾信息发送的域名，以及新创建的域名等等，所有这些信息都可以和黑白名单结合起来，所有这些数据都应该收集起来做进一步分析。如果自有DNS服务器，就能过检查那些对外的域名查询，这样可能发现一些无法解析的域名。
需要某些安全审核 在每个系统开发中，几乎都是需要安全审核的地方，特别是在大数据不安全的地方。但是，考虑到使用大数据已经带来了广泛的挑战，这些安全审核通常被忽略，这些审核只是添加到列表中的另一件事。这种态度与以下事实结合在一起：许多公司仍需要能够设计和实施此类安全审核的合格人员。
保护个人隐私信息 有必要保护大数据时代的隐私不受技术和监管层面的影响，并改善用户个人信息的安全系统。业务系统安全 支持业务系统，管理系统，外部信息，决策支持系统，云平台，大数据分析系统，大数据存储系统等应用系统的安全需求，充分保证系统的安全性要求。施工。
要素3：可扩展数据提取 服务器、终端、网络与其他基础设施的状态都在不断变化。很多状态变化日志都是有用的信息，应该传送到大数据安全分析平台。假设网络带宽充裕，最大的风险是安全分析平台的数据提取组件无法支撑不断涌入的安全数据。要素4：安全分析工具 Hadoop和Spark等大数据平台都是通用目的的工具。
确保输出数据的机密性，例如报告和仪表板，这些数据包含通过Apache Spark等分析引擎运行数据收集的情报 这些环境中的安全威胁类型包括不适当的访问控制、分布式拒绝服务（DDoS）攻击、产生虚假或恶意数据的端点，或在大数据工作期间使用的库、框架和应用程序的漏洞。
要素1：一致的数据管理渠道 一致的数据管理渠道是大数据剖析体系的根底。数据管理渠道存储和查询企业数据。这似乎是一个广为所知，并且已经得到解决的问题，不会成为区别不同企业产品的特征，但实际情况却是，这仍是个问题。要素2：支持多种数据类型 安全事件数据的语义因品种而不同。
