在當今數字化時代，企業對信息系統的依賴程度正在不斷增加，安全維護也成為關注的焦點。與此同時，隨著業務、資產和數據量的迅速增長，以及威脅的復雜性和隱匿性不斷增加，企業面臨著更高的安全壓力和挑戰。
·復雜的應用系統往往意味著更多的入口和潛在的漏洞，安全威脅增加。
·數據量龐大，在存儲、備份、恢復和隱私保護等方面增加了安全隱患。
·多個復雜的應用系統可能采用不同技術平臺和架構，導致技術整合困難。
·資產規模龐大、類型多樣、分布廣泛，且變動頻繁，資產風險可能性增加。
在這些挑戰下，企業需要采取更加主動的綜合性安全措施，并結合先進的技術工具來提高安全防護能力，以確保業務的穩定和發展。為了提升企業的安全運營能力并保護重要數據和資產，許多企業正在開始積極引入AIOps技術，從傳統的反應式安全運營轉向主動防御和預測性分析。
秉承AIOps Anywhere的技術理念，鼎茂科技積極致力于AIOps能力的廣域應用，在安全領域，基于AIOps技術實現了一系列創新的智能安全管理場景，形成以智能安全運營中心Di-SOC為核心的新一代企業安全產品線。
經過多年的行業實踐，鼎茂科技將AIOps和SIEM技術融合集成，升級了新一代智能安全運營中心Di-SOC，為企業提供更為高效、智能的安全解決方案。
基于AIOps和SIEM雙重能力的整合，Di-SOC在數據整合分析、安全事件檢測和響應、安全威脅情報和預測等方面都實現了效率和準確度的大幅提升，此外還能夠學習和適應不斷變化的安全環境，以幫助企業更好地保護其信息資產。
AIOps + SIEM雙能力Di-SOC，解決現代企業的安全挑戰
應對挑戰1：安全數據分散，且與IT數據剝離，難以監測整體安全威脅：
鼎茂解決方案：整合IT和安全數據，構建完整的安全視角
Di-SOC→通過將AIOps和SIEM能力整合，實現不同數據源的統一管理和分析，包括日志、警報等信息，從而建立完整的安全和IT關系模型，進而更好地預測未來可能的威脅和漏洞，及時采取相應的預防措施。
圖：鼎茂科技全域產品的統一數據底座（ARCANA）
應對挑戰2：傳統安全設備依賴特征匹配，無法應對高級威脅
鼎茂解決方案：自適應AI算法模型，實時偵測并預測潛在威脅
Di-SOC→通過AIOps的AI和機器學習能力，能夠處理大規模的實時和歷史數據，識別出異常模式、非正常活動和可能的威脅指標，并與SIEM的安全日志和事件關聯，從而全面監測企業IT基礎設施，實時并準確監測和預測未知的潛在威脅。
圖：平臺中的威脅發現框架
應對挑戰3：面對快速變化的威脅，難以獲得準確的威脅洞察
鼎茂解決方案：高價值上下文分析，深度洞察威脅詳情
Di-SOC→通過AIOps的數據治理和AI時空關聯算法，對安全事件中的關聯數據深度挖掘構建完整上下文，進行威脅來源、優先級評分、MITRE ATT&CK標簽、自定義分類、資產影響等分析。并結合SIEM的事件管理能力，提高安全事件的識別和響應能力。
圖：應用畫像、用戶畫像、設備畫像分析
應對挑戰4：告警數量眾多，無法及時響應，事件處置閉環缺失
鼎茂解決方案：智能告警聚合收斂，有效過濾誤報和噪音
Di-SOC→通過AIOps的智能化告警處理技術，整合多個監控系統的信息，在更全面的監控視圖下整合關聯，進行告警聚合收斂和智能化分析，留重要有效的安全告警事件，同時有效過濾掉誤報和噪音。
圖：威脅維度展示近期的異常告警
應對挑戰5：業務和系統環境復雜，進行實體分析困難
鼎茂解決方案：實體畫像管理分析，評估健康狀態
Di-SOC→通過AIOps的機器學習和深度學習等技術，對實體（如用戶、設備、應用程序等）的實時數據進行采集、清洗和分析，快速形成實體畫像，并提取關鍵信息和特征，結合SIEM系統的安全事件數據融合分析，可以更具體地評估實體的安全健康狀況。
圖：應用畫像、用戶畫像、設備畫像分析
應對挑戰6：資產數量龐大， 缺乏資產風險和脆弱性持續監測
鼎茂解決方案：資產風險量化模型，優化安全投資和決策
Di-SOC→通過AIOps的資產化數據治理和AI算法能力，實時處理SIEM系統的事件數據，挖掘風險相關的模式和趨勢，并融入資產研判流程，實現資產的“主動+被動”無損傷發現和管理，從而進行資產視角的安全風險量化分析，更準確評估和衡量風險影響程度。
圖：基于AI技術實現對資產面臨的風險量化
整體相比傳統的安全分析方法，Di-SOC可以快速識別和定位潛在威脅，甚至在威脅變得明顯之前就提前預警，能夠幫助企業獲得充分的時間來采取必要的措施，防止潛在的安全漏洞被利用；同時Di-SOC通過對大量的安全關聯的多源數據進行深入分析，能夠識別出隱藏的威脅模式和攻擊者的手法，使企業可以及時調整其安全策略，并加強對可能的攻擊進行預防。此外還支持機器學習自適應安全環境，以幫助企業更好地保護其信息資產。產品在金融、政府醫療、智慧工廠等多個行業機構落地。
