聚焦用户行为分析的落地 瀚思B+轮融资获顶级资本青睐

　　近年来，用户行为分析(UBA/UEBA)技术的概念十分火爆，已经成为网络安全解决方案的必备手段之一。但在国内，鲜有成功落地的典型案例。
 

　　昨日，大数据安全初创公司瀚思科技，在京一口气发布了三个UBA/UEBA的成功案例，并宣布B+轮融资完成。
 

　　一、三个成功案例
 

　　1. 证券公司
 

　　案例描述
 

　　部署了瀚思UBA产品的一家证券公司，通过UBA发现某研发部门的员工账号偏离部门基线，在非工作时间段登录文件服务器，结合DLP日志分析个人行为序列，最终查明该内部员工试图下载专利申请文档和业务源代码。
 

　　技术亮点
 

　　UBA+DLP。其中，“自学习”和“半监督”为瀚思UBA技术的核心。前者通过机器学习建立和分析多维度行为基线，给行为打分。后者是指通过安全专家的知识库和运维人员的反馈，进行人工调优。据悉，此案例为国内金融领域首个公开发布的UBA结合传统DLP技术的落地项目。
 

　　应用场景：保护核心数据资产及商业秘密
 

　　2. 航空公司
 

　　案例描述
 

　　这家国内大型航空公司经常被乘客投诉，怀疑是因个人购票信息泄露被推销电话骚扰，甚至是出行骚扰。部署UBA产品之后，在航空公司的近百个子系统中，发现其中一家机票代理商的主机在使用机器爬虫，“低频次”但“长周期”的爬取订单数据。
 

　　技术亮点
 

　　UBA+E，即增加了实体(Entity)的用户行为分析技术，此案例中“实体”为使用机器爬虫的主机。灵活配置算法模型，从多种日志中分析含有订单信息的字段，最终发现业务行为序列异常。这种数据渗漏行为，是防火墙、IDS/IPS等传统边界安全产品无法发现的。而且，由于结合业务场景以配置算法，安全厂商需要与业务部门的人员沟通，不像以往只与企业IT部门打交道。
 

　　应用场景：保护企业客户信息
 

　　真正的用户行为分析产品，在算法上要达到无监督或配合人工调优的半监督学习;数据来源是多维度的，模型是灵活配置的;因此，在功能上，才能发现传统基于规则的安全技术发现不了的低频次、长周期的数据渗漏行为。
 

　　——瀚思科技产品副总裁周奕
 

　　3. 银行
 

　　案例描述
 

　　安全系统已经部署和运行的很好的某家银行，在数字化转型中，面临快速增长和日益复杂的交易业务、在线业务带来的安全风险，如何提升事件的监控和发现能力，更好的保障互联网应用系统和客户数据的安全，是客户的核心诉求。
 

　　看透已知，洞悉未知。
 

　　技术亮点
 

　　瀚思的大数据安全智能平台，通过整合该银行已有大数据平台的各种数据，实现了态势感知、溯源取证和快速响应等全场景的智能安全，达到日数据分析量10亿条，自动处理90%的安全事件析，帮助客户入围“亚洲银行家”信息安全评奖。此案例可看做是新一代SOC或智能SOC技术的成功落地。
 

　　应用场景：建立新一代SOC平台
 

 

　　二、B+轮融资完成
 

　　本轮融资方为毅达资本，融资额暂未公布。毅达资本始于1992年，是国内管理规模最大的私募股权投资公司之一，管理资本规模达887亿元。累计投资690家创业企业，其中130家企业成功登陆境内外资本市场。
 

　　瀚思分别于2016年和2017年，进行了A、B两轮的融资，融资额分别为3000万元和1亿元人民币。此次B+轮融资，除了配合公司的发展节奏以外，基于毅达资本丰富的企业经验，帮助初创企业从“狩猎阶段”进阶成长为“精耕细作阶段”，也是此轮融资的重要意义。
 

　　强调数据、场景、智能，整合全量数据和场景化的智能安全服务是未来方向，作为中国第一家大数据安全公司，瀚思的技术积累、技术延展性，客户积累和满足客户期望的能力都毋庸置疑，具备比肩国际同类企业的技术实力和爆发潜力。
 

　　——毅达资本创始合伙人 周春芳

        转自：中文科技资讯
 

　　版权及免责声明：凡本网所属版权作品，转载时须获得授权并注明来源“中国产业经济信息网”，违者本网将保留追究其相关法律责任的权力。凡转载文章，不代表本网观点和立场。版权事宜请联系：010-65363056。

延伸阅读