2026年安全分析与安全智能调研报告1500字

导语：安全分析和安全智能，正从“能用”迈向“好用”。这份2026年调研报告，聚焦行业真实演进节奏，技术怎么落地？能力如何升级？瓶颈在哪？趋势怎么看？帮你避开试错弯路，抓住下一阶段关键发力点。想少走弯路、快人一步？这份报告值得参考。

xx年10月份，紧接着xx年度日志管理调研报告(log management survey)，sans又发布了xx年度的安全分析与智能调研报告(analytics and intelligence survey xx)。

sans认为，安全分析与日志管理逐渐分开了，当下主流的siem/安管平台厂商将目光更多地聚焦到了安全分析和安全智能上，以实现所谓的下一代siem/安管平台。而安全分析和安全智能则跟bda(大数据分析)更加密切相关。

sans对安全智能的定义采纳了gartner的定义。而安全智能(security intelligence)这个词的最早定义就来自于gartner的fellow——约瑟夫.费曼(xx年的报告——《准备企业安全智能的兴起》)。这，在xx年的日志分析调查报告中明确指出来了：企业安全智能包括对企业的it系统中所有跟安全相关的数据的收集，以及安全团队的知识和技能的运用，从而达成风险消减的目的。

今年，sans对安全分析(security analytics，或者叫安全数据分析，数据分析)给出了一个自己的定义：

the discovery (through various analysis techniques) and communication (such as through visualization) of meaningful patterns or intelligence in data.【对数据中有意义的模式或者情报(通过多种分析技术)进行发现和沟通(例如通过可视化方式)】

sans还追溯了一下安全分析的起源，其实早在1986年就正式出现了。从最早的ids，到后来的siem，再到现在的安全智能，形成了一条安全分析的发展时间线。

关于安全智能，sans做了一个脚注，就是安全智能不是自动化的机器智能，还需要训练有素安全分析师的参与。

报告中，sans还给威胁情报下了一个定义：threat intelligence is the set of data collected， assessed and applied regarding security threats， malicious actors， e_ploits， malware， vulnerabilities and compromise indicators.

【注：安全智能跟安全/威胁情报中都有一个相同的英文intelligence，但是含义还是有所区别的】

sans对350位it专业人士进行了调查问卷。报告显示：

1)有47%的用户依然投资在siem上，通过增强的siem获得安全分析的能力;

2)27%的用户将内部威胁情报关联应用于siem;

3)61%的用户认为大数据将在安全分析中扮演必不可少角色(36%认为大数据扮演关键角色，25%认为大数据是必要的，但不是最关键的);

4)47%的用户认为他们的情报和分析实践初步实现了自动化。

sans进行了多项有针对性的调查。其中，“攻击检测与响应的障碍”首当其冲的是缺乏对应用、以及支撑的系统和脆弱性的可见性(39.1%);排在第二的障碍是难以理解和标识正常行为，进而导致无法识别异常行为;排在第三位的是缺乏训练有素的人;排在第四位的是不知道哪些是关键的需要采集的信息，以及如何进行关联。

在问及“安全分析人员主要看什么系统产生的日志”时，57%的人选择了传统的边界防御设备(fw/idp)产生的告警;42%的人选择了终端监测系统的告警(譬如防病毒)。此外，有37%的人选择了“siem的自动化告警”，还有32%的人选择了通过siem/lm去进行事件分析，并手工产生告警。sans认为，调查结果表明下一代的siem具备自动化分析和智能告警的能力。

在问及“实现安全智能需要跟哪些检测技术交互”时，几乎各种检测技术都有涉及，印证了安全智能的技术交互的广泛性。在目前，主要交互(对接)的是fw/utm/idp、漏洞管理、基于主机的恶意代码分析(终端防病毒)、siem、lm。在未来，计划要交互的主要是基于网络的恶意代码分析(沙箱)、nac、用户行为监控。

在问及“对当前安全分析能力的满意度”时，最满意的是分析的性能与响应时间，最不满意的是安全分析的可见性，分析师的培训以及分析师的紧缺排在最不满意的第三位。

在问及“应用安全分析最有价值的作用”是什么时，首选最高的是发现未知威胁，次选最高的是检测内部威胁，第三选择最高的是降低错报。

在问及“未来对安全分析/智能的投资”领域时，67%的受访者选择了培训/人员，其次是事故响应能力，第三是siem(47%)。此外，选择基于网络包的分析、用户行为监控、情报、大数据分析引擎的人都超过了20%。