在当今全球化的背景之下,智能终端、物联网、可穿戴电子设备……,人类社会互联网化已成为现实。人们每天的生产生活都在产生大量的数据,并且速度越来越快,这标志着大数据(Big Data)时代的正式来临。根据国际互联网数据中心IDC(Internet Data Center)预计,到2020年,全球互联网数据量将在现有基础之上增加50倍。电信企业的信息安全面临新型挑战,个人信息被滥用,经营数据被窃取……。传统的安全技术手段捉襟见肘,主要体现为:一、电信企业信息安全标准中的体系架构决定了数据的多样与庞大,但数据分析能力未能与之匹配;二、新型攻击手段不断涌现,传统的分析方法已不能适应,无法快速做出判定和响应。本课题在采集分析某省级电信企业信息系统海量多源异构数据基础上,综合运用安全威胁情报、大数据、机器学习等多种技术,前瞻性和科学性地探索运用大数据技术对安全情报进行整合,对安全事件进行分析,借助系统平台的联动功能,构建具有电信企业特点的异常安全行为管理指标库、场景库和量化评估模型,对安全事件进行智能关联分析,情景感知和跟踪溯源,实现异常行为的可视化管理和风险态势的全景展示,进一步提升电信企业信息系统的安全性,降低信息系统的安全风险,为电信企业的业务发展和创新提供安全保障。