【精选研报】赞助方德勤利用Databricks和德勤推进网络安全领域的人工智能数据管理与分析.pdf附下载

📄 本文PDF完整版已上传云盘，点击链接保存后可随时查阅：https://pan.quark.cn/s/66c0460a7026

网络安全里真正卡住 AI 落地的，不是模型够不够聪明，而是安全数据还被锁在 SIEM 里、既贵又不好用。

德勤和 Databricks 2025 年 6 月这场材料，把判断说得很硬：攻击面在扩、对手已经在用 AI，防守端还在用“加一层模型”的方式应付，效率上不去。Darktrace 2025 年调查里，95% 的受访安全从业者同意 AI 能明显加快防御；其中 49.6% 强烈同意、45.6% 比较同意，反对只有 4.8%。共识已经有了。缺的是把数据工程和数据科学先铺好。

主线就一条：先把安全数据从“工具附属品”变成“可治理、可训练、可分发给多种分析”的资产，AI 才接得上。

为什么是现在

材料把压力拆成四块：对手用 AI 做钓鱼、绕过检测、打自主代理和机器学习模型；智能设备和线上交易让数据采集更密、暴露面更大；企业走出传统防火墙、系统集成变深，分析师要守的面在涨；老系统、供应商和开源软件把供应链风险藏起来。

这些叠加后，人工看告警、把所有日志硬塞进 SIEM 的模式会同时撞上两堵墙：成本，和看不到新威胁。防御侧 AI 被期待最多的，是未知威胁检测、通用威胁检测、自主响应、找可利用漏洞、加快调查和恢复、降告警疲劳、钓鱼与攻击模拟。顺序很清楚——先看见、再加速、最后才谈全自动处置。

谁受益，谁被挤

受益的是能把 SIEM 数据、第三方源和企业数据拆开治理的一方。材料里几种架构对比很直白：原样接现有 SIEM，部署快、归档能省一点，但 SIEM 费用还在、能力受限；把进 SIEM 的量压下去，能控成本，但仍围着同一套工具转；把企业数据“系统”和消费数据的工具分开，数据才能同时服务 SIEM 和其他分析，民主化程度更高。

受损的是继续把“所有安全数据=SIEM 账单”的运营方式。数据出不去、特征做不成、训练起不来，95% 的认同就停在问卷上。

Databricks 这边被点到的能力包括：兼容与存储、大量第三方接入、Unity Catalog 做目录与权限、Data/AI mesh、以及尽量不绑死某一种工作负载。德勤侧是 Cyber AI 与自动化落地。这是咨询加平台的组合，不是单点产品发布。