情报分析文章

从近年来的发展趋势来看，AI人工智能毫无疑问是未来的发展方向。随着人工智能的不断发展，目前主要应用在智能制造、智能教育、智能物流、智能家居、智能客服等领域。

同样，在舆情监测领域也正在被广泛应用。

ai人工智能舆情监测分析解决方案

一、提升了数据的精准性

早期的舆情监测，通常由“关键词”搭配“与、或、非”的判断逻辑进行数据检索，往往需要辅以大量的人工，对数据进行二次处理。而智能化的监测，则通过自然语言处理技术对内容进行多维度识别，从而提升数据的准确性。

二、以人工智能技术进行中文全媒体资讯自动化分析与大数据情报挖掘的综合

与传统舆情系统相比，AI人工智能舆情监测系统有两个明显的转变：舆情监测从“检索”到“算法”的转变；数据计算从“简单计算”到“深度学习”的转变。AI人工智能舆情监测系统的优势在于可以精确地对文本类信息进行实体识别、语义消歧、知识图谱构建、话题分类、自动摘要、情感分析，并对于图像类的信息进行有效的品牌识别、人脸识别、物体识别和文字识别等。

三、其他

此外，AI人工智能舆情监测系统的优势，还体现在对“非确定”信息的监测上。长期以来，舆情监测一直存在一个难题，即对一个部门、企业、话题、事件等确定性的“主题监测”相对容易，但对一些“无主题”的监测，则困难得多。

而AI舆情监测技术通过设定主题地域属性、媒体权重、热度属性、行业属性、情感属性、敏感属性，可以快速将全国的舆情事件进行定位、定性，并在此基础上进行信息的抽取、挖掘、聚类和分析，为关联单位提供智能监测、智能预警、智能研判等服务。

以上内容由ai人工智能舆情监测分析公司整理提供。

当前国内市场上，威胁情报最普遍的使用场景，就是利用IOC情报（ Indicators of Compromise）进行日志检测，发现内部被攻陷的主机等重要风险。这种情况下可以发现传统安全产品无法发现的很多威胁，并且大多是成功的攻击，对于安全运营有较大的帮助。这种场景看似简单，就是日志数据和情报之间的匹配，其实并不是如此，个人在这几年的工作中，对这个场景的认识有了多次转变，现今看来可以小结为3个层次。 最初的时候，认为IOC情报匹配本身并不复杂，核心的问题是情报本身的质量（相关性、及时性、准确性、可指导响应的上下文），特别是上下文问题，非常重要，除了一般会考虑到的风险等级、可信度等信息外，还需要提供相关攻击团伙和家族的攻击目的、危害、技战术等相关的内容，提供相关的远控端是否活跃，是否已经被安全厂商接管等信息，以此响应团队可以判定是否需要响应，哪个事件的优先级更高等。后续发现对于很多团队缺乏事件响应经验，理想情况下情报上下文最好能提供不同威胁的响应参考策略，这部分似乎也可以归入到上下文中。这个层次暂且称其为简单匹配。 后来逐步发现IOC的匹配问题并不单纯，针对不同的日志类型需要有专门的优化。典型的例子就是DNS日志或者防火墙的五元组日志，下面以DNS日志为例进行说明。DNS日志是进行IOC匹配比较理想的类型，因为有些远控服务器当时可能不能解析，因此不会产生其它类型的应用层日志，但通过DNS活动就可以推断对应的主机上已经运行了一个木马或者蠕虫病毒，甚或是APT攻击。这个远控的IOC形式可能是一个域名，这种情况就比较简单；但如果是一个URL，这种情况下如何匹配就是一个相对复杂的事情，因为单纯的DNS数据是不能精确判别是否出现失陷的，往往要引入一些参考的数据类别，并考虑企业对哪些威胁类型更加关注，这种情况下需要有更加复杂的匹配机制。这个层次可以称其为高级匹配。 经过前两个阶段，对于大多数组织应该可以较好的使用威胁情报做检测了。但从更高要求看，可能还会出现一些需要解决的问题，如日志中显示的域名没有直接的威胁情报命中，但是域名所在的主机其实已经明确是属于某个网络犯罪组织的，这种情况下如何产生报警；再如对一个邮件做详细的分析判定，是需要从多个维度进行分析，其中会使用多个类型的威胁情报。解决这些问题不但需要有威胁情报及网络基础数据，还需要有相应的分析判定模型，这部分可以说在编排和自动化范围内（SOAR），如果还需要有一个名字，不知智能化匹配是否合适。 简单匹配、高级匹配、智能化匹配，这是基于过去对IOC使用情况思考的一个简单总结。不能确定是否还会有更多的层次，但有一点可以肯定，随着对威胁情报IOC使用的不断探索，威胁情报在检测过程的作用一定会越来越大。而事件响应分析、安全预警上情报的使用大致也有同样的过程，可以在后续找机会探讨，而下篇文章更多要聊聊威胁情报IOC的评估。

1964年，《人民日报》发表一篇题为《大庆精神大庆人》的报道，据说这篇文章引起了当时日本人的注意。因为一直以来，日本都怀疑中国已经在自己的土地上发现了大油田。 但当时大庆油田还属国家机密，所以日本开始从中国的公开资料中搜寻相关信息，最后竟然根据“铁人”王进喜事迹宣传中的一句话，王进喜在一个叫马家窑的地方说的“好大的油海，把石油工业落后的帽子丢到太平洋去”，及其他的许多蛛丝马迹，分析出了大庆油田的地理位置。据说日本人甚至根据报纸上一张炼油厂反应塔的照片推算出了大庆炼油厂的规模和能力。

现在不同的舆情分析系统都会有自己特定的判断方式，也就是不同程序员在设计系统程序上对词语的情感判断是不同的，举个例子：

上图是清博舆情系统根据监测词“南宁”监测到的负面信息，点开信息内容来看，实际并没有负面的新闻

但从题目来看，可以看到“传销”、“警惕”这样的词在该舆情系统里是被定性为负面的

现在大多数舆情系统对于信息的情感判断不会准确到以人的情感标准为准，因为中国词语语义之大之广，程序员在设计系统时也不是能全部涵盖到，但如果像类似这样的信息个人认为还是算准确的