通过在 Data _ Roberts 通知的 _ Database _ Strategy 中放置更少的数据来获得更好的分析

核心观点与关键数据

流数据过载问题
当前面临流数据过载挑战，需将高容量数据转化为高价值数据。关键在于通过流式传输和图数据表示技术，实现事件的有效组装和意义提取。

事件流处理技术
采用事件流处理技术，具备以下特点：

• 无需时间窗、处理无序数据、并行异步、支持背压流处理。
• 通过图数据表示分析分类数据、链接异构数据、查询历史及未来数据，并解决欺骗与异常检测问题。

ThatDot Quine解决方案
ThatDot推出Quine开源工具，通过模式学习图AI技术实现：

• 无需培训或数据标签，直接分析分类数据（如名称、IP、电子邮件等）。
• 减少错误警报，解释异常元素原因，提供上下文和行为指纹。
• 支持高吞吐量处理，查询响应低于5微秒，支持超大规模数据（百万级节点）。

技术优势

• 实时性：数据流实时处理，结果即时输出。
• 扩展性：背压流处理，高效低资源占用，支持水平扩展至数千节点。
• 易部署：渐进式部署，与Kafka、Kinesis等工具集成，支持云或本地部署。

应用案例
以VAST内部威胁检测为例，通过车门徽章接近数据与网络日志合并，实现实时行为记录分析，有效识别APT攻击模式。

研究结论
ThatDot Quine通过图AI技术，在极低成本资源下实现高速流数据处理的规模突破，为威胁检测等领域提供高效解决方案。