威胁检测和分析解决方案使用数据科学、大数据和自我学习

客户背景

客户近期收购了一家安全初创公司，该公司的解决方案能够在攻击泄露或损坏敏感数据前精准定位攻击。该客户是一家全球性的网络硬件及相关通信和信息技术产品开发、制造和销售企业，同时提供云、电子邮件、端点、网络和网络安全等安全产品，以及高级恶意软件防护和下一代入侵防御系统。

业务挑战

客户希望通过简单的网络快照和数据分析扫描和检测生态系统中的威胁，但内部缺乏专业知识，因此寻求专业团队协助实现目标，并承担处理Beta版本及其新功能的挑战。

解决方案

客户咨询了SoftServe，以协助其安全工具和威胁检测与分析解决方案。该方案基于网络流量快照跟踪和检测异常，SoftServe团队专注于配置、构建基础设施和监控，并领导了从本地模式迁移到AWS云和容器世界的迁移，以及从单体架构迁移到微服务的迁移。

技术栈

• 监控和日志工具：Prometheus, Jira, ElasticSearch, Splunk, CloudWatch, Fluentd, Metrics API, Nginx
• 云和容器技术：AWS, Boto3, Docker, Ingress Controller
• 开发工具：Git, TeamCity, BitBucket, ELK
• 编程语言：Python, Bash, Terraform, Ruby
• 开发环境：IntelliJ IDEA

项目实施

SoftServe团队采用Scrum模式，由三名DevOps工程师、一名团队负责人（TL）和一名项目经理（PM）组成，通过每日同步会、每周计划会议、每周演示和HipChat进行沟通。团队与客户的技术项目经理（PO）紧密合作，将需求转化为技术任务，并按阶段推进迁移工作，包括规划、概念验证（PoCs）、云端生产、流量切换等。

项目成果

通过与客户开发团队的信任与合作，SoftServe团队在短期内取得了预期成果，成功完成了从本地到AWS云和容器世界的迁移，以及从单体架构到微服务的迁移。