對抗大數據
1. 無卡手機上網能否查到手機用戶能對抗大數據鎖定么
手機雖然沒有卡，但是聯網時會有「IP地址」，這個就相當於「電話號碼」。
2. 雲計算 大數據 網路安全 哪個好
隨著移動互聯網、互聯網+、大數據、雲計算的發展，各種網路安全事故頻繁發生，同時安全威脅手段日益隱蔽，帶來的危害則愈加嚴重。在這樣的形勢下，審視新環境下網路安全的新特點，並制定有針對性的措施就十分有必要。
網路安全事件愈演愈烈
東軟網路安全事業部副總經理張泉認為，與過去網路安全事件影響范圍、危害程度相對有限所不同的是，如今的網路安全事件波及范圍很廣，並且造成的影響也非常嚴重。
例如，今年10月份網易郵箱的用戶資料庫疑似泄露，數量多達5億條，其中包括用戶名、密碼、密碼提示問題和答案、注冊IP地址、生日等等，部分數據甚至在網上廣泛流傳;2014年8月，央視財經報道，支付寶用戶在連續10天時間里錢款不斷被人轉走，最蹊蹺的是，在這32萬元錢被轉走的過程中，支付寶戶主的手機竟然沒有收到任何簡訊提示;今年10月，滴滴出行、支付寶、攜程系統等無法訪問，給用戶造成了極大的不便。
張泉認為，網路安全問題所影響的主要是用戶數據的保密性、可用性和完整性。以上文所舉例子來說明，5億條網易郵箱數據疑似泄露涉及網路空間的保密性，支付寶賬戶被盜32萬侵犯了網路空間的完整性，滴滴出行、支付寶、攜程系統無法訪問則影響了網路空間的可用性。
2013年曝光的「棱鏡門」事件，則告訴人們網路安全問題已經上升為國家和國家之間的對抗，並且在某些國家發展成為了頗具規模的地下黑產業。而網路安全防護則通過做好收口工程、看門工程、鎖庫工程、補漏工程、底線工程，來抵禦網路安全風險。
面對網路安全事件愈演愈烈的形勢，張泉認為重新審視網路安全的新特點，並採取有效的防禦措施已是迫在眉睫。
大數據、雲計算帶來新挑戰
談到網路安全的新形勢，張泉認為，大數據和雲計算的出現，是目前網路安全環境變化的主要因素。
大數據和雲計算使得數據共享和超級計算成為可能，然而這就帶來了共享技術的漏洞，加大了數據損失、數據泄露的風險，對於惡意的內部用戶的訪問和竊取則是防不勝防。此外，審計服務以及通訊劫持、不安全的應用介面、惡意使用服務等都是大數據和雲計算帶來的新風險。因此，如何在不安全的環境中構造安全服務、如何強制遠程第三方實施安全策略、如何應對動態的安全邊界、如何應對虛擬化環境的安全挑戰、如何對雲中數據泄漏進行檢測、如何防止利用雲來進行安全攻擊成為雲計算和大數據環境下面臨的新課題。
大數據和雲計算改變了傳統的網路架構，使得遠程訪問和遠程式控制製成為可能，而黑客也能輕而易舉地進行遠程訪問和控制，這就為網路犯罪分子大開方便之門。此外，在大數據和雲計算環境下，互聯網所依賴的IP承載技術也將互聯網安全風險引入了新領域。
而從業務的前、中、後端來看，各個環境也存在著風險隱患。在前端客戶環節，客戶端、APP本身極具開放性，開發廠商、人員技術層出不清，普遍安全意識淡薄，更甚者缺少基本的安全驗證或驗證代碼明文傳輸;在中間應用環節，目前多數企業租用公有雲或政府私有雲，針對虛擬化、雲環境缺少針對彈性運算的跟蹤防護和多租戶隔離措施，雲環境中多種設備不同報警如何整合、海量事件和日誌如何分析、存儲和歸斂、人員操作如何審計和控制都是問題;而在後端服務環節，防止數據泄露、泄露事件回溯、泄露事件審計都是需要考慮的問題。
端到端的動態安全防護體系
東軟網路安全起步於1996年，目前已經經歷了以自主產品為中心、以自有解決方案為中心、網路安全產品及服務供應商共3個階段，面對各種病毒不斷爆發、數據中心大流量大並發的特點和網路帶寬的不斷增長，東軟推出了高性能產品以應對網路帶寬的快速增長趨勢。
Verizon 認為，67%的安全攻擊是從分支機構和中小組織入手的。對此，東軟建立了端到端防護體系以確保分支機構安全，通過從數據中心到分支機構的整體安全防護、高性能的下一代防火牆、有線及無線一體化的安全網關來守護數據中心和分支機構的安全。
近年來，國家提出了IT軟體自主可控的需求。針對這一趨勢，東軟聯合中標麒麟等推出了自主可控、安全可靠的NISG6000-AQKK V4.2——一款中國製造、擁有中國芯的完全自主知識產權下一代防火牆，吞吐量高達4G，超出業界最高水平的2倍，整機功耗小於100W，安全穩定。
此外，雲計算也對東軟的安全方案帶來了機遇，藉助雲計算的優勢，東軟推出了雲安全整體解決方案。同時，東軟還推出了基於許可權管控及安全運維的態勢感知平台大數據存儲平台。
3. 大數據風控是什麼
大數據風控指的就是大數據風險控制，是指通過運用大數據構建模型的方法進行風險控制和風險提示。通過採集大量企業或個人的各項指標進行數據建模的大數據風控更為科學有效。
大數據（big data），指無法在一定時間范圍內用常規軟體工具進行捕捉、管理和處理的數據集合，是需要新處理模式才能具有更強的決策力、洞察發現力和流程優化能力的海量、高增長率和多樣化的信息資產。
大數據風控主要是通過建立數據風險模型，篩選海量數據，提取出對企業有用的數據，再進行分析判斷風險性。
(3)對抗大數據擴展閱讀：
大數據風控能解決的問題：
1、有效提高審核的效率和有效性：
引入大數據風控技術手段分析，通過多維度的信息分析、過濾、交叉驗證、匯總，可以形成一張全面的申請人數據畫像，輔助審核決策，可以提高審核的效率和有效性。
2、有效降低信息的不對稱：
引入大數據風控技術手段分析，通過多維度的信息分析、過濾、交叉驗證、匯總，可以形成一張全面的申請人數據畫像，輔助審核決策，可以提高審核的效率和有效性。
3、有效進行貸後檢測：
通過大數據技術手段對貸款人進行多維度動態事件（如保險出險、頻繁多頭借貸、同類型平台新增逾期等）分析，做到及時預警。
參考資料來源：網路-大數據風控
4. 如何應對大數據的挑戰
合理獲取數據，存儲應需而變，篩選和分析大數據，理性面對大數據的誘惑，雲計算和大數據相輔相成，處理好非結構化數據，與硬體保持距離，提高大數據的可視化，安全防範必不可少。
5. 大數據在軍事領域有哪些應用
在軍事上，用小數據時代的理念和技術，很難與大數據時代的思維和技能相對抗。面對大數據時代的軍事機遇和挑戰，要麼主動進擊，要麼被動跟進，難以置之度 外。其間的取捨與成敗，首先有賴於思維變革，其要求全體軍事人員尤其是指揮員，更加具備基於體系作戰的系統思維、基於數據模型的精確思維及基於對戰爭進行 科學預設的前瞻思維。
大數據創新了軍事管理方法，且這種創新是全方位的--除了可以提高包含閱兵在內的軍事訓練水平，還可以：
1.提高軍事管理水平
管理大師戴明與德魯克都曾提出：「不會量化就無法管理」。數據的根本價值之一，就是可作為管理依據。大數據應用的特點是強調分析與某事物相關的總體數據， 而不是抽取少量的數據樣本；大數據關注事物的混雜性，而不追求事物的精確性；大數據注重事物的相關關系，而不探求其間的因果關系。
將大數據應用於軍事領域，意味著軍事管理將更加剛性，基本不受人為因素的影響，且更加自動化。所以說，大數據強軍的內涵，本質上是軍事管理科學化程度的提 高，即與小數據比起來，由於有了大數據，軍事管理活動量化程度更高了，工具更加先進了，邊界更加寬廣了，管理質量、效率會隨之更高。
2.豐富軍事科研方法
通常人們研究戰爭機理、找尋戰爭規律的方法有三種，又稱為三大範式：實驗科學範式，在戰前通過反復的實兵對抗演習來論證和改進作戰方案；理論科學範式，採用數學公式描述交戰的過程，如經典的蘭徹斯特方程；計算科學範式，基於計算機開發出模擬系統來模擬不同作戰單元之間的交戰場景。
但是，上述研究範式只能使人們感知交戰的過程和結果，並未有效提高對海量數據的管理、存儲和分析能力。
以大數據為核心技術的數據挖掘模式被稱為第四戰爭研究範式。人 們可以有效利用大數據，探尋信息化戰爭的內在規律，而不是被淹沒在海量數據中一籌莫展。大數據研究範式由軟體處理各種感測器或模擬實驗產生的大量數據，將 得到的信息或知識存儲在計算機中，基於數據而非已有規則編寫程序，再利用包括量子計算機在內的各種高性能計算機對海量信息進行挖掘，由計算機智能化尋找隱 藏在數據中的關聯，從而發現未知規律，捕獲有價值的情報信息。
例如，在第一次海灣戰爭前，美軍就利用改進的「兵棋」，對戰爭進程、結果及傷亡人數進行了推演，推演結果與戰爭的實際結果基本一致。而在伊拉克戰爭前，美 軍利用計算機兵棋系統進行演習，推演「打擊伊拉克」作戰預案。隨後美軍現實中進攻伊拉克並取得勝利的行動，也和兵棋推演的結果幾乎完全一致。
作戰模擬早已經從人工模式轉變為計算機模式，再加上大數據，戰前的模擬推演，從武器使用、戰爭打法到指揮手段，都可以清晰地顯現，是非常好的戰時決策依據。一旦發現作戰計劃有問題，可以及時調整，以確保實戰傷亡最小並取得勝利。
3.加速型武器裝備面世
大數據在武器裝備上的廣泛應用，意味著武器裝備建設將從重視研發信息系統到重視數據處理與應用的轉變，從注重信息系統的互聯互通到注重信息系統的透明性互 操作的轉變。當前武器裝備的信息化程度越來越高，裝備體系內各個節點之間的信息共享也越來越方便、可靠，但由此也帶來了一些突出問題，如原始信息規模過 大、價值不夠高、直接提取所需信息的難度增加等，從而使得武器裝備體系在信息獲取效率上大打折扣。在這種背景下產生的大數據為解決上述問題提供了有效方 法。
需要說明的是：大數據應用不僅意味著人們要以創新方式使用海量數據，還意味著人們要採用人工智慧技術來處理自然文本和進行知識表述，以替代目前依賴專家和技術人員昂貴而又耗時的信息處理方式。
大數據與人工智慧是一而二、二而一的關系。受益於大數據技術，武器裝備體系將從戰場上的信息使用者升級為高度智能化和自主化的系統。其具體流程為：經 過智能處理後的高價值信息進入戰場網路鏈路後，與戰場網路融為一體的武器裝備體系能實時自動感知面臨的有關威脅，各裝備節點自動感知包括我情和敵情在內的 戰場態勢，在作戰人員的有限參與下高度自主地分解作戰任務，確定作戰目標和行動方案，經過適當的審批流程後執行相關的作戰行動。
在這方面走在前列的仍然是美軍。美軍大數據研究的第一個重要目標是通過大數據創建真正能自主決策、自主行動的無人系統。這一點已在無人機領域實現。美軍希 望無人機可以完全擺脫人的控制而實現自主行動。美軍2013年試飛的X-47B就是這一系統的代表，它已經可以在完全無人干預的情況下自動在航母上完成起 降並執行作戰任務。
4.提升情報分析能力
19世紀初，軍事戰略家克勞塞維茨以人的認知局限為由，提出了「戰爭迷霧」概念。顯然，「戰爭迷霧」即「數據迷霧」。信息戰首先得消除「戰爭迷霧」。信息 戰是體系對體系的戰爭，而這一體系是一個超級復雜的巨大系統，僅諸軍兵種龐雜的武器裝備和作戰環境數據，就足以大到使普通的信息處理能力捉襟見肘；而敵我 對抗的復雜化，更是讓數據量呈爆炸式增長，從而帶來比傳統戰爭更多的「數據迷霧」。可以說，信息化戰爭的機制深藏在「數據迷霧」中。
消除「戰爭迷霧」會提高指揮員的情報分析與軍情預測能力。過去，由於可以掌握的數據不足，戰爭的不確定性很高，指揮員很容易陷在「戰爭迷霧」之中。而大數據最重要的價值之一是預測，即把數據演算法運用到海量的數據上來預測事情發生的可能性。
具體而言，未來完全可能依託大數據分析處理技術和建構模型，通過數據挖掘模式，從海量數據中挖掘出有價值的信息，及時准確掌握敵方的戰略企圖、作戰規律和 兵力配置，真正做到「知己知彼」，使戰場變得清晰透明，從而撥開「戰爭迷霧」，達成運籌於帷幄之中、決勝於千里之外的作戰目的。
對此趨勢，很多國家及其軍隊都極為看重。例如，美軍明確提出，要通過大數據將其情報分析能力提高100倍以上。如果這一目標實現，那麼在這一領域其他國家 與美軍的差距，將難以用簡單的「代差」來描述。美軍通過多年的發展，已擁有全球最先進的情報偵察系統，因為對海量情報數據的分析，曾是美軍情報偵察能力的 瓶頸，而大數據正好能夠幫助美軍突破這一瓶頸。
大數據時代，往往不要求准確知道每一個精確的細節，只需了解事物的概略全貌即可。通過相關數據信息的大量積累，而不是對某個具體數據的精確分析，大數據技 術可以為我們提煉出事物運行的規律，並判斷其發展趨勢。例如，2011年美軍擊斃本·拉登的「海神之矛」行動，就有賴上千名數據分析員長達10年數據積累 的支撐。換言之，是大數據抓住了本·拉登。
5.引領指揮決策方式變革
管理的核心是決策。大數據帶來的重要變革之一，是決策的思維、模式和方法的變革。建立在小數據時代基於經驗的決策，將讓位於大數據時代基於全樣本數據的決策。
決策是進行數據分析、行動方案設計並最終選擇行動方案的過程。軍事決策建立在對敵情的正確分析預測之上，其目的是通過合理分配兵力兵器，優選打擊目標，設計完成任務的最佳行動方法與步驟。
以往的戰爭，做出作戰決策時缺少足夠數據支持，甚至數據本身的真實性、准確性也難以保證。目前信息化條件下的戰爭，各種條件都變成了數據，這就要求指揮人 員必須掌握分析海量數據的工具和能力。以往，指揮人員更多的是依靠經驗進行相對概略或粗放式決策。大數據的出現必將要求指揮人員以全新的數據思維來進行指 揮決策。這種決策將有幾個特點：
一是准確。只要提供的數據量足夠龐大真實，通過數據挖掘模式，就可以較為准確地把握敵方指揮員的思維規律，預測對手的作戰行動，掌控戰場態勢的發展變化等。
二是迅速。大數據相關技術所提供的高速計算能力有助於指揮員更加迅速地設計行動方案。
三是自動化。針對特定的作戰對手和作戰環境，大數據系統可以自動對己方成千上萬、功能互補的作戰單 元或平台進行模塊化編組，從而實現整體作戰能力的最優化；面對眾多性質不同、防護力不同且威脅度各異的打擊目標，大數據系統可以自動對有限數量、有限強度 和有限精度的火力進行分配，以收獲最大作戰效益。
在大數據時代的戰爭中，軍事專家、技術專家的光芒會因為統計學家、數據分析家的參與而變暗，因為後者不受舊觀念的影響，能夠聆聽數據發出的「聲音」。
總之，基於數據的定量決策將和基於經驗的定性決策同樣重要，基於經驗的決策將很大程度上讓位給全樣本決策，基於大數據的決策手段將從輔助決策的次要地位上升到支撐決策的重要地位。
對此，美軍的認識是最到位的。美軍發布的《2013-2017年國防部科學技術投資優先項目》就將「從數據到決策」項目排在了第一位，凸顯了大數據對其指揮決策方式的巨大影響。
6.優化作戰指揮流程
網路日益普及的情況下，信息的流通與共享已不是難題，人們開始關注對信息的認識，及將信息轉化為知識的能力。
與之相適應，軍事信息技術也從關注「T」（Technology）的階段，向關注「I」（Information）的階段轉變；從建設指揮自動化系統 （C4ISR），即指揮、控制、通信、計算機、情報及監視與偵察等信息系統，整體管理「戰場信息的獲取、傳遞、處理和分發」的全信息流程；發展至重視大數 據處理應用，綜合集成數據採集、處理平台和分析系統，統一優化管理「戰場數據採集、傳遞、分析和應用」的全數據流程。即通過對海量數據進行開發處理，大幅 度提高從中提取高價值情報的能力，從而實現對戰場綜合態勢的實時感知、同步認知，進一步壓縮「包以德循環」（OODA Loop），即觀察-調整-決策-行動的指揮周期，縮短「知謀定行」時間，提高快速反應能力。
隨著數據挖掘技術、大規模並行演算法及人工智慧技術的不斷完善並廣泛應用在軍事上，情報、決策與作戰一體化將取得快速進展。在武器裝備上，將特別注重各作戰 平台的系統融合和無縫鏈接，以保證戰場信息的實時快速流轉，縮短從「感測器到射手」的時間差，實現「發現即摧毀」的作戰目標。
比如近幾年迅速發展的無人機作戰平台，其本質就是一個智能系統。其可以成建制地對實時捕獲的重要目標進行「發現即摧毀」式的精確打擊，還能通過融合情報的 前端和後端，使數據流程與作戰流程無縫鏈接並相互驅動，構建全方位遂行聯合作戰的「偵打一體」體系，從而實現了體系化的「從感測器到射手」的重大突破。
7.推動戰爭形態的演變
大數據可以改變未來的戰爭形態。美軍一直追求從感測器到平台的實時打擊能力，追求零傷亡。
由大數據支撐的擁有自主能力的無人作戰平台，將使得這些追求成為可能。例如，目前全世界最先進的無人偵察機「全球鷹」，能連續監視運動目標，准確識別地面 的各種飛機、導彈和車輛的類型，甚至能清晰分辨出汽車輪胎的類型。現今，美空軍的無人機數量已經超過了有人駕駛的飛機，或許不久的將來，美軍將向以自主無 人系統為主的，對網路依賴度逐漸降低的「數據中心戰」邁進。
無人機能否做到實時地對圖像進行傳輸非常關鍵。
目前，美國正使用新一代極高頻的通訊衛星作為大數據平台的支撐。未來，無人機甚至有可能擺脫人的控制實現完全的自主行動。美軍試驗型無人戰斗機X-47B就是這一趨勢的代表，它已經可以在完全無人干預的情況下，自動在航母上完成起降並執行作戰任務。
總之，基於大數據的實時、無人化作戰，將徹底改變人類幾千年來以有生力量為主的戰爭形態。
8.引導軍事組織形式變革
大數據即大融合，它有望打破軍種之間的壁壘，解決軍隊跨軍種、跨部門協作的問題，真正實現一體化作戰。
就組織形態而言，扁平結構、層次簡捷、高度集成、體系融合應該更符合大數據時代的要求。軍事方面的相關趨勢有：
（1）網狀化。軍隊的指揮體系逐步發展為「指揮網」，原先的「樹狀結構」變為 「網狀結構」。一個師的指揮系統一旦被打垮，師以下各級可通過「網」與上級或其他作戰單元聯系。這就改變了傳統軍事指揮體系由「樹干、樹枝、樹葉」編成的 組織形態，避免了機械化戰爭時期「打斷一枝、癱瘓一片」的指揮弊端，有效提高了局部戰爭中的指揮效能。
（2）小型化。發達國家的陸軍多由軍、師、團、營體制向軍、旅、營制轉變，使作戰集團更加輕便靈活，機動性更強。 根據部隊的不同功能優化組合，基本作戰單位不需要加強補充就能實施多種作戰，從而全面提高應對多種安全威脅，完成多樣化軍事任務的能力。將營作為基本戰術 「模塊」，將旅作為基本合成單位，以搭積木方式進行編組，戰時根據需要臨時編組，看迅速生成擔負不同作戰任務的部隊。
世界各主要國家都非常重視軍隊組織形態變革，並致力於發展新興軍兵種，及時設計和建設新型部隊。
2009年，美國國防部宣布組建網路戰司令部。2013年3月，美國網路戰司令部司令亞力山大宣布，美國將增加40支網路戰部隊。美國、俄羅斯等國都在積極籌劃或正在建設能在太空進行作戰的「天軍」部隊、「機器人」部隊。
隨著新興軍兵種的建立，軍隊的組織形態將出現新面貌，未來戰爭的觸角不斷延伸，網路、電磁頻譜領域的爭奪方興未艾，太空不再是寂寞世界，天戰也不再遙遠。
（3）一體化。軍隊信息化必然要求一體化，信息化程度越高，一體化特徵越明顯。適應新形勢下強軍目標的要求，我軍必須對戰鬥力要素進行一體化整合，推進武裝力量一體化、軍隊編成一體化、指揮控制一體化、作戰要素一體化，提高整體效益。
9.大數據將使體系作戰能力大幅提升
從作戰手段角度看，大數據及其支撐的新型武器裝備的應用，將豐富軍隊的作戰體系；從作戰效能角度看，大數據下的作戰行動循環（包以德循環）所耗時間將大為縮短，更符合「未來戰爭不是大吃小，而是快吃慢」的制勝規律。相關變革的結果，將是軍隊體系作戰能力大幅提升。
10.提升軍隊的信息化建設水平
大數據給了各國軍隊（尤其是像我軍這樣的信息化發展水平參差不齊的軍隊）一個契機，可以牽引、拉動自身的信息化建設向更高層次發展，同時拉齊整體水平，因為大數據意味著「整體」。
具體來說，應以提高決策速度、反應速度和聯合作戰能力為目標，以數據為中心，以搜索分析處理數據為中樞架構，自上而下建設軍事「數據網路」；加快組建雲計 算中心，把對大數據分析處理作為軍事信息化建設的重中之重，努力建構精確分析處理大數據的硬體系統、軟體模型，實現大數據「從數據轉化為決策」的智能化和 瞬時化。
同時，也要抓好末端的單兵及單件武器裝備的數據採集、存儲設備設計，從而為海量數據的挖掘和整合奠定基
6. 結合案例說明，利用大數據為prada帶來什麼好處
有一個有趣的故事是關於奢侈品營銷的。PRADA在旗艦店中每件衣服上都有RFID碼。每當專一個顧客拿起一件PRADA進試屬衣間，RFID會被自動識別。同時，數據會傳至PRADA總部。每一件衣服在哪個城市哪個旗艦店什麼時間被拿進試衣間停留多長時間，數據都被存儲起來加以分析。如果有一件衣服銷量很低，以往的作法是直接幹掉。但如果RFID傳回的數據顯示這件衣服雖然銷量低，但進試衣間的次數多。那就能另外說明一些問題。也許這件衣服的下場就會截然不同，也許在某個細節的微小改變就會重新創造出一件非常流行的產品。
7. 以大數據為主題,寫一篇1500字的文章
可參考下文9個關鍵字寫寫大數據行業2015年年終總結2015年，大數據市場的發展迅猛，放眼國際，總體市場規模持續增加，隨著人工智慧、物聯網的發展，幾乎所有人將目光瞄準了「數據」產生的價值。行業廠商Cloudera、DataStax以及DataGravity等大數據公司已經投入大量資金研發相關技術，Hadoop供應商Hortonworks與數據分析公司NewRelic甚至已經上市。而國內，國家也將大數據納入國策。我們邀請數夢工場的專家妹子和你來聊聊2015年大數據行業九大關鍵詞，管窺這一年行業內的發展。戰略：國家政策今年中國政府對於大數據發展不斷發文並推進，這標志著大數據已被國家政府納入創新戰略層面，成為國家戰略計劃的核心任務之一：2015年9月，國務院發布《促進大數據發展行動綱要》，大力促進中國數據技術的發展，數據將被作為戰略性資源加以重視;2015年10月26日，在國家「十三五」規劃中具體提到實施國家大數據戰略。挑戰：BI(商業智能)2015年對於商業智能(BI)分析市場來說，正由傳統的商業智能分析快速進入到敏捷型商業智能時代。以QlikView、Tableau和SpotView為代表的敏捷商業智能產品正在挑戰傳統的IBMCognos、SAPBusinessObjects等以IT為中心的BI分析平台。敏捷商業智能產品也正在進一步細化功能以達到更敏捷、更方便、適用范圍更廣的目的。崛起：深度學習/機器學習人工智慧如今已變得異常火熱，作為機器學習中最接近AI(人工智慧)的一個領域，深度學習在2015年不再高高在上，很多創新企業已經將其實用化：Facebook開源深度學習工具「Torch」、PayPal使用深度學習監測並對抗詐騙、亞馬遜啟動機器學習平台、蘋果收購機器學習公司Perceptio……同時在國內，網路、阿里，科大訊飛也在迅速布局和發展深度學習領域的技術。共存：Spark/HadoopSpark近幾年來越來越受人關注，2015年6月15日，IBM宣布投入超過3500名研究和開發人員在全球十餘個實驗室開展與Spark相關的項目。與Hadoop相比，Spark具有速度方面的優勢，但是它本身沒有一個分布式存儲系統，因此越來越多的企業選擇Hadoop做大數據平台，而Spark是運行於Hadoop頂層的內存處理方案。Hadoop最大的用戶(包括eBay和雅虎)都在Hadoop集群中運行著Spark。Cloudera和Hortonworks將Spark列為他們Hadoop發行的一部分。Spark對於Hadoop來說不是挑戰和取代相反，Hadoop是Spark成長發展的基礎。火爆：DBaaS隨著Oracle12cR2的推出，甲骨文以全新的多租戶架構開啟了DBaaS(資料庫即服務Database-as-a-Service)新時代，新的資料庫讓企業可以在單一實體機器中部署多個資料庫。在2015年，除了趨勢火爆，12c多租戶也在運營商、電信等行業投入生產應用。據分析機構Gartner預測，2012年至2016年公有資料庫雲的年復合增長率將高達86%，而到2019年資料庫雲市場規模將達到140億美元。與傳統資料庫相比，DBaaS能提供低成本、高敏捷性和高可擴展性等雲計算特有的優點。