1、一方面，企业和组织安全体系架构的日趋复杂，各种类型的安全数据越来越多，传统的分析能力明显力不从心；另一方面，新型威胁的兴起，内控与合规的深入，传统的分析方法存在诸多缺陷，越来越需要分析更多的安全信息、并且要更加快速的做出判定和响应。信息安全也面临大数据带来的挑战。
2、大数据时代的信息安全特征主要表现为：数据量的爆炸性增长、数据种类的多样化、处理速度的快速化，以及数据价值的高密度化。首先，大数据时代的信息安全最显著的特征是数据量的爆炸性增长。随着技术的进步，各种设备、传感器、社交媒体等都在不断地生成数据。
3、大数据背景下的信息安全问题探讨 大数据具有体量巨大、类型繁杂、处理速度快、价值密度低四大特点，因此，对于个人来说，难以处理极其庞大的数据，只有国家和大型企业等组织或集团才有可能获取到各种敏感信息；大数据所搜集提取的个人信息可能连本人都不完全知晓，比如个人的行为特征、语言风格、爱好兴趣等。
数据量越来越大：网络已经从千兆迈向了万兆，网络安全设备要分析的数据包数据量急剧上升。同时，随着NGFW的出现，安全网关要进行应用层协议的分析，分析的数据量更是大增。
大数据信息安全分析与其他领域的安全分析的区别主要表现在五个主要特征。主要特性1：可扩展性大数据分析其中的一个主要特点是可伸缩性。这些平台必须拥有实时或接近实时的数据收集能力。网络流通是一个不间断的数据包流，数据分析的速度必须要和数据获取的速度一样快。
通过大数据，人们可以分析大量的潜在安全事件，找出它们之间的联系从而勾勒出一个完整的安全威胁。通过大数据，分散的数据可以被整合起来，使得安全人员能够采用更加主动的安全防御手段。
数据安全：存储在大数据集群中的数据基本上都保存在文件中。每一个客户端应用都可以维持其自己的包含数据的设计，但这种数据是存储在大量节点上的。存储在集群中的数据易于遭受正常文件容易感染的所有威胁，因而需要对这些文件进行保护，避免遭受非法的查看和复制。
对安防大数据而言，要实现业务的深层次应用，首先需要对安防数据进行分析和挖掘，以云存储和云计算系统为基础，通过云计算系统实现对“大数据”的快速分析，如基于云的车牌识别，可通过对海量视频的分析，快速提取海量车牌信息，并通过应用系统对相关数据进行深一步挖掘、关联，形成有效“档案”。
涉及的“车”识别技术主要有：车牌检测、车牌识别、车身颜色识别、车型检测，广泛应用于大型商业中心停车场的管理与收费等。例如，聚光智能停车场车位引导系统已经成功运用在多个大型商业停车场当中。
大数据技术在交通管理中扮演关键角色，包括预测交通拥堵、提供最优导航和分析路况，以及智能交通信号灯的调控，优化出行效率。 电信领域：电信行业在使用大数据方面也颇有建树，例如基站选址基于用户分布数据，以及通过舆情监控保持对社会动态的洞察。
大数据可说是智慧城市运作的基础，除了城市安防，其他如智慧交通、智慧医疗等应用，也都需要以大数据为基础，而这些不同类型的数据产生更多的关联，自然也需要更深入的数据分析能力，如智慧交通与智慧安防相结合，可以指引警消人员在最短的时间内赶到事故现场，更可看出大数据在城市安防的应用潜力。
电商领域 相信大数据在电商领域的应用，大家已经屡见不鲜了，淘宝京东等电商平台利用大数据技术，对用户信息进行分析，从而为用户推送用户感兴趣的产品，从而刺激消费。
对大量消费者提供产品或服务的企业可以利用大数据进行精准营销。2）做小而美模式的中小微企业可以利用大数据做服务转型。3）面临互联网压力之下必须转型的传统企业需要与时俱进充分利用大数据的价值。
第帮助企业提高决策的科学合理性 从大数据诞生的时候来讲，它都是站在企业的决策角度出发，从数据的数量到数据的本质，数据越多，管理者进行决策的时候所依据的信息完整性就会越高。
大数据在改善安全和执法方面得到了广泛应用。美国国家安全局（NSA）利用大数据技术，检测和防止网络攻击（挫败恐怖分子的阴谋）。警察运用大数据来抓捕罪犯，预测犯罪活动。信用卡公司使用大数据来检测欺诈交易等等。
如人才大数据、金融科技大数据、知识产权大数据等，切实提高单一要素的生产效率，在此过程中数据要素将变得更为丰富、全面。土地要素相对独立，劳动力、资本、技术均呈现一定程度的交叉关联性。