根据APT的攻击技术特点，应利用多种检测手段，基于大数据分析技术，对某些流量的行为进行持续性分析，才能够提升定位的**度。

     寸草心网盾采用异常流量监测、信誉检测、基于沙箱的代码、全包捕获与分析、综合分析等多种检测技术从网络、网络取证、Payload分析、终端行为分析、终端取证五个层面进行安全检测，构建起多层次的检测体系，发现已知威胁的同时通过动态、静态数据分析，采用较新大数据、机器学习和数据深度挖掘技术，发现并抵御APT攻击。具体实现过程是通过四个数据处理阶段：数据汇入：实现对多源数据的收集，流量类、文件类、业务类，通过安全检测，从海量数据中提取关键信息；数据存储：数据清洗过滤、脱敏转换、归一聚合、ETL处理，实现对结构化、半结构化、非结构化数据存储；数据分析：通过多维度实时、批量可视化*建模数据分析，并关联单点异常行为，掌控安全态势和挖掘潜在威胁，从而还原出APT攻击链；数据展示：利用可视化技术，将安全分析的动态的呈现出来，实现针对APT检测与预警，从而准确识别和防御APT攻击，避免**信息资产损失。

      结合大数据分析技术的APT防护，还可与威胁结合，将通过大数据分析检测到的未知威胁，形成*新威胁并发现影响范围，通过威胁共享，与下一代安全网关联动，将潜在的威胁扼杀在初期。同时通过外部威胁数据的采集和提纯处理，可为用户收集有关的威胁，为态势感知平台提供威胁数据，搭建威胁系统，动态*新数据，协助加固整体网络安全防护体系，提高用户综合安全防护能力。