Databricks完成对Panther的收购：加速安全数据湖屋时代
内容提要
Databricks完成对Panther的收购，推出安全数据湖屋，统一安全、IT和业务数据，支持现代SOC。该架构结合Lakewatch和Panther，提供开放、可扩展的数据基础与自动化AI工作流，解决传统SIEM的扩展性和成本问题，实现高效检测、调查和响应，强调数据所有权和开放生态。
延伸解读
收购的战略意义
此次收购将Panther的成熟SOC工作流和100多个开箱即用的集成整合到Databricks的Lakewatch之上，加速了安全湖屋愿景的实现。这标志着Databricks从数据平台向安全运营领域的深度扩展，旨在解决传统SIEM在扩展性和成本上的局限，为现代SOC提供统一的数据基础。
对安全团队的实际影响
安全团队不再需要在数据采集完整性和成本之间权衡。通过Lakewatch和Panther的结合，团队可以同时获得大规模数据存储和自动化工作流，实现更高效的检测、调查和响应。这减少了手动拼接日志的工作，使分析师能专注于高价值任务，提升整体安全运营效率。
数据所有权与开放生态
Databricks和Panther强调客户对数据的完全所有权，采用开放格式存储安全遥测数据，避免供应商锁定。这与传统SIEM的专有格式和高额摄取费用形成对比，使企业能够自由使用最佳工具分析数据，促进生态系统的互操作性，符合现代企业对数据治理和灵活性的需求。
Q&A
Databricks收购Panther的目的是什么？
Databricks收购Panther是为了加速其安全数据湖屋愿景，通过结合Lakewatch和Panther，提供开放、可扩展的数据基础与自动化AI工作流，以解决传统SIEM的扩展性和成本问题，实现高效检测、调查和响应。
什么是安全数据湖屋？
安全数据湖屋是一个开放、治理的湖屋架构，统一安全、IT和业务数据，使SOC团队能够直接在数据上运行检测、调查和响应。
传统SIEM存在哪些问题？
传统SIEM建于十多年前，受限于有限的数据摄取、严格的采样权衡、僵化的计算架构和手动告警分类，高计算成本和僵化的处理能力使其无法扩展以防御AI驱动的威胁和快速零日攻击。
Lakewatch和Panther在安全数据湖屋中分别扮演什么角色？
Lakewatch是安全数据湖屋的基础，提供开放、PB级的数据基础，支持收集、治理和分析安全遥测数据；Panther则作为代理自动化引擎，提供成熟的运营工作流和100多个开箱即用的集成，以及原生AI工作流，实现主动告警分类、威胁狩猎和检测逻辑优化。
安全数据湖屋如何解决传统SIEM的扩展性和成本问题？
安全数据湖屋通过打破数据孤岛，统一安全、IT和业务数据在开放、治理的架构中，消除了在数据规模和成本之间的取舍，使团队无需在丰富的数据规模和快速可操作的工作流之间选择，从而解决了扩展性和成本问题。
Databricks和Panther在数据所有权方面的立场是什么？
Databricks和Panther都坚信客户必须拥有自己的数据。他们致力于开放生态系统，安全遥测数据存储在安全数据湖屋中，保持可访问、可治理和可互操作，客户可以完全拥有开放格式的数据，并使用最佳工具进行分析，没有摩擦或人为障碍。
安全数据湖屋如何提升SOC的日常运营效率？
安全数据湖屋通过结合Lakewatch的开放数据基础和Panther的软件驱动工作流，简化了检测和响应的整个生命周期，使安全团队能够部署自主AI代理，主动分类告警、进行威胁狩猎、起草检测规则并执行响应操作，从而提升日常运营效率。
