本文目录一览：
大数据时代的信息安全和未来展望
大数据时代的信息安全和未来展望
随着高级可持续性攻击的出现以及恶意软件的复杂性与日俱增，企业急需一种突破传统信息安全保障模式的、灵活的技术和方案来应对未来不断变化的安全威胁。大数据彻底的改变了信息安全行业，基于大数据分析的智能驱动型安全战略将帮助信息安全从业人员重获警惕性和时间的优势，以使他们更好地检测和防御高级 *** 威胁。
大数据时代信息安全面临挑战
在大数据时代，无处不在的智能终端、随时在线的 *** 传输、互动频繁的社交 *** 使得互联网时时刻刻都在产生着海量的数据。随着产生、存储、分析的数据量越来越大，在这些海量数据背后隐藏着大量的经济与政治利益。大数据如同一把双刃剑，在我们享受大数据分析带来的精准信息的同时，其所带来的安全问题也开始成为企业的隐患。
1、黑客更显著的攻击目标：在 *** 空间里，大数据是更容易被“发现”的大目标。一方面，大数据意味着海量的数据，也意味着更复杂、更敏感的数据，这些数据会吸引更多的潜在攻击者。另一方面，数据的大量汇集，使得黑客成功攻击一次就能获得更多数据，无形中降低了黑客的攻击成本，增加了其“收益率”。
2、隐私泄露风险增加：大量数据的汇集不可避免地加大了用户隐私泄露的风险。一方面，数据集中存储增加了泄露风险，而这些数据不被滥用，也成为人身安全的一部分。另一方面，一些敏感数据的所有权和使用权并没有明确界定，很多基于大数据的分析都未考虑到其中涉及的个体隐私问题。
3、威胁现有的存储和防护措施：大数据存储带来新的安全问题。数据大集中的后果是复杂多样的数据存储在一起，很可能会出现将某些生产数据放在经营数据存储位置的情况，致使企业安全管理不合规。大数据的大小也影响到安全控制措施能否正确运行。安全防护手段的更新升级速度无法跟上数据量非线性增长的步伐，就会暴露大数据安全防护的漏洞。
4、大数据技术成为黑客的攻击手段：在企业用数据挖掘和数据分析等大数据技术获取商业价值的同时，黑客也在利用这些大数据技术向企业发起攻击。黑客会更大限度地收集更多有用信息，比如社交 *** 、邮件、微博、电子商务、 *** 和家庭住址等信息，大数据分析使黑客的攻击更加精准。此外，大数据也为黑客发起攻击提供了更多机会。黑客利用大数据发起僵尸 *** 攻击，可能会同时控制上百万台傀儡机并发起攻击。
5、成为高级可持续攻击的载体：传统的检测是基于单个时间点进行的基于威胁特征的实时匹配检测，而高级可持续攻击（APT）是一个实施过程，无法被实时检测。此外，由于大数据的价值低密度特性，使得安全分析工具很难聚焦在价值点上，黑客可以将攻击隐藏在大数据中，给安全服务提供商的分析制造很大困难。黑客设置的任何一个会误导安全厂商目标信息提取和检索的攻击，都会导致安全监测偏离应有方向。
6、信息安全产业面临变革：大数据的到来也为信息安全产业的发展带来了新的契机，还没有意识到这场变革的安全厂商将在这场变革大潮中被抛弃。大数据正在为安全分析提供新的可能性，在未来的安全架构体系中，通过大数据智能分析有效的将原来分割的安全产品更好的融合起来，成为不同的安全智能节点，这将是在大数据时代安全产业需要研究突破的重点。
大数据安全未来趋势展望
据MacDonald预测，到2016年，40%的企业（银行、保险、医药和国防行业为主）将积极地对至少10TB数据进行分析，以找出潜在危险的活动。然而，供应商的产品格局却无法在短期内进行转变。现在，企业通常依赖于SIEM系统来关联和分析安全相关的数据，MacDonald表示目前的SIEM产品无法处理这么大的工作量，大多数SIEM产品提供接近实时数据，但只能处理规范化数据，还有些SIEM产品能够处理大量原始交易数据，但无法提供实时情报信息。
Gartner公司分析师表示，使用“大数据”来提高企业信息安全不完全是炒作，这在未来几年内这将成为现实。大数据将为安全团队带来新的工作方式，通过了解大数据的优势、制定切合实际的目标以及利用现有安全技术的优势，安全管理人员将会发现他们在大数据进行的投资是值得的。
RSA大中国区总经理胡军表示，“大数据将带动安全行业方向性的改变，安全与数据互相影响，未来共同促进发展。现今的安全需要更全面和广泛的可视性，敏捷的分析，可采取行动的情报和可扩展的基础设施。”
我们可以看到，大数据安全已经成为不可阻挡的趋势。在未来，不论是从商业需求角度，还是产业技术角度，大数据安全都将成为业界关注的热点。而在这场大数据安全的盛宴中，也必然会出现新老更替、推陈出新，这一切就让我们拭目以待吧！
大数据安全的六大挑战
大数据安全的六大挑战_数据分析师考试
大数据的价值为大家公认。业界通常以4个“V”来概括大数据的基本特征——Volume(数据体量巨大)、Variety(数据类型繁多)、Value(价值密度低)、Velocity(处理速度快)。当你准备对大数据所带来的各种光鲜机遇大加利用的同时，请别忘记大数据也会引入新的安全威胁，存在于大数据时代“潘多拉魔盒”中的魔鬼可能会随时出现。
挑战一：大数据的巨大体量使得信息管理成本显著增加
4个“V”中的之一个“V”(Volume)，描述了大数据之大，这些巨大、海量数据的管理问题是对每一个大数据运营者的更大挑战。在 *** 空间，大数据是更容易被“发现”的显著目标，大数据成为 *** 攻击的之一演兵场所。一方面，大量数据的集中存储增加了泄露风险，黑客的一次成功攻击能获得比以往更多的数据量，无形中降低了黑客的进攻成本，增加了“攻击收益”;另一方面，大数据意味着海量数据的汇集，这里面蕴藏着更复杂、更敏感、价值巨大的数据，这些数据会引来更多的潜在攻击者。
在大数据的消费者方面，公司在未来几年将处理更多的内部生成的数据。然而在许多组织中，不同的部门像财务、工程、生产、市场、IT等之间的信息仍然是孤立的，各部门之间相互设防，造成信息无法共享。那些能够在不破坏壁垒和部门现实优势的前提下更透明地沟通的公司将更具竞争优势。
【解决方案】 首先要找到有安全管理经验并受过大数据管理所需要技能培训的人员，尤其是在今天人力成本和培训成本不断上升的节奏中，这一定足以让许多CEO肝颤，但这些针对大数据管理人员的巨额教育和培训成本，是一种非常必要的开销。
与此同时，在流程的设计上，一定要将数据分散存储，任何一个存储单元被“黑客”攻破，都不可能拿到全集，同时对于不同安全域要进行准确的评估，像关键信息索引的保护一定要加强，“好钢用在刀刃上”，作为数据保全，能够应对部分设施的灾难性损毁。
挑战二：大数据的繁多类型使得信息有效性验证工作大大增加
4个“V”中的第二个“V”(Variety)，描述了数据类型之多，大数据时代，由于不再拘泥于特定的数据收集模式，使得数据来自于多维空间，各种非结构化的数据与结构化的数据混杂在一起。
未来面临的挑战将会是从数据中提取需要的数据，很多组织将不得不接受的现实是，太多无用的信息造成的信息不足或信息不匹配。我们可以考虑这样的逻辑：依托于大数据进行算法处理得出预测，但是如果这些收集上来的数据本身有问题又该如何呢?也许大数据的数据规模可以使得我们无视一些偶然非人为的错误，但是如果有个敌手故意放出干扰数据呢?现在非常需要研究相关的算法来确保数据来源的有效性，尤其是比较强调数据有效性的大数据领域。
正是因为这个原因，对于正在收集和储存大量客户数据的公司来说，最显而易见的威胁就是在过去的几年里，存放于企业数据库中数以TB计，不断增加的客户数据是否真实可靠，依然有效。
众所周知，海量数据本身就蕴藏着价值，但是如何将有用的数据与没有价值的数据进行区分看起来是一个棘手的问题，甚至引发越来越多的安全问题。
【解决方案】 尝试尽可能使数据类型具体化，增加对数据更细粒度的了解，使数据本身更加细化，缩小数据的聚焦范围，定义数据的相关参数，数据的筛选要做得更加精致。与此同时，进一步健全特征库，加强数据的交叉验证，通过逻辑冲突去伪存真。
挑战三：大数据的低密度价值分布使得安全防御边界有所扩展
4个“V”中的第三个“V”(Value)，描述了大数据单位数据的低价值。这种广种薄收似的价值量度，使得信息效能被摊薄了，大数据的安全预防与攻击事件的分析过程更加复杂，相当于安全管理范围被放大了。
大数据时代的安全与传统信息安全相比，变得更加复杂，具体体现在三个方面：一方面，大量的数据汇集，包括大量的企业运营数据、客户信息、个人的隐私和各种行为的细节记录，这些数据的集中存储增加了数据泄露风险;另一方面，因为一些敏感数据的所有权和使用权并没有被明确界定，很多基于大数据的分析都未考虑到其中涉及的个体隐私问题;再一方面，大数据对数据完整性、可用性和秘密性带来挑战，在防止数据丢失、被盗取、被滥用和被破坏上存在一定的技术难度，传统的安全工具不再像以前那么有用。
【解决方案】 确立有限管理边界，依据保护要求，加强重点保护，构建一体化的数据安全管理体系，遵循 *** 防护和数据自主预防并重的原则，并不是实施了全面的 *** 安全护理就能彻底解决大数据的安全问题，数据不丢失只是传统的边界 *** 安全的一个必要补充，我们还需要对大数据安全管理的盲区进行监控，只有将二者结合在一起，才是一个全面的一体化安全管理的解决方案
挑战四：大数据的快速处理要求使得独立决策的比例显著降低
“4个“V”中最后一个“V”(Velocity)，决定了利用海量数据快速得出有用信息的属性。
大数据时代，对事物因果关系的关注，转变为对事物相关关系的关注。如果大数据系统只是一种辅助决策系统，这还不是最可怕的。事实上，今天大数据分析日益成为一项重要的业务决策流程，越来越多的决策结果来自于大数据的分析建议，对于领导者最艰难的事情之一，是让我的逻辑思考来做决定，还是由机器的数据分析做决定，可怕的是，今天看来，机器往往是正确的，这不得不让我们产生依赖。试想一下，如果收集的数据已经被修正过，或是系统逻辑已经被控制了呢!但是面对海量的数据收集、存储、管理、分析和共享，传统意义上的对错分析和奇偶较验已失去作用。
【解决方案】 在依靠大数据进行分析、决策的同时，还应辅助其他的传统决策支持系统，尽可能明智地使用数据所告诉我们的结果，让大数据为我们所用。但绝对不要片面地依赖于大数据系统。
挑战五：大数据独特的导入方式使得攻防双方地位的不对等性大大降低
在大数据时代，数据加工和存储链条上的时空先后顺序已被模糊，可扩展的数据联系使得隐私的保护更加困难。过去传统的安全防护工作，是先扎好篱笆、筑好墙，等待“黑客”的攻击，我们虽然不知道下一个“黑客”是谁，但我们一定知道，它是通过寻求新的漏洞，从前面逐层进入。守方在明处，但相比攻方有明显的压倒性优势。而在大数据时代，任何人都可以是信息的提供者和维护者，这种由先天的结构性导入设计所带来的变化，你很难知道“它”从哪里进来，“哪里”才是前沿。这种变化，使得攻、防双方的力量对比的不对等性大大下降。
同时，由于这种不对等性的降低，在我们用数据挖掘和数据分析等大数据技术获取有价值信息的同时，“黑客”也可以利用这些大数据技术发起新的攻击。“黑客”会更大限度地收集更多有用信息，比如社交 *** 、邮件、微博、电子商务、 *** 和家庭住址等信息，大数据分析使“黑客”的攻击更加精准。此外，“黑客”可能会同时控制上百万台傀儡机，利用大数据发起僵尸 *** 攻击。
【解决方案】 面对大数据所带来新的安全问题，有针对性地更新安全防护手段，增加新型防护手段，混合生产数据和经营数据，多种业务流并行，增加特征标识建设内容，增强对数据资源的管理和控制。
挑战六：大数据 *** 的相对开放性使得安全加固策略的复杂性有所降低
在大数据环境下，数据的使用者同时也是数据的创造者和供给者，数据间的联系是可持续扩展的，数据集是可以无限延伸的，上述原因就决定了关于大数据的应用策略要有新的变化，并要求大数据 *** 更加开放。大数据要对复杂多样的数据存储内容做出快速处理，这就要求很多时候，安全管理的敏感度和复杂度不能定得太高。此外，大数据强调广泛的参与性，这将倒逼系统管理者调低许多策略的安全级别。
当然，大数据的大小也影响到安全控制措施能否正确地执行，升级速度无法跟上数据量非线性增长的步伐，就会暴露大数据安全防护的漏洞。
【解决方案】 使用更加开放的分布式部署方式，采用更加灵活、更易于扩充的信息基础设施，基于威胁特征建立实时匹配检测，基于统一的时间源消除高级可持续攻击(APT)的可能性，精确控制大数据设计规模，削弱“黑客”可以利用的空间。
大数据时代已经到来，大数据已经产生出巨大影响力，并对我们的社会经济活动带来深刻影响。充分利用大数据技术来挖掘信息的巨大价值，从而实现并形成强有力的竞争优势，必将是一种趋势。面对大数据时代的六种安全挑战，如果我们能够予以足够重视，采取相应措施，将可以起到未雨绸缪的作用。
以上是小编为大家分享的关于大数据安全的六大挑战的相关内容，更多信息可以关注环球青藤分享更多干货
大数据就意味着更大的安全风险吗
大数据就意味着更大的安全风险吗
现如今，围绕着大数据分析所涉及到的相关隐私问题存在着许多的担忧：企业和各国的 *** 机构是否有权获得如此广泛的个人和群体信息？同时，对于他们收集和处理这些数据信息是否有相关的法律或政策对其进行指导和约束？这其中一个相当关键但却并不经常被人们讨论和关注的问题是安全性。
企业和 *** 机构所收集、存储、分析和分发大量数据信息是否正面临着安全风险方面的挑战?如果是的话，他们应该怎么做来减轻这些挑战呢?
大数据不仅仅只是大量的数据
从某种意义上说，当一家企业开始收集和存储大量的数据信息时，其就已然成为了一个相当显眼的黑客攻击目标。但更广泛地说，对那些收集了大量有价值的非结构化数据信息的企业而言，其数据信息可能并不存在任何根本性的新威胁。
罗伯特?麦加维引用Brainloop公司全球营销副总裁David Topping的话说：“ 对于黑客攻击而言，那些PB级存储的大数据信息是安全的，因为这些数据的量对于黑客而言根本就太大了。也许除了那些资金雄厚的赞助商之外，一般的黑客都缺乏相关的分析工具来从如此庞大的数据量中提取有意义的信息。换句话说，企业也和这些黑客一样，面临同样严峻而显著的问题：如何从他们所收集的庞大数据中提取有价值的东西出来。因此，对于个别大型数据存储库而言，考虑增加任何超出其它类型数据库的安全性措施并无太大的实施意义，尤其是考虑到这些黑客相对于各大机构的能力往往是有限的。”
环境和细粒度的安全
但仅仅只是因为这些数据是非结构化的或更难进行筛选分析，并不意味着大数据必然是更安全。如果所有的大数据存储库都是有用的，就不能将所有每一条信息都进行同等的维护。正如InfoWorld的安得烈C.奥利弗指出的那样：“您企业所收集的数据越多，保持这些数据细粒度的任务和挑战也就越艰巨。企业如何才能在不牺牲大数据性能的前提下牢牢把握所有这些数据的所有权，并遵守相关的监管规定呢?这促使企业首先需要选择一款大数据解决方案。”
细粒度的数据安全分区对数据访问进行了分类。例如，企业的某部分员工可能只能够访问非财务方面的数据，而较高级的员工则有权访问更多的信息。此外，某些信息可能由另一个部门所拥有，或者对其的使用会被加以限制。我们面临的挑战是如何良好的对一个有组织且安全的系统进行维护，尽管面临着一定的环境困境。因此当企业在面临着在安全和盈利能力之间进行权衡的问题时，他们可以很容易地进行响应：“是的，我们有标准的 *** 安全，所以我们的数据是安全的。”
大数据不能被匿名化
您企业所受收集的数据越详细，就越是可能涉及到更多的个体私人信息，因此，对于个人隐私和安全问题的关注度也应提高。有CSO指出：“计算机科学家表示他们可以使用不涉及个人可识别信息的数据来重建相关人员的身份数据。例如，如果一家品牌企业或 *** 机构获得了覆盖某地区一年的客户GPS记录列表，那么，他们可以用该列表来了解一人或多人的身份信息。”在这种情况下，找到一个人的身份信息是非常简单的。例如，在某个时间段根据GPS进行定位，然后从互联网上搜索与该位置有关用户的姓名。一般情况下，这个过程可能会更复杂一点，但从概念上讲，其是一个很容易解决的简单问题。
尽管企业纷纷试图使大数据匿名化，这些企业更好的 *** 也只是使这些数据“假名化”——让一些信息是假名的，当然仍还是可与一个真实的身份相联系。这一有限制性的匿名化是大数据危险的一部分：黑客和其他恶意方可能无法完成数据的精细分析，但考虑到这些有限信息种类的丰富性，他们可以收集各种可利用的结论，进行欺诈，偷盗或者更糟的行为。
虽然原始数据需要保护，即使其是非结构化大数据存储库的一部分，但大数据所面临的更大的威胁是企业支付了巨大的成本才从大数据分析中获得的有价值的信息。麦加维再次引用 David Topping的话说：“许多企业浪费了太多的预算以保障大数据存储。而他们真正的风险则在相关数据信息的输出方面。由于企业往往很少监视或保护这些数据，围绕着企业分析得出的洞察输出是如何产生的... 大多数安全专家都认为，企业的雇员往往表现得很无辜，但有的的确是大数据被破坏最常见的罪魁祸首。”
企业需要保护大数据，尽管其涉及到某些原始信息，但我们需要将更多的重点放到通过对原始数据分析所获得的洞察见解方面。特别是，这些见解必须至少被视为比原始数据更为重要。
处理大数据的安全问题
接下来的问题便是如何解决这些企业担忧的安全问题。一种 *** 是为黑客提供一个有吸引力的假目标，以便使得企业能够学习更安全的研究 *** 来应对攻击，实施保护措施。这一战略或不甚理想，因为其只能当系统已经有一些漏洞时才能发挥作用。但这些弱点是可能被识别和解决的。
引用Forrester公司研究题为《未来的数据安全和隐私报告：关于大数据的控制》IBM指出，“安全专业人士在 *** 边缘更好进行控制。然而，如果攻击者穿透你的周边，他们将有充分的和不受限制的机会访问你的数据。” 当然，解决方案就在于为数据提供一个安全层，让简单地访问 *** 还不足以获得如此大的权限。
加密，特别是当处理大数据分析洞察见解时，是保护一种有效的信息保护方式，但其肯定不是一个新概念。
结论
大数据所涉及的隐私问题的确正在受到广泛关注，特别是在爆出美国国家安全局对主要IT企业进行监控的背景之下。一个与之不同但又密切相关的问题是安全性：特别是，企业应如何保护原始的非结构化数据和从大数据分析中得到的洞察见解。不幸的是，数据完全匿名化是不可能的，因为数据信息需要与个人和用于各种用途相联系(有时与其他私人或公共来源相组合)。虽然黑客可能无法窃取数据执行复杂的分析，但他们往往通过粗略地查看一下就足以收集有价值的信息(如在GPS数据的情况下)。随着企业收集的数据逐渐存储进大型数据仓库，如联邦数据服务中心，大数据安全方面亟待需要更多的审查。
何谓大数据?大数据的特点,意义和缺陷.
大数据（big data），指无法在一定时间范围内用常规软件工具进行捕捉、管理和处理的数据 *** ，是需要新处理模式才能具有更强的决策力、洞察发现力和流程优化能力的海量、高增长率和多样化的信息资产。
大数据的5V特点（IBM提出）：Volume（大量）、Velocity（高速）、Variety（多样）、Value（低价值密度）、Veracity（真实性）。
大数据，更多的功能是分析过去，提醒现在，展望未来。广泛应用于商业领域，借以实现精准营销，预测趋势，实现商业利益的更优与更大。体现的价值为：
（1）利用大数据针对大量消费者的消费习惯，精准提 *** 品或服务；
（2）利用大数据做服务转型，做小而美模式；
（3）不能充分利用大数据价值的企业，将会在互联网压力之下摇摇欲坠。
国家通过结合大数据和高性能的分析，是指效率更加提高，同时也能降低国家运行成本。如：
（1）为成千上万的车辆规划实时交通路线，躲避拥堵；
（2）及时解析问题和缺陷的根源，是制度更加完善。
（3）使用点击流分析和数据挖掘来规避欺诈行为。
大数据的缺陷：
企业遭到黑客攻击，客户的资料大量非法流出，再利用大数据分析挖掘，人群进行分类排除，从而让人更容易受骗。
扩展资料：
2016年3月17日，《中华人民共和国国民经济和社会发展第十三个五年规划纲要》发布，其中第二十七章“实施国家大数据战略”提出：把大数据作为基础性战略资源，全面实施促进大数据发展行动，加快推动数据资源共享开放和开发应用，助力产业转型升级和社会治理创新。
具体包括：加快 *** 数据开放共享、促进大数据产业健康发展。
参考资料：百度百科-大数据