大数据专业英语教程 课件 Unit 10 A Big Data Security

BigDataSecurity

Unit

10TextAContents

NewWords

Abbreviations

Phrases参考译文NewWordsNewWordsNewWordsNewWordsNewWordsPhrasesAbbreviationsListeningtoTextA大数据安全大数据分析的采用正在迅速增长。围绕大数据安全和隐私的敏感性是组织需要克服的障碍。

1.什么是大数据安全？大数据安全是所有用于保护数据和分析过程免受可能损害或负面影响的攻击、盗窃或其他恶意活动的措施和工具的统称。就像其他形式的网络安全一样，大数据安全关注的是源自在线或离线领域的攻击。大数据安全是对云上和本地的数据和分析过程的保护，这可使得任何因素都不能损害其机密性。对于在云上运行的公司，大数据安全挑战是多方面的。这些具有挑战性的威胁包括盗窃在线存储的信息、勒索软件、跨站脚本攻击或能使服务器崩溃的分布式拒绝服务攻击。对组织中大数据存储的攻击可能会导致严重的财务后果，例如损失资金和诉讼费用以及罚款或制裁。参考译文2.大数据安全的关键问题以下是应考虑的一些明显的大数据安全问题（或可用技术）的清单。•分布式框架。实际上，大多数大数据处理操作都会把大的处理任务分配给许多系统，以加快分析速度。分布式处理可能意味着任何一个系统处理的数据更少，但这意味着可能出现安全问题的系统数量更多。•非关系数据存储。像NoSQL数据库这样的非关系数据库通常本身就缺乏安全性。•存储。在大数据架构中，数据通常存储在多个层中，这取决于业务对性能和成本的需求。例如，高优先级的“热”数据通常会存储在闪存介质上。因此，锁定存储将意味着创建层级意识策略。•端点。从端点提取日志的安全解决方案将需要验证那些端点的真实性，否则分析将用处不大。•实时安全/合规工具。这些工具会产生大量信息。关键是找到一种忽略虚假或粗略信息的方法，从而人们可以专注于真正的漏洞或有价值的信息。参考译文•数据挖掘解决方案。这些解决方案是许多大数据环境的核心。它们找到建议业务策略的模式。因此，不仅要保护它们不受外部威胁，而且要防止内部人员滥用网络特权来获取敏感信息，这一点尤为重要。•访问控制。提供一个加密的身份认证/验证系统可以验证用户的身份并确定谁可以看到什么，这一点至关重要。•粒度审核可以帮助你确定已经错过的攻击出现的时间、分析后果以及将来应采取哪些措施来改善。这本身就有许多数据，必须激活和保护这些数据才能在解决大数据安全问题时有用。•数据来源主要涉及元数据（有关数据的数据），这对于确定数据的来源、访问者或对数据的处理非常有帮助。通常，应以极快的速度分析此类数据，以最大程度缩短漏洞的活跃时间。必须仔细审查并严格监控从事此类活动的特权用户，以确保他们不会成为自己的大数据安全问题。参考译文3.大数据安全挑战保护大数据不受危害可能面临许多安全挑战。请记住，这些挑战绝不仅限于本地大数据平台。它们也与云有关。当你将大数据平台托管在云中时，不应心存侥幸。通过强大的安全服务级别协议，与你的提供商紧密合作以克服这些挑战。保护大数据的典型挑战如下：•用于非结构化大数据和非关系数据库（NoSQL）的高级分析工具是一个较新的技术，正处于积极开发阶段。安全软件和过程可能很难保护这些新工具集。•成熟的安全工具可有效保护数据进入和存储。但是，它们可能对从多个分析工具到多个位置的数据输出产生不同的影响。•大数据管理员可以决定在未经许可或通知的情况下挖掘数据。无论是出于好奇还是出于犯罪目的，你的安全工具都需要监控可疑访问并发出警报，无论它来自何处。•仅安装大数据就需要TB到PB存储空间，这对常规的安全审核太大了。而且由于大多数大数据平台都是基于集群的，因此会在多个节点和服务器上引入多个漏洞

参考译文•如果大数据所有者没有定期更新环境的安全，则存在数据丢失和暴露的风险。•安全工具需要监控系统、数据库或像WordPress这样的Web内容管理系统，当出现可疑恶意软件感染时发出警报，大数据安全专家必须精通清理工作，并且知道如何删除恶意软件。4.大数据安全技术这些大数据安全工具都不是新的。它们的可扩展以及在不同阶段保护多种类型数据的能力是新增的。•加密：你的加密工具需要保护传输中的数据和静态的数据，并且需要跨海量数据进行处理。还需要对用户和计算机生成的许多不同类型的数据进行加密。加密工具还需要与不同的分析工具集及其输出数据一起使用，这些数据以常用大数据格式存储于关系数据库管理系统（RDBMS）、非关系数据库（例如NoSQL）和专用文件系统（例如Hadoop分布式文件系统（HDFS））中。•集中式密钥管理：多年来，集中式密钥管理一直是最佳的安全实践。它适用于大数据环境，尤其是地理分布广泛的环境。最佳实践包括策略驱动的自动化、日志记录、按需密钥交付以及从密钥用法中提取密钥管理。参考译文•用户访问控制：用户访问控制可能是最基本的网络安全工具，但是许多公司实行的控制很少，因为管理开销可能很高。强大的用户访问控制需要基于策略的方法，该方法可基于用户和基于角色的设置自动进行访问。策略驱动的自动化管理复杂的用户控制级别，例如，多个管理员设置可保护大数据平台免受内部攻击。•入侵检测和防御：入侵检测和防御系统是安全的主力军。这不会使它们降低大数据平台的价值。大数据的价值和分布式体系结构对入侵尝试有利。IPS（入侵防御系统）使安全管理员可以保护大数据平台免受入侵，如果入侵成功，IDS（入侵检测系统）会在入侵造成重大损害之前对其进行隔离。•物理安全：不要忽略物理安全。当你在自己的数据中心中部署大数据平台时要构建物流安全，或对云提供商的数据中心安全进行认真调查。物理安全系统可以拒绝陌生人或在敏感区域没有业务的员工访问数据中心。视频监控和安全日志将执行相同的操作。参考译文5.如何实施大数据安全？组织可以通过多种安全措施来保护其大数据分析工具。加密是最常见的安全工具之一，它是一种相对简单的工具，可以使用很长时间。如果外部参与者（例如黑客）没有解锁密钥，则对其而言加密数据毫无用处。此外，对数据进行加密意味着输入和输出的信息均受到完全保护。建立强大的防火墙是另一个有用的大数据安全工具。防火墙可以有效过滤进入和离开服务器的流量。组织可以通过创建可避免任何第三方或未知数据源的强大过滤器来防止攻击发生。数据安全必