【《大数据安全现状与挑战分析综述》2200字】

大数据安全现状与挑战分析综述随着信息化的发展和5G时代的到来，云计算、人工智能、物联网等新兴技术不断进步和推广，全球数据正在以前所未有的速度飞快增长。海量多样化数据对信息的大量存储、快速读取、有效检索提出了新的要求，大数据技术的关注度达到新的高度。但新技术同时带来了不可忽视的安全挑战，具有集中化特点的大数据更是面临着全新的风险。大数据时代的安全与传统安全相比，由复杂性带来的挑战更加明显。在大数据环境下，如何安全地存储和处理信息、提供精细化的数据共享安全控制策略供用户使用，这些都是值得进一步研究和考虑的。与此同时，信息安全的发展也因大数据而面临新的机遇。ADDINNE.Ref.{F7760C23-76E9-4F93-BCA4-2E5C1FC82411}[1]数据安全风险增加，面临严峻挑战当今的大数据时代充分凸显出了网络数据的真正价值，同时也使得数据资源的安全危险日益增加，利益冲突矛盾激烈；而相关的法规标准仍在不断更新完善，数据安全面临严峻挑战。攻击频率升高，安全事件风险加大存储个人、企业和政府重要数据及业务的核心服务器往往集中部署在超大型数据中心的大数据平台上，其安全地位不言而喻。与此同时与大数据平台相关的安全攻击事件日趋增加，风险不断扩大。ADDINNE.Ref.{F7760C23-76E9-4F93-BCA4-2E5C1FC82411}[2]新型攻击手段提升，现有防护捉襟见肘新型网络攻击技术层出不穷，其复杂性和隐蔽性越来越高，造型的威胁不断扩大、后果影响严重。而现有安全技术主要应对传统攻击手段，对此难以及时发现和有效应对，无法规避数据大规模损毁和泄露的重大风险。隐私数据泄露频发，监管保护尚有缺失近段时间来，涉及用户隐私的数据泄露事件发生频繁，事件严重程度和造成损失逐渐扩大，成为一大难题；而目前大数据监管尚未形成统一标准和成熟体系，具体执行仍有较大难度。地下数据交易猖獗，仍需长期跟踪治理在当前重拳治理个人隐私数据泄露的背景下，数据交易地下产业链仍然成增长趋势，由此引发的电信欺诈等刑事案件不断出现，威胁国家经济安全和个人数据隐私安全。数据开放需求强烈，信息共享与安全保护矛盾加剧在当前数据价值不断提升的背景下，通过数据共享开放推动经济和民生发展的需求日渐显著。对于开放和共享带来的安全防护问题，仍需要不断推动进行解决。ADDINNE.Ref.{F7760C23-76E9-4F93-BCA4-2E5C1FC82411}[3]综上，伴随着大数据平台数据价值的不断提升，数据安全保障面临严峻挑战。下面对大数据安全技术和管理方面所面临的挑战进行简要分析。图1-1大数据引发数据隐私保护的挑战一、技术方面：1、基础设施安全威胁。大数据技术主要包括存储、运算、一体机和其他应用软件等基础设施，在应用过程中服务器攻击、信息丢失、非法访问等是一些主要的安全威胁。2、存储安全威胁。非关系型数据库是大数据存储面临的主要安全威胁，其中系统成熟度、客户端软件问题、数据冗余和分散等是面临的主要安全挑战。3、网络安全威胁。因安全数据规模过于庞大，导致一些安全威胁事件很难及时挖掘，对整体安全状态无法进行系统性描述，安全态势感知不足4、计算模式与系统。当今大数据技术的应用过程中存在非常复杂的数据处理问题，当前任何一种计算模式都不能够满足大数据计算的实际需求。5、分析与挖掘。大数据分析和挖掘技术因为存在数据急剧膨胀、数据深度分析以及自动化和可视化分析需求不断增长而面临着巨大挑战。6、隐私与安全。大数据的共享和应用，数据发生动态变化都有可能引发数据泄露和用户隐私暴露风险。7、易成为网络攻击的目标。潜在攻击者更容易被海量、复杂、敏感的大数据所吸引，通过一次成功攻击就能获得更多大量汇集的数据。8、非常容易成为高级可持续攻击（APT）的一种载体形式。大数据具有价值低密度特性，导致聚焦在价值点上的传统安全分析工具难以发挥作用，攻击易隐藏、分析难度大。综上，CSA大数据工作组总结出了大数据安全十大主要挑战包括：ADDINNE.Ref.{F7760C23-76E9-4F93-BCA4-2E5C1FC82411}[4]（1）基于分布式编程框架模式下的安全计算问题；（2）面对非关系型数据的最佳安全存储路径问题；（3）数据安全存储和日志安全问题；（4）终端输入验证/过滤；（5）实时安全监控；（6）隐私保护的数据挖掘和分析的可扩展性和可组合性；（7）加密强制数据中心安全；（8）有效控制细粒度访问等问题；（9）细粒度的审计；（10）数据起源。二、管理方面1、大数据生态环境中各参与方的权责待明确，由数据开放和共享带来的隐私保护等数据安全问题亟待解决。2、大数据技术尤其是安全防护技术成熟度不高，内在安全机制普遍不完善，缺乏完整的安全技术体系。3、需要建立完整的安全管理体系架构，确保安全技术互相协同发挥作用。三、行业方面对于互联网客户而言，其需求在于综合性的分析处理工具、数据实时分析、便捷的扩展性和易管理廉价的硬件，由此带来的主要挑战包括数据增长速度极快，IT设备激增，管理难度加大；实时分析能力差，影响快速营销能力和效果，用户体验不佳；海量数据处理效率低，缺乏数据全方位分析方法。对于运营商客户而言，更关注业务数据的集中整合管理、可扩展高性能的数据硬件以及综合性分析工具提升业务和营销效率，因此重点问题是IT渗透严重，业务向IT靠拢，基于IT的新业务数据激增；传统业务数据增长迅速，规模线性膨胀；数据存储，系统维护，数据有效利用存在巨大压力。金融类客户聚焦与运营商相同，诉求在于解决发卡量迅速增加，数据飞速增长；传统业务数据增长迅速，规模线性膨胀；数据存储，系统维护，数据有效利用存在巨大压力等问题。能源类客户的主要挑战包括数据量大，数据分散，管理难度加大；数据格式多，数据重