对于大数据，你必须明白，它不仅意味着更多数据，它也意味着更复杂的数据，更敏感的数据，它还意味着可能向成功渗入网络的攻击者暴露更多数据。如果潜在攻击者知道你有大量高质量数据，这可能会增加你的攻击面，因为你被视为是极具吸引力的目标。当你进行风险分析时，应该考虑这一点。支持大数据的IT部署与支持数据的操作更相关，而不是数据的安全性。可扩展基础设施、并行处理、数据复制和大量内存中处理只是关于大数据操作的一些讨论。但对于我们这些安全人员来说，大数据安全意味着什么?

　　1.了解数据

　　你拥有大量数据，但是你了解这些数据吗?你有PCI数据，还是PHI数据，还是隐私企业数据/客户数据?在你担心别的事情之前，你需要了解大数据中包括哪些数据。了解大数据可以帮助你更好地管理这些数据，并让你能够发现异常数据。清理不相关的或者错误的数据是不可以掉以轻心的工作。

　　2. 基础设施问题

　　可用性绝对是一个安全问题，所以请确保你具有适当大小的基础设施。你的网络速度足够快以支持数据吞吐量需求吗?你具有足够的CPU容量来支持数据在应用程序、和设备间的移动和管理吗?你有足够的空间来存储这些数据吗?你有足够强大的硬盘管理程序吗?这些都是管理大量数据所需要考虑的标准IT问题。在很多方面来看，数据越多，越难保护，你的解决需要随着数据的增加和数据需求来扩展。你可以实时加密PB级或EB级的数据以确保数据满足业务要求(包括会议时间要求)吗?

　　3. 了解时序限制

　　时序是非常重要的因素。你的数据有生命周期吗?例如，从时序性来看，临床医疗信息显然要比典型的制造业指标数据更重要。更直白地说，有些数据如果不能及时管理和分析的话，将会失去部分价值。你认为如果Phalanx导弹防御系统花五分钟来评估威胁和响应，这个系统还会有任何价值吗?答案显然是否定的。这无疑推动了IT容量和吞吐量要求，有时候，时序性并不重要，不过在很多情况下，旧数据可能已经不相关了，数据的生命周期比我们想象的更重要。

　　4. 了解内容数据

　　这是对上述三个问题的直接扩展，帮助我们了解大数据。当数据有具体内容，我们可以将其作为信息来管理，而不是字节和比特。它是PHI数据，还是PCI数据，或者个人信息?我们可以更深入地挖掘这种数据，通过内容来管理这些数据，而不只是将其作为“数据”对待。以智能的方式来处理这些数据还可以让我们以类似的方式来处理具有类似内容的数据，我们可以在这些数据间建立关系。

　　我们需要处理大量具有潜在价值、动态的、复杂的数据，然后对这些数据进行内容分析。这些分析本身，以及用于创建这些分析的流程，也是非常有价值的。毕竟，如果我们不能从大数据分析中得到相关情报信息的话，大数据真的只是一堆数据。这也让我们认识到有必要保护这些分析建模和结果，以及对它们的访问。