“大年夜数据”这个名词在信息期间不竭被提起，关于它的争议也层见叠出。跟着信息手艺和收集手艺的不竭成长，数据的总量将会不竭增大年夜，大年夜数据的挑战是在所不免的;而就理论和研究层面而言，复杂年夜的数据量也给了人们更切确的阐发和猜想，从而可觉得社会的成长供给更多的帮忙。可长短论是何种层面，对大年夜数据的挑战仍是布满了担忧的，若何降服这类对未知的惊骇，若何呵护数据本身的安然？

　　应对大年夜数据的挑战必需寄望的几点

　　1、大年夜数据不但仅只是大年夜量的数据

　　从某种意义上说，当一家企业开端汇集和存储大年夜量的数据信息时，其就已然成了一个相当显眼的黑客报复打击方针。但更遍及地说，对那些汇集了大年夜量有价值的非布局化数据信息的企业而言，其数据信息可能其实不存在任何根赋性的新威胁。

　　罗伯特麦加维援引Brainloop公司全球营销副总裁David Topping的话说：“ 对黑客报复打击而言，那些PB级存储的大年夜数据信息是安然的，因为这些数据的量对黑客而言底子就太大年夜了。或许除那些资金雄厚的援助商以外，一般的黑客都贫乏相干的阐发东西来从如斯复杂年夜的数据量中提取成心义的信息。换句话说，企业也和这些黑客一样，面对一样严重而较着的标题问题：若何从他们所汇集的复杂年夜数据中提取有价值的东西出来。是以，对个别大年夜型数据存储库而言，考虑增加任何超出其它类型数据库的安然性办法并没有太大年夜的实施意义，特别是考虑到这些黑客相对各大年夜机构的能力常常是有限的。”

　　2、环境和细粒度的安然

　　但仅仅只是因为这些数据长短布局化的或更难进行遴选阐发，其实不料味着大年夜数据必定是更安然。假定所有的大年夜数据存储库都是有效的，就不克不及将所有每条信息都进行划一的保护。正如InfoWorld的安得烈C.奥利弗指出的那样：“您企业所汇集的数据越多，保持这些数据细粒度的任务和挑战也就越艰巨。企业若何才能在不牺牲大年夜数据机能的前提下紧紧掌控所有这些数据的所有权，并遵循相干的监管划定呢?这促使企业起首需要选择一款大年夜数据解决方案。”

　　细粒度的数据安然分区对数据拜候进行了分类。例如，企业的某部门员工可能只可以或许拜候非财务方面的数据，而较高级的员工则有权拜候更多的信息。别的，某些信息可能由另外一个部门所具有，或对其的利用会被加以限制。我们面对的挑战是若何杰出的对一个有组织且安然的系统进行保护，虽然面对着必然的环境窘境。是以当企业在面对着在安然和盈利能力之间进行衡量的标题问题时，他们可以很等闲地进行响应：“是的，我们有尺度的收集安然，所以我们的数据是安然的。”

　　3、大年夜数据不克不及被匿名化

　　您企业所受汇集的数据越具体，就越是可能触及到更多的个别私家信息，是以，对小我隐私和安然标题问题标存眷度也应进步。有CSO指出：“计较机科学家暗示他们可利用不触及小我可辨认信息的数据来重建相干人员的身份数据。例如，假定一家品牌企业或当局机构获得了笼盖某地区一年的客户GPS记实列表，那么，他们可以用该列表来体味一人或多人的身份信息。”在这类环境下，找到一小我的身份信息是很是简单的。例如，在某个时候段按照GPS进行定位，然后从互联网上搜刮与该位置有关用户的姓名。一般环境下，这个过程可能会更复杂一点，但从概念上讲，其是一个很等闲解决的简单标题问题。

　　虽然企业纷繁试图使大年夜数据匿名化，这些企业最好的编制也只是使这些数据“化名化”——让一些信息是化名的，当然仍仍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年夜数据危险的一部门：黑客和其他歹意方可能没法完成数据的邃密阐发，但考虑到这些有限信息种类的丰硕性，他们可以汇集各类可操纵的结论，进行讹诈，盗窃或更糟的行动。

　　当然原始数据需要呵护，即便其长短布局化大年夜数据存储库的一部门，但大年夜数据所面对的更大年夜的威胁是企业付出了巨大年夜的成本才从大年夜数据阐发中获得的有价值的信息。麦加维再次援引David Topping的话说：“良多企业华侈了太多的预算以保障大年夜数据存储。而他们真实的风险则在相干数据信息的输出方面。因为企业常常很少监督或呵护这些数据，环绕着企业阐发得出的洞察输出是若何产生的... 大年夜大都安然专家都觉得，企业的雇员常常表示得很无辜，但有的的确是大年夜数据被粉碎最多见的祸首祸首。”

　　企业需要呵护大年夜数据，虽然其触及到某些原始信息，但我们需要将更多的重点放到经由过程对原始数据阐发所获得的洞察观点方面。出格是，这些观点必需起码被视为比原始数据更加首要。

　　4、措置大年夜数据的安然标题问题

　　接下来的标题问题便是若何解决这些企业担忧的安然标题问题。一种编制是为黑客供给一个有吸引力的假方针，以便使得企业可以或许进修更安然的研究编制来应对报复打击，实施呵护办法。这一计谋或不甚抱负，因为其只能当系统已有一些缝隙时才能阐扬感化。但这些弱点是可能被辨认和解决的。

　　援引Forrester公司研究题为《将来的数据安然和隐私陈述：关于大年夜数据的节制》IBM指出，“安然专业人士在收集边缘最好进行节制。但是，假定报复打击者穿透你的周边，他们将有充分的和不受限制的机缘拜候你的数据。” 当然，解决方案就在于为数据供给一个安然层，让简单地拜候收集还不足以获得如斯大年夜的权限。

　　加密，出格是当措置大年夜数据阐发洞察观点时，是呵护一种有效的信息呵护编制，但其必定不是一个新概念。

　　加密直接感化于数据本身，经由过程改变数据本来内容的情势来达到安然防护的结果，而这类防护最大年夜的特点就是即便数据和文档最终仍是泄漏了，加密的防护仍然存在，只要算法不被破译，数据仍然是安然的。而跟着现代加密算法和手艺的成长，破译这件事也愈来愈变得“得不偿掉”了。同时，为了适应现代多样的加密需乞降安然环境，采取国际进步前辈的多模加密手艺则是此中最好的选择。

　　多模加密手艺采取对称算法和非对称算法相连络的手艺，在确保加密质量的同时，其多模的特点能让用户自立地选择加密模式从而更矫捷地应对各类防护需乞降安然环境。同时作为这项手艺利用的典型代表山丽防水墙的多模加密模块还采取了基于系统内核的透明加密手艺，从而进一步确保了加密防护的便当性和完全性(加密与格局无关)。

　　大年夜数据所触及的隐私标题问题标确正在遭到遍及存眷，出格是在爆出美国***局对首要IT企业进行监控的布景之下。一个与之不合但又紧密密切相干的标题问题是安然性：出格是，企业应若何呵护原始的非布局化数据和从大年夜数据阐发中获得的洞察观点。不幸的是，数据完全匿名化是不成能的，因为数据信息需要与小我和用于各类用处相联系(有时与其他私家或公共来历相组合)。当然黑客可能没法盗取数据履行复杂的阐发，但他们常常经由过程粗略地查看一下就足以汇集有价值的信息(如在GPS数据的环境下)。跟着企业汇集的数据逐步存储进大年夜型数据仓库，如联邦数据办事中间，大年夜数据安然方面亟待需要更多的审查。

　　企业应对大年夜数据安然挑战，需认清以上几个点，只有在摆正熟谙的根本上，才能自在应对，安然标题问题。企业数据安然防护系统的成立是一个系统工程，而在大年夜数据期间下，必将面对更多的挑战，但非论是何种挑战，数据本源的防护必需紧紧抓住，而采取矫捷且具有针对性的加密软件进行防护则是最靠得住的选择!