2018-大数据安全和隐私手册_57页-0mb

报告摘要

大数据安全和隐私手册（100例最佳实践）总结

核心内容

本手册由Cloud Security Alliance（CSA）大中华区研究院组织志愿者翻译，旨在为大数据服务提供商提供强化其基础设施的最佳实践，涵盖从数据存储、加密、访问控制到实时监控等多个方面。手册共分为10个章节，每个章节包含10项最佳实践，总计100项，围绕大数据安全和隐私的十大挑战展开。

手册强调了大数据环境下的独特安全风险，如数据量大、多样性高、传输速度快，以及云环境的广泛使用带来的新的安全漏洞。同时，手册也指出，传统的安全机制（如防火墙）在处理流数据时并不足够，需要更先进的技术手段来应对。

主要观点

安全计算：在分布式系统中，必须确保节点的可信性，防止数据泄露和恶意行为。
数据加密：加密是保护数据隐私和防止未经授权访问的核心手段，包括静态数据加密、全同态加密、融合加密等。
访问控制：细粒度访问控制是保障数据安全的重要机制，包括基于角色、属性和数据的访问控制策略。
隐私保护技术：如差分隐私、同态加密、匿名化技术等，是防止数据再识别和保护用户隐私的关键。
实时监控与审计：安全和合规性的实时监控以及细粒度审计是确保系统安全、防止攻击的重要手段，需结合日志分析、异常检测等技术。
法律与道德考量：必须遵守相关法律法规，同时关注数据使用的道德问题，防止滥用。

关键信息

分布式编程框架中的安全计算

1.1 初始信任建立：使用Kerberos等机制进行认证，确保主服务器和节点的真实性。
1.3 数据去身份化：去除PII和准标识符，使用k匿名等技术减少再识别风险。
1.5 防止不可信代码泄漏信息：通过强制访问控制（MAC）和加密技术实现。
1.6 防止输出泄漏信息：使用功能灵敏度、过滤机制和DLP策略。

非关系型数据存储的安全实践

2.2 静态数据加密：使用AES、RSA等强加密方法，确保数据在存储时的安全性。
2.3 使用TLS：确保数据在传输过程中的机密性和完整性。
2.5 实现日志分析：使用ELK、Splunk等工具进行日志记录和分析，以发现潜在攻击。
2.6 模糊测试：通过输入模糊化技术，检测NoSQL系统中的漏洞。

数据存储和事务日志的安全

3.1 已签名消息摘要互换：使用SHA-2等算法，确保数据的不可否认性和唯一性。
3.3 SUNDR：用于在不受信任的服务器上安全存储数据，防止篡改。
3.6 可恢复性证明（POR）和可证明性数据持有（PDP）：通过抽样验证数据是否真实存储，减少验证成本。
3.10 隐私保护的数据连接：使用K-anonymity、t-closeness等技术确保数据匿名性。

终端输入验证与过滤

4.1 可信证书：防止Sybil攻击，确保通信双方的身份可信。
4.3 统计相似性检测：识别异常输入，防止恶意数据注入。
4.4 中央采集系统：集中检测和过滤恶意输入，提升安全性。
4.10 防病毒系统：在终端设备上部署防病毒和恶意软件防护系统，确保终端安全。

安全与合规性的实时监控

5.1 异常连接检测：使用SIEM工具监控和识别异常连接行为。
5.2 日志挖掘：利用机器学习和统计方法挖掘日志事件，发现潜在安全问题。
5.4 云层级安全性：遵循CSA STAR标准，确保云环境安全。
5.7 法律法规意识：确保数据生命周期中的每个环节符合隐私法律。

可扩展与可组合的隐私保护分析

6.1 差分隐私：在查询中加入随机噪声，确保数据不可被重新识别。
6.2 同态加密：允许在加密数据上执行计算，确保数据隐私。
6.4 职责分离：减少潜在攻击面，提升系统安全性。
6.7 授权机制：仅授权最小必要实体访问数据，减少风险。

细粒度访问控制

8.1 粒度级别选择：根据数据需求选择合适的访问粒度，如行级、列级、单元级。
8.2 数据归一化：减少更新成本，提升查询性能。
8.3 跟踪保密需求：根据策略动态调整访问权限。
8.9 逻辑过滤器：确保应用程序正确分离数据用途，防止信息泄露。

细粒度审计

9.1 审计全景图：整合所有审计信息，构建完整的攻击视图。
9.4 信息完整性：使用哈希、数字签名等手段确保审计信息未被篡改。
9.5 信息保密性：仅授权审计人员访问审计信息，防止隐私泄露。
9.10 审计协调者：简化审计流程，提升审计效率。

数据来源安全

10.1 基础设施认证：确保数据来源的合法性，防止恶意访问。
10.2 周期性状态更新：定期更新节点状态，确保数据传输的可靠性。
10.3 完整性校验：使用校验和、哈希表等技术确保数据未被篡改。
10.5 加密：使用对称密钥或公钥机制，确保数据在传输和存储时的安全。

总结

本手册全面覆盖了大数据环境下的安全和隐私挑战，提供了系统化的解决方案。从分布式计算框架到数据存储、加密、访问控制、审计和数据来源管理，每个环节都强调了技术手段与管理策略的结合。此外，手册还提到了隐私保护技术（如差分隐私、同态加密）和法律法规、道德方面的考量，为大数据安全提供了多层次的保障。对于大数据服务提供商来说，遵循这些最佳实践可以有效提升系统安全性，降低隐私泄露风险，确保数据在传输、存储和处理过程中的完整性与保密性。

展开完整摘要