_大数据安全白皮书（2018年）_解读_33页_6mb

大数据安全白皮书总结

核心内容概述

本白皮书由中国信息通信研究院发布，旨在探讨大数据安全问题，分析当前大数据安全面临的技术挑战，并提出未来发展的建议。文档内容涵盖了大数据平台安全、数据安全、隐私保护等多个维度，强调了在大数据时代，构建以数据为中心的安全防护体系的重要性。

主要观点

• 大数据技术正在深刻影响经济运行、社会生活方式和国家治理能力，因此必须从“大安全”视角出发，全面解决大数据安全问题。
• 大数据平台在安全防护方面存在诸多问题，如缺乏整体安全规划、传统安全机制性能不足、分布式架构增加配置难度等。
• 随着数据泄露事件频发，数据安全和隐私保护成为当前亟需解决的问题。
• 隐私保护技术在大数据环境下面临挑战，传统方法难以适应非关系型数据库和深度数据挖掘带来的隐私风险。
• 密文计算、数字水印和数据血缘追踪等技术虽有发展，但尚未达到大规模应用的成熟度。
• 当前大数据安全技术在应对新型攻击、复杂数据应用场景和隐私保护需求方面仍存在较大差距。

关键信息

1. 大数据平台安全问题与挑战

• Hadoop开源平台缺乏整体安全规划，其安全机制存在局限性，如依赖Linux身份权限管理、无原生安全审计功能、配置管理复杂等。
• Hadoop漏洞数量逐年增长，2013-2017年共发现18个漏洞，其中5个与数据泄露有关。
• 2017年Hadoop配置不当导致数据泄露，暴露在公网的HDFS服务器达4500台，数据量高达5.12 PB。
• 网络攻击呈现新特点，如攻击持续时间长、渠道多样化、隐蔽性强，传统安全监测技术难以应对。
• 数据泄露事件危害严重，如“剑桥分析”事件导致8700万用户资料被滥用，影响巨大。

2. 数据安全问题与挑战

• 数据泄露事件持续增长，成为网络攻击的重点目标。
• 数据采集环节风险突出，影响决策分析的准确性和安全性。
• 数据处理中的机密性保障问题，特别是在跨系统访问和多方数据汇聚时尤为明显。
• 数据流动路径复杂化，导致追踪溯源变得异常困难，异构网络环境和数据标记可信性验证成为技术难点。

3. 个人隐私安全问题与挑战

• 传统隐私保护技术面临失效，大数据的超强分析能力使得去标识化、匿名化等技术难以完全防止隐私泄露。
• 非关系型数据库（如NoSQL）缺乏严格的访问控制机制和隐私保护工具。
• 隐私性和可用性之间的平衡是隐私保护技术需要解决的核心问题，涉及算法效率、标准评价体系、动态数据重发布等。

4. 大数据安全技术发展情况

• Hadoop开源社区已增加基本安全机制，如Kerberos认证、基于角色的访问控制等，但安全能力仍不能满足现实需求。
• 商业化大数据平台解决方案（如Cloudera、Hortonworks）提供了相对完善的安全机制，包括集中安全管理和审计、统一配置界面等。
• 通用安全组件（如密文计算、数据防泄露）为开源平台提供了安全加固方案，但技术仍处于发展阶段。
• 敏感数据识别技术逐步实现自动化，利用关键字匹配、正则表达式和机器学习算法提升识别能力。
• 数据防泄露技术发展成熟，正向智能化方向演进，但仍需进一步优化。
• 结构化数据库安全防护基本成熟，但非结构化数据库安全防护仍需加强。
• 密文计算技术成为研究热点，目标是实现“数据可用不可见”，但计算效率低，实用性仍需提升。
• 数字水印和数据血缘追踪技术发展滞后，无法满足大数据环境下的实际需求。

5. 大数据安全技术未来发展建议

• 构建大数据安全综合防御体系，从整体安全观出发，提升平台、数据、隐私的协同防护能力。
• 加强安全评测技术，推动第三方安全检测评估体系的建立。
• 推动隐私保护技术的广泛应用，特别是在非关系型数据库和多源数据融合场景中。
• 提升密文计算技术的实用性，优化计算效率，推动其在实际场景中的应用。
• 加强数字水印和数据血缘追踪技术的研究和开发，以满足数据追踪和溯源的迫切需求。
• 构建法律、技术、经济等多重保障体系，应对大数据环境下日益复杂的隐私保护挑战。

总结

大数据安全已成为数字经济时代的重要课题，其技术挑战和问题日益突出。平台安全、数据安全和隐私保护是当前研究和应用的重点，但现有技术仍存在诸多不足，亟需从技术、机制、法律等多方面进行改进和创新。未来应注重构建以数据为中心的动态安全防护体系，推动安全技术向智能化、通用化方向发展，以应对不断变化的安全威胁和隐私保护需求。