大数据安全基础

文档总结：大数据安全基础与企业数据化转型

核心内容

本文档围绕大数据安全基础展开，探讨了信息、数据与大数据的定义及其在企业数据化转型中的重要性，同时分析了数据安全的挑战与应对策略。文档强调了智能物联网技术在推动企事业单位数据化转型中的关键作用，并提出了构建数据安全体系的思路与技术手段。

信息、数据与大数据的定义

信息（Information）

• 是对客观世界中事物运动状态和变化的反映。
• 表现为“意义”的载体，具有逻辑性和观念性。
• 包括以下理解：
  1. 信息是传播内容，是“意义”的载体。
  2. 信息论角度：信息是消除随机不确定性的内容。
  3. 控制论角度：信息是人与外部世界互动的媒介。

数据（Data）

• 是对客观事件进行记录并可以鉴别的符号。
• 有多种形式，包括数字数据、模拟数据、电子数据和物理数据。
• 数据本身没有意义，需经过解释才能成为信息。
• 数据的语义特点：数据与解释不可分割。

大数据（Big Data）

• 是无法在一定时间范围内用常规软件工具进行捕捉、管理和处理的数据集合。
• 具备“4V”特点：
  • Volume：数据体量巨大（从TB到PB、ZB级别）。
  • Velocity：数据生成速度快，处理性能要求高。
  • Variety：数据类型繁多，包括结构化、非结构化和混合数据。
  • Value：价值密度低但价值巨大，是“金矿”和“引擎”。

数据与大数据的关联与区别

常见数据安全风险

1. 数据资产缺乏关注

   • 企业未明确数据使用、责任归属和安全保护措施。
   • 缺乏对数据标识化、数据分类管理的意识。

2. 数据共享与管控不足

   • 各业务部门可自行共享数据，导致用户隐私侵犯和经营数据整合风险。
   • 缺乏统一的数据共享制度和管控措施。

3. 个人信息被深陷黑色产业链

   • 个人信息被黑客入侵、内鬼泄露、非法倒卖等途径获取。
   • 数据被用于电信诈骗、敲诈勒索、恶意营销等非法用途。

4. 难以觉察的数据窃密攻击

   • 攻击者通过伪装邮件、钓鱼等方式侵入企业内网。
   • 利用C&C通道进行数据盗取，篡改敏感信息。

5. 数据三态中的安全问题

   • 存储态（静态）：数据存储于数据库、电子表格、磁带等，需防范数据泄露与非法访问。
   • 传输态（动态）：数据在传输过程中可能被窃取或篡改，需保障传输安全。
   • 使用态（暂态）：数据在内存、缓存等中被处理，存在敏感信息暴露风险。

数据安全基本要素（CIA）

• C（Confidentiality）保密性

  • 信息不被非授权用户、实体或进程访问或利用。
  • 常用技术：信息加密、物理隔离、信息隐形等。

• I（Integrity）完整性

  • 信息在存储或传输过程中不被篡改或破坏。
  • 常见破坏因素：人为攻击、计算机病毒、设备故障等。
  • 保护方法：协议、数字签名、密码校验和、审计等。

• A（Availability）可用性

  • 授权实体可按需访问信息。
  • 无统一理论模型，需综合考虑硬件、软件、人员和环境因素。

数据安全防御思路

• 隔离技术：对无关主体进行物理或逻辑隔离，如电磁屏蔽、渡船技术等。
• 控制技术：对有关主体进行授权控制，如访问控制、审计、隐秘、回滚等。
• 检查技术：对系统脆弱性、威胁源进行检测，包括漏洞检测、入侵检测、流量检测等。
• 反制技术：对安全事件进行响应、处置和反制，如识别攻击源、封闭IP地址、取证等。
• 清除技术：清除威胁源，包括恶意代码清除和法律手段打击入侵者。

数据安全技术分类

企业数据安全防御策略

• 识别关键信息资产：企业约1%的数据属于关键信息资产，需重点保护。
• 建立数据治理机制：包括数据含义定义、数据血缘关系管理、数据owner识别等。
• 构建企业级数据安全体系：涵盖数据采集、汇聚、存储、分析、应用等全生命周期管理。
• 加强跨境数据安全管理：防范数据外泄风险，保障国家安全与经济安全。

数据安全支撑技术

• 基础硬件：CPU、加密芯片、UKey、工控系统主板、服务器等。
• 基础软件：操作系统、数据库、邮件系统、中间件等。
• 云计算与云存储：虚拟化技术、数据中心解决方案、云审计、云加密等。
• 大数据技术：数据湖、大数据分析平台、数据追踪与溯源等。
• 区块链与人工智能：数据保全、数字版权保护、自动驾驶、人脸识别等。
• 量子技术：量子加密、量子计算等。

数据安全产业应用

• 行业应用：政府、互联网、金融保险、制造业、医疗医药、文化教育、通讯业、交通、生态环保、旅游休闲、数字物流等。
• 安全服务：渗透测试、安全运维、安全测评、安全审计、安全分析与取证、安全咨询等。
• 安全产品：终端/系统安全、网络安全、应用安全、内容安全、云安全、数据安全、基础设施安全等。

总结

本文档系统地阐述了信息、数据与大数据的概念、特点、关联与区别，指出了企业在数据化转型过程中面临的多种数据安全风险，并提出了基于CIA模型的数据安全防御体系。通过智能物联网技术，企业可以实现数据化转型，但必须构建完善的数据安全机制，涵盖数据采集、存储、传输、使用等全生命周期，同时加强跨境数据管理与技术支撑，以确保数据资产的安全与合规。