2018年大数据安全白皮书_37页_3mb

大数据安全白皮书（2018年）总结

核心内容

本报告由中国信息通信研究院安全研究所发布，旨在探讨大数据安全的重要性，分析其面临的挑战，并提出未来技术发展建议。报告指出，大数据在推动产业转型和国家治理现代化的同时，也带来了前所未有的安全风险。大数据安全涉及技术、法律、监管和社会治理等多个领域，是综合性、系统性的问题。

主要观点

• 大数据具有体量大、结构多样、时效性强等新特征，这些特征导致传统安全机制难以应对，需要构建“大安全”视角下的综合防御体系。
• 大数据平台安全是大数据安全的基础，涉及传输、存储、计算、管理及基础设施等多个方面。
• 数据安全面临新的挑战，如数据泄露、数据采集真实性、数据处理过程中的机密性保障以及数据流动路径的复杂化。
• 个人隐私保护技术在大数据环境下显得尤为重要，传统技术难以满足需求，需发展更先进的隐私保护机制。

关键信息

一、大数据安全技术总体视图

大数据安全技术体系分为三个层次：大数据平台安全、数据安全、个人隐私保护。平台安全是基础，保障平台自身的运行安全；数据安全聚焦于数据的流动过程，确保数据在共享和使用过程中不被泄露；隐私保护则是对个人敏感信息的更深层次防护。

二、大数据平台安全问题与挑战

1. 缺乏整体安全规划：Hadoop等开源平台在设计之初未充分考虑安全性，虽已加入部分安全机制，但仍存在认证粒度不足、访问控制复杂等问题。
2. 安全机制性能不足：传统安全技术难以应对大数据平台的多样化用户和复杂数据流，导致访问控制和审计难以实现集中管理。
3. 配置和运维难度高：大规模分布式架构增加了安全配置的复杂性，一旦配置错误，可能造成大规模数据泄露。
4. 新型攻击手段增多：如高级持续性威胁（APT）和分布式拒绝服务（DDoS）等，对传统安全监测技术提出了更高要求。

三、数据安全问题与挑战

1. 数据泄露事件频发：数据集中存储和高价值性使其成为攻击目标，泄露事件数量逐年上升。
2. 数据采集真实性难以保障：多源数据的复杂性使得虚假或恶意数据难以识别，影响分析结果的可信度。
3. 数据处理中的机密性保障问题：跨组织数据合作中，数据机密性成为关键需求。
4. 数据流动路径复杂：数据从一个控制者流向另一个控制者，使得追踪和溯源变得困难。

四、个人隐私安全挑战

1. 传统隐私保护技术失效：大数据的超强分析能力可复原匿名化数据，导致隐私泄露。
2. 非关系型数据库缺乏隐私保护机制：目前隐私保护技术主要适用于关系型数据库，非结构化数据的保护仍待加强。
3. 隐私保护需多手段协同：法律、技术、经济等手段需结合，形成体系化保护机制。

五、大数据安全技术发展情况

1. 平台安全技术：Hadoop等开源平台逐步加入身份认证、访问控制、加密等机制，商业化平台则提供了更完善的安全解决方案。
2. 数据安全技术：数据防泄露（DLP）技术发展相对成熟，引入人工智能和机器学习提升智能化水平。但密文计算和数据血缘追踪等技术仍处于研究阶段。
3. 隐私保护技术：数据脱敏技术应用广泛，匿名化算法成为研究热点，但其在实际应用中仍存在效率低、开销大等问题。

六、未来发展建议

1. 构建综合防御体系：从总体安全观出发，建立覆盖数据全生命周期的综合防御体系。
2. 强化平台安全保护：提升平台自身防御能力，关注攻击与防御技术的演进，构建适应大数据环境的安全机制。
3. 完善数据安全技术体系：加强关键环节和核心技术的研究，推动密文计算等技术的工程化应用。
4. 加强隐私保护核心技术投入：加快隐私保护技术的产业化进程，实现数据利用与隐私保护的平衡。

七、结论

大数据安全已成为国家安全和产业发展的重要组成部分。面对不断变化的安全威胁，需加快技术发展、完善法律监管、推动多方协作，构建全面、智能、高效的大数据安全保障体系。