大数据安全管理与数据质量管理

2023-11-16 理论教育版权反馈

【摘要】：因为没有大数据平台安全技术，所以应尽早解决此问题。网络应用程序、数据库的安全或大数据集群仍是安全保护的重要对象，需要保证大数据的保密性、可用性、完整性。与此同时，各个产业群中，致命的数据安全事故激增。大数据平台也成为重要的数据安全对象，针对数据的机密性、完整性、可用性的安全目标以及能够防御来自数据的掠夺、伪造等外部威胁的体系和标准测定模型图的开发是必要的。

因为没有大数据平台安全技术，所以应尽早解决此问题。如果不解决这种安全技术，现在进行中的许多大数据项目的产物因失败而产生潜在威胁，随着数据在公共、流通、制造、金融、国防等多个领域中的应用剧增，一定要确保大数据分析的安全问题。

（1）大多数大数据项目通常通过广为人知的大数据构建技术，和数据集群构建一起推进大量的数据分析，但大多数用户加密认证异常的安全标准几乎或者全部没有体现。

（2）如果观察大多数大数据项目，除了体现旨在分析大数据扩展性较强的低价集群，都未能考虑到大多数的安全问题，通过几种传统网络和数据库安全难以解决安全威胁或大数据平台结构性问题。

（3）通过大数据基本构架分散处理、大数据碎片和重复、扩展性、并行处理等方式，难以使用现有IT基础结构的传统安全技术。

（4）大数据集群节点和网络应用程序及现有传统数据仓库大多数都存在相同的安全隐患。因此，大数据集群合并之前应先精确调查各数据节点和应用程序，并注意避免网络通信中的数据随意流出。

（5）网络应用程序、数据库的安全或大数据集群仍是安全保护的重要对象，需要保证大数据的保密性、可用性、完整性。

并不是所有大数据都只使用像Hadoop或NOSQL这样的大数据技术，像数据仓库这样的传统数据处理技术，也已经执行许多大数据项目，同时也频繁发生安全事故。

（1）传统的数据库或数据仓库也在大数据处理中发挥着重要作用，大数据平台和传统的数据库在技术，在商务角度上，相互分担着数据收集、分析、处理的角色。

（2）由于企业（公共）持有DB和多媒体内容的几何级数式增加以及智能手机、SNS、物联网的扩散等，庞大的数据被生产、流通、共享的大数据时代到来了。与此同时，各个产业群中，致命的数据安全事故激增。

（3）持有个人信息及机密信息的各个机关和公司中，需要系统地建立数据库安全系统，从而能动性地应对目前或未来的安全威胁。

（4）提供DB安全所应具备的系统及功能的标准模型，根据各个组织的状况，使其能够区分功能和流程。需要通过对此进行的国内外标准化推进，在全世界抢占正在被扩大的DB安全市场并构建国内企业打入国际化的桥头堡。

（5）为了使通过全社会、产业的DB安全技术应用进行的安全数据管理成为可能，构建能够予以支持的基础设施并适用DB安全标准模型迫在眉睫。