大数据面临的四大安全挑战.docxVIP

PAGE 1 PAGE 1 大数据面临的四大安全挑战  大数据现象由三个大趋势的交集所推动：包含珍贵信息的大量数据、廉价的计算资源、几乎免费的分析工具。如今，有许多特殊重视不同数据类型的大数据管理系统。  大数据现象由三个大趋势的交集所推动：包含珍贵信息的大量数据、廉价的计算资源、几乎免费的分析工具。如今，有许多特殊重视不同数据类型的大数据管理系统。这些系统使用多种不同的查询模式、不同的数据存储模式、不同的任务管理和协调、不同的资源管理工具。虽然大数据常被描述为“反关系型”的，但这个概念还无法抓住大数据的本质。为了避免性能问题，大数据的确抛弃了很多关系型数据库的核心功能，却也没犯什么错误：有些大数据环境供应关系型结构、业务连续性和结构化查询处理。  传统的定义无法抓住大数据的本质，不妨依据组成大数据环境的关键要素思索一下大数据。这些关键要素使用了很多分布式的数据存储和管理节点。这些要素存储多个数据副本，在多个节点之间将数据变成“碎片”。这意味着在单一节点发生故障时，数据查询将会转向处理资源可用的数据。正是这种能够彼此协作的分布式数据节点集群，可以解决数据管理和数据查询问题，才使得大数据如此不同。节点的松散联系带来了很多性能优势，但也带来了独特的安全挑战。  大数据数据库并不使用集中化的“围墙花园”模式，内部的数据库并不隐蔽自己而使其它应用程序无法访问。在这儿没有“内部的”概念，而大数据并不依靠数据访问的集中点。大数据将其架构暴露给使用它的应用程序，而客户端在操作过程中与很多不同的节点进行通信。  嵌入式安全：在涉及大数据的疯狂竞赛中，大部分的开发资源都用于改善大数据的可升级、易用性和分析功能上。只有很少的功能用于增加安全功能。多数系统供应最少的安全功能，但不足以包括全部的常见威逼。在很大程度上，你需要自己构建安全策略。  数据安全：存储在大数据集群中的数据基本上都保存在文件中。每一个客户端应用都可以维持其自己的包含数据的设计，但这种数据是存储在大量节点上的。存储在集群中的数据易于遭受正常文件简单感染的全部威逼，因而需要对这些文件进行保护，避免遭受非法的查看和复制。  规模、实时性和分布式处理：大数据的本质特征使得保障这些系统的安全更为困难。大数据集群具有开放性和自我组织性，并可以使用户与多个数据节点同时通信。验证哪些数据节点和哪些客户应当访问信息是很困难的。别忘了，大数据的本质属性意味着新节点自动连接到集群中，共享数据和查询结果，解决客户任务。  应用程序：面向大数据集群的大多数应用都是Web应用。它们利用基于Web的技术和无状态的基于REST的API。虽然全面争论大数据安全的这个问题超出了本文的范围，但基于Web的应用程序和API给这些大数据集群带来了一种最重大的威逼。在遭受攻击或破坏后，它们可以供应对大数据集群中所存储数据的无限制访问。