《大数据导论》课件 第7章 大数据安全与隐私保护.pptx

第7章大数据安全、开放与共享演讲人2024/12/24

目录7.1大数据安全与隐私保护7.2大数据生命周期中的安全与隐私7.3大数据开放与共享

017.1大数据安全与隐私保护

7.1.1大数据安全与隐私保护的概念数据安全的本质是保证信息媒介、网络和存储介质中的数据资源免受威胁、破坏，保障数据的安全性。传统数据安全包含两个层次：一是数据行为的安全，二是数据内容的安全。表7-1给出了常见的数据安全威胁类型。一方面，在数据正常的行为中，通常会受到计算机病毒、黑客攻击和物理存储介质损坏的威胁；另一方面，在数据的采集、存储和使用时，数据的内容也可能受到篡改、误差和操作失误等内容破坏的风险。与传统数据安全类似，大数据也会受到两个层次的安全威胁，同时大数据在质量和价值上实现了提升，且数据形式变得多样化，使其安全原则和需求也在大数据场景下得到了展开和引申。

7.1.1大数据安全与隐私保护的概念表7-1常见的数据安全威胁类型

7.1.1大数据安全与隐私保护的概念首先，大数据成了网络攻击的首要选择目标。在互联网运行过程中，不同网络空间中将会产生该领域的海量大数据。以微博APP为例，每天产生5亿+条数据，涵盖文字、图像、音频和视频等类型，是一个容易被发现的巨大目标。在微博社交网络中，不但包括用户日常生活的交互数据，还包括用户的个人隐私信息，黑客攻击该目标能获得较大的收益。其次，大数据隐私泄露风险大幅度提升。不同于传统数据存储在较为完备的关系型（“SQL数据库”）中，大数据通常选择使用非关系型（“NoSQL数据库”）存储，例如：HBase，MongoDB和Redis等。这类数据库由于发展历史较短，没有完备的安全机制，且通常构建在分布式环境中，存在频繁的网络交互，增加了隐私泄露的风险。

7.1.1大数据安全与隐私保护的概念再者，大数据技术被黑客作为攻击手段。与正常的大数据分析和挖掘相同，黑客攻击过程也可以借助大数据分析和挖掘方法。例如，黑客可以收集与攻击目标相关的行为数据，建立数据画像和习惯偏好，猜测其偏好使用的密码组合，进而通过暴库等方式盗取用户口令。海量的大数据在惠及我们学习、生活的同时，也丰富了黑客的攻击手段。最后，大数据技术衍生出更多的攻击方式。大数据分析与挖掘方法为我们提供了非常便利的功能，但是这些新兴功能也会成为黑客的攻击对象。以人脸识别为例，为了攻击人脸识别模型，研究者通过人工智能技术生成若干张人脸，并筛选出能够成功通过绝大多数人脸识别模型的人脸图像。

【案例7-1】逃脱绝大多数人脸识别系统的“万能人脸”。

7.1.1大数据安全与隐私保护的概念图7-1展示了人工智能技术生成的9张“万能人脸”，这些人脸图像能够欺骗绝大多数的人脸识别模型，达到绕过人脸识别安全屏障的目的。实际上，针对大数据应用场景衍生出来的攻击方法，其防范难度远高于传统攻击方法，仅仅依靠传统单个时间节点的安全防护机制无法匹配到攻击威胁。图7-1人工智能技术生成的9张“万能人脸”

7.1.1大数据安全与隐私保护的概念大数据包含多种类别，如政府公开数据、科学研究数据、社交媒体数据以及企业应用数据等。除了大数据的安全需求以外，源自个人、企业等带有敏感信息的大数据，还普遍存在隐私保护的需求。目前，在企业大数据开放与共享中，主要将个人数据进行匿名处理，从而达到保护个人隐私目的。事实上，在大数据分析与挖掘技术加持下，简单的数据匿名无法达到真正保护用户个人隐私目的。例如，著名影视租赁公司Netflix曾经匿名公开部分用户数据，用于电影推荐算法竞赛。在竞赛过程中，虽然用户数据得到了匿名保护，但是隐藏在大数据中的个人信息，还是被参赛选手设计的算法挖掘出来。大量的研究已经表明，由于大数据中隐含有密度低、价值高的信息，仅靠简单的个人信息标识去除，

7.1.1大数据安全与隐私保护的概念无法有效保证用户的隐私安全。此外，随着人工智能技术的飞速发展，基于大规模的身份重识别攻击，攻击者从多源异构数据中进行交叉对比、系统分析，从而逆向分析出匿名身份信息，导致个人或企业敏感信息泄露。另一方面，在个人或企业行为大数据场景下，个人或企业的状态、行为与偏好都能够从行为大数据中挖掘得出。例如：黑客可收集用户的网上购物信息、旅游打卡信息、影评信息以及出行交通工具信息，通过多个数据源的交叉完成跨账号关联，运用人工智能方法对用户信息建模，可准确输出用户画像和真实身份，进而预测用户接下来的行为。以社交网络为例，一些研究者通过分析新浪微博APP的社交网络和社群信息，从而曝光出明星不良行为，导致明星形象危机；另外，针对Twitter的用户行为分析，

7.1.1大数据安全与隐私保护的概念也挖掘出了用户的政治倾向、消费习惯以及日常行为偏好，暴露出用户的敏感属性等信息。因此，面向终端的行为大数据分析，目前还缺乏