大数据安全“脆弱性”凸显 防护成重要课题

本文涉及的产品
数据安全中心,免费版
云原生大数据计算服务MaxCompute,500CU*H 100GB 3个月
简介:

随着数据发掘的不断深入和在各行业应用的不断推进,大数据安全的“脆弱性”逐渐凸显,国内外数据泄露事件频发,用户隐私受到极大挑战。在数据驱动环境下,网络攻击也更多地转向存储重要敏感信息的信息化系统,大数据安全防护俨然成为大数据应用发展的一项重要课题。

大数据安全“脆弱性”凸显 防护成重要课题

虽然国内外的大数据平台厂商、大数据服务提供商和大数据内容提供商,以及传统信息安全厂商相继投入大数据安全产业,但是大数据安全产品较少,服务模式单一,大数据安全产业仍处于起步阶段。

在大数据时代,网络安全本身是一个动态调整的过程,没有一招制敌的方案。因此,在释放大数据潜能时,如何解决安全和信任问题成为了当务之急。那么,究竟该如何从国家的战略和技术的层面去防范?

首先是在思想层面引起高度重视,提高防患和信息安全意识,加大对网络安全设备和机制建设的投入。其次是在技术层面,必须加强安全技术自主知识产权研发,推动国内IT技术产业和网络安全行业的发展。再者是在法制层面,必须加强立法,并健全相关网络安全法律法规,严厉打击不法分子和黑色产业链。

除此之外,一个完整的大数据安全产业链,应该包括装备制造和服务体系,因此应从其核心硬件——芯片着手。信息安全作为国家战略问题,其硬件支撑就是核心芯片,可以说核心芯片及基础软件是构建自主可控的工业控制安全防护体系的基石。但是,目前来看,与国内市场的庞大需求相比,国产半导体芯片体量仍然较小,我国大部分芯片需要从欧美国家进口,信息安全存巨大隐患。因此芯片的国产化,是我国实现工业控制系统国产化,保障信息安全的必经之路。

而在数据保护与治理研究中心研究员洪延青看来,个人信息的收集和使用与个人的权益息息相关,数字经济能否持续健康发展,在很大程度上取决于能不能在开发和利用个人信息的同时做到趋利避害,如何实现两者的平衡是新时期个人信息保护的重要挑战之一。

众所周知,大数据时代,谁掌握数据就掌握了发展先机。人们对数据进行建模分析后,所带来的价值将会呈现出指数级增长。然而,与传统网络安全不同,大数据挖掘是对整个数据池中的所有相关的源数据进行关联分析,只要有一步错,则之后的步步皆错。

当前,我国网络空间面临的外部威胁和挑战越来越现实与紧迫,网络安全威胁呈现出“来源更加多样、手段更加复杂、对象更加广泛、后果更加严重”四大特征,传统互联网威胁向工控系统等扩散,智能技术应用安全问题日益凸现。大数据应用的新特点带来了为企业带来了新的发展机遇,但同时也带来了新的挑战。

大数据安全难题几乎已成业内共识,如何突破大数据关键技术,如何运用大数据推动经济发展、完善社会治理,如何在推动大数据发展的同时确保信息安全等等这些问题,在现在及未来长时间内都将会是世界各国和各行业普遍关注的热点问题。


本文作者:佚名

来源:51CTO

相关文章
|
人工智能 安全 算法
AI与大数据:智慧城市安全的护航者与变革引擎
AI与大数据:智慧城市安全的护航者与变革引擎
376 1
|
19天前
|
机器学习/深度学习 传感器 监控
吃得安心靠数据?聊聊用大数据盯紧咱们的餐桌安全
吃得安心靠数据?聊聊用大数据盯紧咱们的餐桌安全
55 1
|
5月前
|
SQL 安全 大数据
大数据时代的安全挑战——数据泄露如何悄然发生?
大数据时代的安全挑战——数据泄露如何悄然发生?
217 18
|
8月前
|
存储 SQL 安全
大数据的隐私与安全:你的一举一动,都在“裸奔”?
大数据的隐私与安全:你的一举一动,都在“裸奔”?
176 15
|
11月前
|
存储 安全 大数据
大数据隐私保护:用户数据的安全之道
【10月更文挑战第31天】在大数据时代,数据的价值日益凸显,但用户隐私保护问题也愈发严峻。本文探讨了大数据隐私保护的重要性、面临的挑战及有效解决方案,旨在为企业和社会提供用户数据安全的指导。通过加强透明度、采用加密技术、实施数据最小化原则、加强访问控制、采用隐私保护技术和提升用户意识,共同推动大数据隐私保护的发展。
1127 3
|
人工智能 安全 数据挖掘
AI大数据分析对安全隐私的保护
AI大数据分析对安全隐私的保护非常重要。随着大数据技术和人工智能的发展,个人和企业的数据越来越容易被收集和分析。这种数据分析可以为企业提供有价值的洞察和决策支持,但同时也带来了安全隐私的风险。
|
11月前
|
存储 安全 大数据
|
安全 关系型数据库 MySQL
揭秘MySQL海量数据迁移终极秘籍:从逻辑备份到物理复制,解锁大数据迁移的高效与安全之道
【8月更文挑战第2天】MySQL数据量很大的数据库迁移最优方案
1375 17
|
存储 监控 安全
大数据架构设计原则:构建高效、可扩展与安全的数据生态系统
【8月更文挑战第23天】大数据架构设计是一个复杂而系统的工程,需要综合考虑业务需求、技术选型、安全合规等多个方面。遵循上述设计原则,可以帮助企业构建出既高效又安全的大数据生态系统,为业务创新和决策支持提供强有力的支撑。随着技术的不断发展和业务需求的不断变化,持续优化和调整大数据架构也将成为一项持续的工作。
|
分布式计算 安全 大数据
HAS插件式Kerberos认证框架:构建安全可靠的大数据生态系统
在教育和科研领域,研究人员需要共享大量数据以促进合作。HAS框架可以提供一个安全的数据共享平台,确保数据的安全性和合规性。

热门文章

最新文章