Textbook · 第 26 章 · 约 15 分钟
大数据安全需求分析与安全保护工程
26.1 威胁与需求分析
概念与四特征
- 大数据:非传统工具难以处理的数据集。
- 特征:海量规模、快速流转、多样类型、价值密度低。
- 形态:结构化、半结构化、非结构化。
七大威胁
- 「数据集」安全边界模糊
- 敏感数据泄露风险增大
- 数据失真与大数据污染
- 处理平台业务连续性与拒绝服务
- 个人数据多平台分布,隐私难保护
- 数据交易安全风险
- 大数据滥用
七类安全需求
- 自身安全:采集→存储→使用→传输→共享→发布→销毁;真实性、实时性、机密性、完整性、可用性、可追溯性
- 安全合规 · 跨境安全 · 隐私保护
- 处理平台安全 · 业务安全 · 安全运营
易错陷阱:
大数据=大量聚合后的隐私风险上升;假数据污染也会破坏分析可信度。
大数据=大量聚合后的隐私风险上升;假数据污染也会破坏分析可信度。
26.2 保护机制与技术方案
基本机制
分类分级、源认证、溯源、用户标识鉴别、访问控制、隐私保护、备份恢复、审计监测、安全管理。
自身安全三件套
- 真实性 → 数字签名 / 源认证
- 完整性 → Hash
- 机密性 → 加密
平台 / 业务 / 运营
- 平台:安全分区;网络/数据库/应用防火墙;加固;DLP
- 业务:RBAC 授权;业务逻辑安全;合规与敏感数据检查
- 运营:维护、策略更新、容灾、IDS/态势感知、取证、堡垒机、应急;经营侧脱敏、监控、安全网关
隐私保护五技术
身份匿名 · 差分隐私 · 数据脱敏 · 数据加密 · 访问控制
脱敏手法:抑制(删/屏蔽)· 泛化(降粒度)
标准认名
个人信息安全规范、大数据服务安全能力要求、大数据安全管理指南、数据交易服务安全要求、个人信息去标识化指南等。
26.3 综合应用(认名)
- 阿里:业务/数据/生态管控,以数据生命周期为中心
- 京东:区块链确权溯源
- 上海数据交易:告知同意等个人数据保护原则;规制+技术
- 华为 FusionInsight:网络平面隔离;Kerberos/LDAP;RBAC;容灾备份
- 科学数据管理办法:全生命周期;异地备份;保密审查
- PCI-DSS:六类要求——网络安全、护持卡人数据、漏洞管理、访问控制、监控测试、安全策略
大数据是等保 2.0 重要保护对象:通用要求 + 相关扩展/专项建设。
章末自测(1 题)
Q · 大数据环境下保护隐私的常用技术是?
答案 A。隐私五技术含脱敏、匿名、差分隐私、加密、访问控制。