"Big data" faktisk består af de enorme mængder af data indsamlet om hver person på Jorden og deres omgivelser. Disse data indsamles af forskellige organisationer, virksomheder og af regeringen samt. De data der genereres er ekstremt stort, og det forventes at selv dobbelt hvert andet år. Dette betyder, at hvis de samlede data genereret i 2012 er 2500 exabytes, genereres derefter de samlede data i 2020 vil være ca. 40,000 exabytes! Sådanne data indsamlet, bruges på forskellige måder til forbedring af kundeplejen. Men, de enorme mængder af data, der genereres præsenterer mange nye problemer for data forskere, især med hensyn til privatlivets fred.
So, Cloud Security Alliance, en non-profit organisation, der fremmer sikker cloud computing praksis, kiggede rundt for at finde ud af de store sikkerhed og privatlivets fred udfordringer, big data ansigter.
Hvordan opstår disse problemer?
Kun de umådelige mængder af data selv er ikke årsag til privatlivets fred og sikkerhedsspørgsmål. Den kontinuerlige streaming af data, store cloud-baserede metoder datalagring, migration af data storstilet fra en sky opbevaring til en anden, de forskellige typer af dataformater og forskellige typer af kilder har alle deres egne smuthuller og problemer.
Stor samling af data er ikke en meget ny ting, som det er blevet indsamlet i mange årtier. Dog, Den største forskel er, at tidligere, kun store organisationer kan indsamle data på grund af de enorme udgifter inkluderet, men nu næsten hver organisation kan indsamle data nemt og bruge det til forskellige formål. Den billige nye cloud-baserede dataindsamlingsteknikker, sammen med de magtfulde databehandling framework som Hadoop, er muligt for dem at nemt mine og behandle store data. Som resultat, mange sikkerhedsrelaterede kompromittere udfordringer er ankommet med stor skala integration af store data og cloud-baserede datalagring.
De foreliggende dag sikkerheds-programmer er udviklet til fastgørelse af små til mellemstore mængde data, dermed, de kan ikke beskytte sådanne store mængder data. Also, de er designet i henhold til statisk data, så de kan ikke håndtere dynamiske data enten. En standard anomalisøgning søgning ville ikke være i stand til at dække alle data effektivt. Also, den løbende streaming data skal sikkerhed hele tiden, mens streaming.
De ti største big data sikkerhed og privatlivets fred udfordringer
For at lave en liste over de ti bedste store datasikkerhed og privatlivets fred udfordringer, CSA (Cloud Security Alliance) Big data forskning arbejdsgruppen fundet ud af om disse udfordringer.
Sikring transaktionsjournaler og data
Tit, transaktionen logs og andre sådanne følsomme data er gemt i lagermedie har flere lag. Men det er ikke nok. Selskaberne skal også beskytte disse lagring mod uautoriseret adgang og også nødt til at sikre, at de er tilgængelige på alle tidspunkter.
Sikring beregninger og andre processer udført i distribuerede rammer
Dette faktisk refererer til sikkerheden for de beregningsmæssige og forarbejdning elementer i en distribueret rammer ligesom MapReduce funktion Hadoop. To vigtige spørgsmål er sikkerhed "kortlæggere" bryde data ned og data desinficering kapaciteter.
Validering og filtrering af end-point indgange
Endepunkter er en vigtig del af enhver stor samling af data. De giver input data til opbevaring, behandling og andre vigtige værker. So, er det nødvendigt at sikre, at kun autentiske endpoints er i brug. Hver netværk bør være fri for ondsindede endpoints.
Skabe sikkerhed og overvågning i realtid
Det er bedst, at alle sikkerhedskontroller og overvågning bør ske i realtid, eller i det mindste i næsten realtid. desværre, de fleste af de traditionelle platforme er i stand til at gøre dette på grund af de store mængder af data, der genereres.
Sikring kommunikation og kryptering for adgang kontrolmetoder
En nem metode til at sikre data er at sikre opbevaring platform af disse data. Dog, programmet, der fastgør datalagring platformen er ofte temmelig sårbar selv. So, de adgang metoder skal stærkt krypteret.
Provenance af data
Oprindelsen af data er meget vigtigt, er det tillader klassificering af data. Oprindelsen kan præcist fundet ud af ved korrekt autentificering, validering og ved at give de adgangskontrol.
Granular adgangskontrol
En kraftfuld godkendelsesmetode og Obligatorisk Access Control er det vigtigste krav for kornet adgang store datalagre af NoSQL databaser eller Hadoop Distributed File System.
Kornet revision
Regelmæssig revision er også meget nødvendigt sammen med løbende overvågning af data. Korrekt analyse af de forskellige former for logfiler skabt kan være meget gavnligt, og denne information kan bruges til at registrere alle former for angreb og spionage.
Skalerbarhed og privatliv data analytics og minedrift
Big data analytics kan være meget problematisk i den forstand, at en lille data lækage eller platform smuthul kan resultere i et stort tab af data.
Sikring forskellige former for ikke-relationelle datakilder
NoSQL og andre sådanne typer datalagre har mange smuthuller, som skaber mange sikkerhedsproblemer. Disse smuthuller omfatter manglende evne til at kryptere data, når det bliver streamet eller opbevares, under tagging eller logning af data eller under klassificering i forskellige grupper.
Konklusion
Som enhver avanceret koncept har nogle smuthuller. Big data har også nogle i form af privatlivets fred og sikkerhedsspørgsmål. Store data kun kan sikres ved at sikre alle komponenterne i det. Da big data er enorm i størrelse, mange stærke løsninger skal indføres for at sikre alle dele af de involverede infrastruktur. Datalagre skal sikres for, at der ikke er nogen lækager i det. Also, realtidsbeskyttelse skal være aktiveret under den indledende dataindsamling. Alt dette vil sikre, at forbrugernes privatliv opretholdes.
