"Big Data" sebenarnya terdiri dari sejumlah besar data yang dikumpulkan setiap orang di Bumi dan lingkungannya. Data ini dikumpulkan oleh berbagai organisasi, perusahaan dan pemerintah serta. Data yang dihasilkan sangat besar dan diharapkan bahkan dua kali lipat setiap dua tahun. Ini berarti bahwa jika total data yang dihasilkan di 2012 adalah 2500 exabytes, maka total data yang dihasilkan di 2020 akan menjadi sekitar 40,000 exabytes! Data tersebut dikumpulkan, digunakan dalam berbagai cara untuk peningkatan layanan customer care. Tapi, jumlah besar data yang dihasilkan menyajikan banyak masalah baru bagi para ilmuwan Data, khususnya yang berkaitan dengan privasi.
So, Aliansi Keamanan Cloud, sebuah organisasi non-profit yang mempromosikan praktek komputasi awan yang aman, melihat sekeliling untuk mengetahui tantangan keamanan dan privasi utama yang wajah data besar.
Bagaimana masalah ini timbul?
Hanya sejumlah besar data sendiri bukan penyebab masalah privasi dan keamanan. Streaming data terus menerus, metode penyimpanan data berbasis cloud besar, skala besar migrasi data dari satu awan penyimpanan yang lain, berbagai jenis format data dan berbagai jenis sumber semua memiliki celah dan masalah mereka sendiri.
pengumpulan data besar bukanlah hal yang sangat baru, seperti yang telah dikumpulkan selama beberapa dekade. However, perbedaan utama adalah bahwa sebelumnya, hanya organisasi besar bisa mengumpulkan data karena biaya besar termasuk, tapi sekarang hampir setiap organisasi dapat mengumpulkan data dengan mudah dan menggunakannya untuk tujuan yang berbeda. Teknik pengumpulan data berbasis cloud baru murah, bersama dengan kerangka kerja perangkat lunak pengolah data yang kuat seperti Hadoop, yang memungkinkan mereka untuk dengan mudah tambang dan proses data besar. As a result, banyak tantangan keamanan-kompromi telah tiba dengan integrasi skala besar data besar dan berbasis cloud penyimpanan data.
Aplikasi keamanan hari ini dirancang untuk mengamankan kecil untuk jumlah menengah data, demikian, mereka tidak dapat melindungi jumlah besar seperti data. Also, mereka dirancang sesuai dengan data statis, sehingga mereka tidak dapat menangani data dinamis baik. Sebuah pencarian deteksi anomali standar tidak akan mampu menutupi semua data secara efektif. Also, data terus mengalir kebutuhan keamanan sepanjang waktu saat streaming.
Sepuluh tantangan keamanan data besar dan privasi terbesar
Untuk membuat daftar sepuluh tantangan keamanan data dan privasi besar, CSA (Cloud Aliansi Keamanan) kelompok kerja penelitian Big Data tahu tentang tantangan ini.
Mengamankan log transaksi dan data
Sering, log transaksi dan data sensitif lainnya seperti disimpan dalam media penyimpanan memiliki beberapa tingkatan. Tapi ini tidak cukup. Perusahaan-perusahaan juga harus menjaga penyimpanan ini terhadap akses tidak sah dan juga harus memastikan bahwa mereka yang tersedia setiap saat.
Mengamankan perhitungan dan proses lainnya dilakukan dalam kerangka didistribusikan
Ini benar-benar mengacu pada keamanan dari unsur-unsur komputasi dan pengolahan kerangka didistribusikan seperti fungsi MapReduce Hadoop. Dua masalah utama adalah keamanan "pembuat peta" melanggar data ke bawah dan kemampuan data sanitasi.
Validasi dan penyaringan akhir-titik input
Endpoint adalah bagian utama dari setiap pengumpulan data besar. Mereka menyediakan input data untuk penyimpanan, pengolahan dan karya-karya penting lainnya. So, perlu untuk memastikan bahwa hanya endpoint otentik yang digunakan. Setiap jaringan harus bebas dari endpoints berbahaya.
Menyediakan keamanan data dan pemantauan secara real time
Hal terbaik adalah bahwa semua pemeriksaan keamanan dan monitoring harus terjadi secara real time, atau setidaknya dalam hampir real time. Sayangnya, sebagian besar platform tradisional tidak dapat melakukan hal ini karena sejumlah besar data yang dihasilkan.
Mengamankan komunikasi dan enkripsi dari metode kontrol akses
Metode yang mudah untuk mengamankan data adalah untuk mengamankan platform penyimpanan data yang. However, aplikasi yang mengamankan platform penyimpanan data seringkali cukup rentan sendiri. So, metode akses harus sangat dienkripsi.
Provenance data
Asal data yang sangat penting adalah memungkinkan mengklasifikasikan data. asal dapat secara akurat ditemukan oleh otentikasi yang tepat, validasi dan dengan memberikan kontrol akses.
kontrol akses granular
Sebuah metode otentikasi yang kuat dan Mandatory Access Control adalah syarat utama untuk akses grained dari menyimpan data besar dengan database NoSQL atau Hadoop Distributed File System.
audit granular
audit reguler juga sangat diperlukan bersama dengan pemantauan terus menerus dari data. analisis yang benar dari berbagai jenis kayu yang dibuat bisa sangat menguntungkan dan informasi ini dapat digunakan untuk mendeteksi semua jenis serangan dan mata-mata.
Skalabilitas dan privasi analisis data dan pertambangan
Big analisis data dapat sangat bermasalah dalam arti bahwa kebocoran data kecil atau platform celah dapat mengakibatkan kerugian besar data.
Mengamankan berbagai jenis sumber data non-relasional
NoSQL dan jenis lainnya seperti toko data yang memiliki banyak celah yang membuat banyak masalah keamanan. celah ini termasuk kurangnya kemampuan untuk mengenkripsi data ketika sedang streaming atau disimpan, selama penandaan atau penebangan data atau selama klasifikasi ke dalam kelompok yang berbeda.
Kesimpulan
Seperti setiap konsep canggih memiliki beberapa celah. data besar juga memiliki beberapa dalam bentuk masalah privasi dan keamanan. data besar bisa diamankan hanya dengan mengamankan semua komponen itu. Sebagai data besar sangat besar dalam ukuran, banyak solusi kuat harus diperkenalkan dalam rangka untuk mengamankan setiap bagian dari infrastruktur yang terlibat. penyimpanan data harus diamankan untuk memastikan bahwa tidak ada kebocoran di dalamnya. Also, perlindungan real-time harus diaktifkan selama pengumpulan data awal. Semua ini akan memastikan bahwa privasi konsumen dipertahankan.
