"Big Data" patiesībā sastāv no milzīgo datu apjomu, kas savākti par katru personu, uz Zemes, un to apkārtnē. Šos datus vāc dažādu organizāciju, uzņēmumi un valdības, kā arī. Dati ģenerēti ir ļoti milzīgs, un tas sagaidāms pat dubultā ik pēc diviem gadiem. Tas nozīmē, ka, ja kopējie dati ģenerētas 2012 ir 2500 exabytes, tad kopējie dati ģenerētas 2020 būs apmēram 40,000 exabytes! Šādi dati apkopoti, tiek izmantota dažādos veidos uzlabošanai klientu aprūpes pakalpojumu. bet, milzīgās summas datiem, piedāvājam daudzas jaunas problēmas datu zinātniekiem, jo īpaši attiecībā uz privātumu.
So, Cloud Security Alliance, bezpeļņas organizācija, kas veicina drošu mākonis skaitļošanas praksi, paskatījās apkārt, lai noskaidrotu galvenos drošības un privātuma problēmas, lielie dati sejas.
Kā rodas šīs problēmas?
Tikai milzīgo datu apjomu paši nav cēlonis privātuma un drošības jautājumiem. Nepārtraukta datu straumējumu, liels mākonis balstītu datu uzglabāšanas metodes, liela mēroga migrācija datus no viena mākonis uzglabāšanas uz citu, dažāda veida datu formātiem un dažādu veidu avotiem, visi ir savas nepilnības un problēmas.
Big datu vākšana nav ļoti jauna lieta, kā tas ir savākti jau daudzus gadu desmitus. However, galvenā atšķirība ir tā, ka agrāk, tikai lielas organizācijas varētu vākt datus, jo milzīgu izdevumu iekļautas, bet tagad gandrīz katrs uzņēmums var vākt datus viegli un izmantot to dažādiem mērķiem. Lēti Jaunie mākonis balstītas datu vākšanas metodes, kopā ar jaudīgu datu apstrādes programmatūras sistēmas, piemēram Hadoop, ir ļaujot viņiem viegli mīnu un apstrādāt lielie dati. Rezultātā, daudzi drošības-nekaitējot problēmas ir ieradušies ar liela mēroga integrācijas lielo datu un mākonis balstītas datu uzglabāšanai.
Mūsdienām drošības programmas ir paredzētas, lai nodrošinātu mazo un vidēja datu apjomu, tā, viņi nevar aizsargāt šādus milzīgus datu apjomus. Also, tie ir izstrādāti saskaņā ar statisko datu, lai viņi nevar rīkoties dinamisko datus vai nu. Standarta anomāliju atklāšanas meklēšana nespēs efektīvi aptvertu visus datus. Also, Nepārtraukti straumēšanas dati ir drošības visu laiku, kamēr straumēšanas.
Desmit lielākie liela datu drošības un privātuma problēmas
Lai sarakstu ar desmit lielo datu drošības un privātuma problēmas, CSA (Cloud Security Alliance) Big Data pētījumu darba grupa uzzināja par šīm problēmām.
Nodrošināšana darījumu žurnālus un datus
bieži, darījumu žurnāli un citas šādas sensitīvie dati tiek glabāti datu nesēja ir vairāki līmeņi. Bet tas nav pietiekami. Šie uzņēmumi ir arī, lai aizsargātu šīs noliktavas pret nesankcionētu piekļuvi, un arī, lai nodrošinātu, ka tie ir pieejami jebkurā laikā.
Nodrošināšana aprēķini un citi procesi darīts sadalītās sistēmās
Tas faktiski attiecas uz konkrēto skaitļošanas un apstrādes elementu izplatīts regulējuma, piemēram, MapReduce funkciju Hadoop drošību. Divi galvenie jautājumi ir par "karšu veidotājiem" pārkāpj datus uz leju un datu sanitization spējām drošību.
Apstiprināšana un filtrēšana gala punktu ieejām
Vērtētie ir liela daļa no liela datu vākšanas. Tie sniedz ievades datu uzglabāšanas, pārstrādi un citus svarīgus darbus. So, tas ir nepieciešams, lai nodrošinātu, ka tikai autentiski vērtētie tiek izmantotas. Katram tīklam ir jābūt brīvam no ļaunprātīgas parametriem.
Sniedz drošības un monitoringa datus reālajā laikā
Tas ir labākais, ka visi drošības pārbaudes un uzraudzību vajadzētu notikt reālā laikā, vai vismaz ar gandrīz reālajā laikā. diemžēl, lielākā daļa no tradicionālās platformas nespēj to darīt sakarā ar liela apjoma datiem,.
Nodrošināšana komunikāciju un šifrēšanu piekļuves kontroles metodes
Viegli metode, lai nodrošinātu datus, ir nodrošināt uzglabāšanas platformu šo datu. However, pieteikums, kas nodrošina datu glabāšanas platformu bieži ir diezgan neaizsargāti paši. So, piekļuves metodes ir stingri šifrēta.
Pirmavots datu
No datu izcelsme ir ļoti svarīga ir tas ļauj datus klasificējot. Izcelsmi var precīzi uzzināt pareizu autentifikācija, apstiprināšanu un piekļuves kontroles piešķiršanai.
Graudains piekļuves kontrole
Spēcīgs autentifikācijas metode un Obligāta Access Control ir galvenā prasība, lai graudainu piekļuvi lielo datu uzglabāšanu, ko NoSQL datu bāzēm vai Hadoop Distributed File System.
graudains audits
Regulārs audits ir ļoti nepieciešams, kopā ar nepārtrauktu uzraudzību datu. Pareiza analīze dažādu baļķu radītas var būt ļoti izdevīga, un šo informāciju var izmantot, lai noteiktu visus uzbrukumiem un spiegošanu veidus.
Mērogojamību un privātums datu analītikas un ieguves
Big Datu analytics var būt ļoti problemātiska tādā nozīmē, ka neliela datu noplūdes vai platforma nepilnību var izraisīt lielu datu zudumu.
Nodrošinot dažādu veidu nav relāciju datu avotiem
NoSQL un citu šādu veidu datu veikalos ir daudz nepilnības, kas rada daudz drošības jautājumiem. Šīs nepilnības ietver trūkst iespēju šifrēt datus, kad tas tiek straumēta vai uzglabā, ar iezīmēšanu vai mežizstrādi datu laikā vai laikā, klasifikācijas dažādās grupās.
Secinājums
Kā katru uzlaboto koncepciju ir dažas nepilnības. Big dati ir arī dažas formā privātuma un drošības jautājumiem. Big dati var nodrošināt tikai tad, nodrošinot visi komponenti no tā. Kā lielie dati ir milzīga izmēra, daudzi spēcīgi risinājumi jāievieš, lai nodrošinātu katru daļu no iesaistīto infrastruktūras. Datu noliktavas ir jānostiprina, lai nodrošinātu, ka tajā nav noplūdes tajā. Also, reālā laika aizsardzību ir jābūt aktivizētam sākotnējo datu vākšanas laikā. Tas viss nodrošinās, ka patērētāja konfidencialitāte tiek saglabāta.
