“大數據”實際上包括收集的關於每個人的地球及其周圍環境對海量數據的. 此數據由各種組織收集, 企業和政府，以及. 生成的數據是非常巨大的，它預期甚至翻倍每兩年. 這意味著，如果在產生的總數據 2012 是 2500 艾字節, 然後在所產生的總數據 2020 將約 40,000 艾字節! 這樣的數據收集, 以各種方式用於改善客戶關懷服務. But, 產生的數據的大量正在演示數據的科學家很多新問題, 特別是關於隱私.
So, 雲安全聯盟, 一個非營利性組織，旨在促進安全的雲計算實踐, 環顧四周，找出主要的安全和隱私挑戰大數據的面孔.
如何產生這些問題?
只有海量的數據本身不屬於隱私和安全問題的原因. 數據的連續流, 大基於雲的數據存儲方法, 從一個雲存儲到另一個數據的大規模遷徙, 不同類型的數據格式和不同類型的來源都有自己的漏洞和問題.
大數據的收集並不是一個很新的東西, 因為它已經收集到了幾十年. 但, 主要的區別是，較早, 只有大型機構可以收集數據，其原因包括巨大的費用, 但現在幾乎每個企業都可以很容易地收集數據，並將其用於不同的目的. 便宜的新的基於雲的數據收集技術, 隨著強大的數據處理軟件框架Hadoop等, 都使他們能夠輕鬆地礦和處理大數據. As a result, 許多與安全影響的挑戰都帶著大數據和雲數據存儲的大規模集成.
當今的安全應用設計用於固定小的數據量中等, 從而, 他們不能保護這些海量數據. Also, 它們根據靜態數據設計, 因此它們不能既處理動態數據. 一個標準的異常檢測的搜索將不能夠有效地覆蓋所有的數據. Also, 連續數據流需要安全的所有時間，而流.
十個最大的大數據的安全性和私密性挑戰
為了使十大大數據安全和隱私的挑戰列表, CSA的 (雲安全聯盟) 大數據研究工作組發現了這些挑戰.
保護事務日誌和數據
經常, 事務日誌，並存儲在存儲介質中的其他這樣的敏感數據具有多層. 但是，這是不夠. 該公司也有，以防止未經授權的訪問這些存儲，也必須確保他們隨時可用.
保護計算等工序分佈式框架完成
這實際上指的是一個分佈式框架的像的Hadoop MapReduce的函數的計算和處理單元的安全. 兩個主要的問題是“映射器”打破了數據下來，數據消毒功能的安全性.
驗證和結束點輸入濾波
端點是任何大數據採集的重要組成部分. 它們提供了用於存儲輸入數據, 加工等重要作品. So, 有必要確保只有真實端點是在使用中. 每個網絡應該從惡意端點免費.
提供了實時的安全性和監測數據
所有的安全檢查和監控應發生在實時最好是, 或至少在近實時. 不幸, 大部分傳統平台是無法做到這一點，由於產生的大量數據.
安全的訪問控制方法的通信和加密
一種簡單的方法來保護數據是確保該數據的存儲平台. 但, 這就保證了數據存儲平台上的應用往往是會很脆弱自己. So, 接入方法需要被高度加密.
數據的出處
數據的來源是非常重要的是它允許數據進行分類. 來源可以通過適當的身份驗證準確地發現, 驗證和通過授予訪問控制.
細粒度訪問控制
一個強大的身份驗證方法，強制訪問控制是由NoSQL數據庫或Hadoop分佈式文件系統的大數據存儲的細粒度訪問的主要要求.
粒狀審核
定期審計也是非常必要的連續監測數據一起. 的各種創建的日誌的正確分析是非常有利的，並且可以使用該信息來檢測所有類型的攻擊和間諜.
可擴展性和數據分析和採礦隱私
大數據分析可以在這個意義上很成問題，一個小的數據洩露或平台的漏洞可能會導致數據的一大損失.
保護不同種類的非關係型數據源
NoSQL的等這樣的數據存儲類型有哪些創造出很多的安全問題很多漏洞. 這些漏洞包括缺乏加密數據的能力，當它被流或存儲, 該標記或數據記錄過程中的分類分成不同的小組，或在.
結論
由於每個先進理念有一些漏洞. 大數據也有一定的隱私和安全問題的形式. 大的數據只能通過確保所有的它的組件被固定. 由於大數據是體積龐大, 許多強大的解決方案必須以確保所涉及的基礎設施的每一個部分被引入. 數據存儲器必須確保用於確保不會有在它的任何洩漏. Also, 實時保護必須數據的初始集合期間啟用. 所有這一切將確保消費者的隱私被保持.
