大数据背景下的数据安全分析

◆田波

大数据背景下的数据安全分析

◆田波

（中国电信股份有限公司云南分公司 云南 650000）

随着现代科学技术快速发展进步，互联网迅速普及，导致互联网内产生大量数据，这些数据与人们日常生活和经济建设息息相关，彼此之间相互影响，相互关联，进而构成了大数据时代。受到大数据数量庞大、种类繁多等特点影响，通过对大数据进行处理，能够为我们生产生活带来诸多裨益，极大地促进了社会发展建设。但是在这一过程中，也存在着数据安全问题，其带来的诸多安全隐患需要我们加以重视。本文将对大数据背景下的数据安全进行分析，在帮助大家更好理解大数据基本情况的前提下，分析目前所存在的几类常见安全问题，并以此为基础，讨论大数据背景下数据安全保障策略，希望能够为我国大数据技术使用和发展带来一些有价值的经验参考。

大数据；时代背景；数据安全；技术特点；问题表现；保障策略

在大数据背景下，会衍生出诸多数据结构体系以及技术发展框架，这极大地促进了现代文明发展变化，相关的计算机技术、互联网技术、大数据存储技术都获得了迅猛发展，但是在这一背景下，各类数据所存在的安全问题也时刻牵引着世界各地无数人的视线，国家要求在使用大数据过程中引入数据安全理念，希望能够在正确理念指导下，促进全社会提高对于大数据安全保障工作的重视。世界各地也在积极探索信息安全、数据安全等相关技术，既要保障大数据时代进一步发展，也要维护大数据技术使用的安全，实现技术使用可持续。本文将在这一背景下对大数据相关的数据安全问题进行分析，可以看出这一课题对于现代社会发展而言将有着重大意义。

1 大数据相关情况分析

1.1 大数据概念

从微观角度而言，大数据是一种IT用语，对于社会发展来说，大数据主要是需要利用现代化数据处理手段和模式对大数据中的价值进行挖掘和分析，进而提高决策力的科学性和合理性。在进行处理的过程中，需要具备优秀的洞察力，以优化的流程来对庞大的数据内容进行高效、快速的处理分析，是一项重要的信息资产。大数据是一种超大规模的数据集合，能够实现集成化的收集、存储、管理和分析，相较于传统数据库，大数据所需要使用的各类工具设备更加现代化。大数据具有明显的战略意义，不仅是指庞大的数据信息库，更是指对各类数据信息进行有针对性的、专业化的技术处置，进而提高数据信息收集和使用价值[1]。

1.2 大数据特点

（1）数量庞大

在大数据时代背景下，各个移动终端设备和互联网设备会通过网络形成连接，既会成为数据生产者，也会成为数据使用者，进而就会导致数据随着人类生产生活而持续增加，大数据最为显著的特点便是数量庞大，并且随着人类科学技术不断发展，大数据增长态势会呈现出指数级增长，将远远超出人们想象。

（2）工作高效

为了提高大数据使用和处理效率，相关数据计算技术也在快速发展，现在已经形成较为成熟的云计算技术，全面实现了对于大数据的高速运算和储存功能，并形成了先进的，以分布式为结构的运行模式，全面提高了数据访问效率和传送效率，使大数据内各个应用程序都能够得到不断研发，全面提高了大数据运算效率，带来高效的工作水平。在未来，各类引擎技术、可视化技术、数据挖掘技术也将得到进一步发展进步，使人们工作愈加高效，也能够使数据提取和解析变得更加高效[2]。

（3）价值密度低

在大数据背景下，大数据已经成为一种产业，其生产和创新最根本目标是要为人类社会发展创造源源不断的价值，而这也是大数据在现今时代发展环境下，需求量愈加旺盛的根本原因。但是另一方面我们也要看到大数据其庞大的数据体系下，也意味着价值密度较低，许多大数据内信息资源冗杂，并不具备优秀的使用价值，所以对于大数据的利用，必须强化统计水平和处理能力，能够高效甄别大数据中的价值内容，提高大数据使用效率。

2 大数据背景下的数据安全问题

通过对大数据基本情况进行分析，我们可以看出大数据已经成为国家、社会和个人发展的重要资源，大数据规模不断增加，必然导致数据内安全问题逐渐凸显，通过对大数据特点进行分析，大数据背景下的数据安全问题主要包括以下几方面。

（1）网络普及下的数据安全问题

大数据庞大数据规模需要互联网采取分布式数据储存模式才能够促进大数据的标准化储存，使得各类数据形成某种特定联系共同形成统一视图结构完成功能使用。大数据存储方式和存储保护手段将直接影响到大数据内的数据安全情况，但是由于安全保障技术发展有一定的滞后性，进而就会导致大数据数量快速增加的过程中存在着诸多安全漏洞，为不法分子留下了可以攻击的机会，带来严重的安全隐患。在大数据背景下，客户群体复杂而且使用诉求不同，因此系统很难及时发现不合法情况，许多攻击性行为都无法通过实时性监测进行主动筛选，进而为大数据背景下的数据安全带来了严重的隐患[3]。

（2）非结构化的数据复杂性问题

在大数据背景下，数据类型纷繁复杂，异常丰富，不同的数据结构已经成为大数据重要组成部分，甚至成为主体。非结构化数据内容存储在大数据体系内，虽然能够带来大数据高适用性和可拓展性的优势，但是也为大数据中的数据安全问题带来诸多隐患，大数据存储可以实现不同的方案，但是对于非结构化数据存储而言，由于仍然处于发展中阶段，进而导致存在着一些弊端，相关存储技术不够完善，许多漏洞急需解决，安全代码有待进一步加强构建。与此同时，服务器内的软件设备也需要加强安全配置，进而导致在非结构化数据影响下，数据安全会受到一定的影响[4]。

3 大数据背景下的数据安全保障策略

（1）建立可靠的数据存储保障体系，对数据进行结构化管理

在我国，大数据的使用无论是存储和处理上都是以服务的形式，为社会各界的人群提供功能上的应用满足。大数据主要使用的是虚拟存储技术来实现对于庞大数据资源的存储和处理功能，具体而言，对于大数据信息资源的安全存储所需要完成的工作流程包括：数据信息资源的传递、重要数据信息的隔离以及相关数据的恢复和完善等。另外需要注意的是，由于在大数据环境下数据信息会呈现出几何倍数的快速累加，结构会变得更加复杂，所以在进行体系建设时，需要根据数据形式建立起不同的信息结构，一般可分为①结构化信息；②非结构化信息[5]。对于①进行管理主要是按照特点格式对信息进行整理，需要在组织内部中建立起核心系统，以此实现管理目的；对于②进行管理，主要是针对处于组织核心外部时常会被忽视的数字信息进行管理，一般包括互不兼容的非结构数字信息以及传统物理形式记录的信息，如书面文字信息等。数据进行结构化管理能够有效提高大数据安全性能，也能够更好的挖掘数据背后价值，对数据进行结构化管理可以采取的策略可以参考下图。

图1 结构化和非结构化数据分布示意图

图2 大数据结构化管理示意图

图3 大数据非结构化管理示意图

（2）建立安全的数据应用开发体系，积极利用安全加固网络层端点数据

大数据在使用过程中重点采取的安全保障措施需要建立起信用等级的安全策略来提高保障工作的针对性。对于大数据的使用，首先需要重点防止持续性的数据攻击，所以需要加强实时监测能力；其次，可以通过对用户访问行为进行控制的方式来提高大数据安全保障力度。对于不同的数据可以设置出不同级别的加密手段，用户在进行访问时需要根据自身权限来进行操作，超过权限的行为无法得到授权。另外，可以将OSI参考模型技术进行引入，建立起第三层的网络层结构，加强网络层数据辨别结构化、智能化的建设，并以此为出发点加强系统内部对于本地系统的监察控制[6]。以此将形成更为全面、先进的保护网络，能够以更为主动的方式杜绝非常态化的数据入侵，逐渐建立起的网络层结构将会成为未来大数据安全保障的重要壁垒。

图4 OSI参考模型示意图

（3）完善数据管理处置体系，建立异构数据库安全系统

在大数据背景下，确保数据安全的可靠性，需要建立起完整的数据管理体系，数据的开发和处置都需要在可靠的数据管理体系下进行操作，这样就能够使各类新开发出的数据技术都能够在规范制度要求下合理合法操作。随着技术的快速发展，在进行数据管理处置体系构建时，也需要建立异构数据库安全系统来提高安全保障质量[7-8]。传统的数据库安全管理只是侧重于对个人账户、目标数据库进行操作许可的授权，而利用异构数据库安全系统建设技术，可以通过计算机系统结构、操作系统结构、数据库管理三方面的内容进行新的系统结构建设，最显著的特点是具备开放性的功能，可以应对更为复杂的网络安全风险，让每一个点位的服务器都能够在各自自治的状态下落实集中安全管理和访问监管，进行全局范围的身份验证、处理局部访问行为、加强完整性数据安全控制等。另外需要注意的是，异构数据库安全系统的建设在审计技术应用上需要进一步加强，重点关注安全性保障，比如自动的应用系统和对象管理上都需要加强审计方面的系统安全保障能力，开发者需要结合目标任务以及对象的个性化需求，对不同标准的安全性进行定义，根据定义内容，数据库管员才有可能实现通过系统应用对目标数据进行准确授权与权利回收。

图5 异构数据库安全系统示意图

总而言之，人类文明已经进入到大数据时代，我们必须积极应对大数据时代下所存在的各类安全问题，而这其中最为重要的便是数据安全问题，它将直接影响到大数据技术使用的可持续性和人类文明发展建设的健康性。为了提高大数据使用质量和健康程度，我们必须着眼于大数据时代发展下所存在的各类数据安全问题，不断提出有针对性的数据保护措施，既要确保大数据能够发挥出最大使用价值，也要实现大数据使用的安全和可靠。

[1]周德云. 探究大数据背景下的网络安全与情报分析工作[J]. 网络安全技术与应用，2019，228（12）：85-87.

[2]张一名. 大数据背景下云数据安全存储技术研究[J]. 信息记录材料，2019，020（009）：195-196.

[3]邓志龙. 云计算背景下的数据安全研究——评《云存储安全：大数据分析与计算的基石》[J]. 中国安全科学学报， 2020，30（09）：218-218.

[4]钟寒，王斌君. 大数据背景下的公安院校信息安全课程教学改革初探[J]. 当代教育实践与教学研究，2020（09）：49-50.

[5]曹杰. 云计算背景下的大数据存储安全技术研究[J]. 信息系统工程，2020，313（01）：53-54.

[6]刘丹丹. 大数据云计算背景下的数据安全探究[J]. 信息周刊，2019，000（051）：1-1.

[7]王家耀. 大数据时代背景下信息安全技术探究[J]. 中国科技纵横，2018（021）：49-50.

[8]洪家幸. 大数据背景下计算机网络安全问题与防范措施分析[J]. 数码世界，2019（10）.