大数据安全及隐私.ppt

大数据安全及隐私重点与难点内容提纲5.1大数据安全信息安全的模型信息安全威胁：宏观地分为人为威胁和自然威胁
人为威胁：对信息的人为攻击，主要来自用户（恶意的或无恶意的）和恶意软件的非法侵入。
自然威胁：可能来自于自然灾害、恶劣的场地环境、电磁辐射和电磁干扰、网络设备自然老化等。信息的安全性（安全属性）
机密性：是指信息不泄露给非授权实体并供其利用的特性。
完整性：是指信息不能被未经授权的实体改变的特性。
不可否认性：是指通信双方信息真实同一的安全属性，收发双方均不可否认。
可控性：是指授权实体可以对信息及信息系统实施安全监控，控制信息系统和信息使用的特性。
可用性：指信息能够被授权实体访问并按要求使用，信息系统能以人们所接受的质量水平持续运行，为人们提供有效的信息服务的特性。
安全服务
鉴别服务：提供对通信中对等实体和数据来源的鉴别。
访问控制服务：对资源提供保护，以对抗其非授权使用和操作。
机密性服务：保护信息不被泄露或暴露给非授权的实体。
完整性服务：对数据提供保护，以对抗未授权的改变、删除或替代
抗抵赖服务：防止参与某次通信交换的任何一方事后否认本次通信或通信内容。安全机制
加密机制：为数据提供机密性，也为通信业务流信息提供机密性。
数字签名机制：证实消息的真实来源和抗抵赖。
访问控制机制：对资源访问或操作加以限制的策略。
完整性机制：保护数据以避免未授权的数据乱序、丢失、重放、插入和篡改。
鉴别交换机制：通过密码、密码技术、实体特征或占有物提供对等实体的鉴别。
通信业务填充机制：提供通信业务流机密性，对抗通信业务分析。
路由选择控制机制：使路由能动态地或预定地选取，以便通信只在具有适当保护级别的路由上传输。
公正机制：公正人为通信双方所信任，并掌握必要信息以一种可证实方式提供所需的保证。
数据安全：是一种主动的包含措施，包括数据本身的安全和数据防护的安全。
数据本身的安全，主要是指采用现代密码算法对数据进行主动保护，如数据保密、数据完整性、双向强身份认证等；
数据防护的安全，主要是采用现代信息存储手段对数据进行主动防护，如通过磁盘阵列、数据备份、异地容灾等手段保证数据的安全。
大数据安全内涵：应该包括两个层面的含义：
保障大数据安全，是指保障大数据计算过程、数据形态、应用价值的处理技术；
大数据用于安全，利用大数据技术提升信息系统安全效能和能力的方法，涉及如何解决信息系统安全问题。
行业大数据安全威胁
大数据基础设施具有虚拟化和分布式特点，容易受到非授权访问、信息泄露或丢失、破坏数据完整性、拒绝服务攻击、网络病毒传播；
大数据应用的生命周期中，数据存储是一个关键环节，尤其是非关系数据库带来如下安全挑战：模式成熟度不够、系统成熟度不够、服务器软件没有内置的足够的安全机制、数据冗余和分散性问题。
网络安全是大数据安全防护的重要内容，安全问题随着网络节点数量的增加呈指数级上升；安全数据规模巨大，安全事件难以发现；安全的整体状况无法描述；安全态势难以感知，等等。
网络化社会使大数据易成为攻击目标：在网络化社会中，信息的价值要超过基础设施的价值；大数据蕴涵着人与人之间的关系和联系，使得黑客成功攻击一次就能获得更多数据。
大数据滥用的风险：一方面，大数据本身的安全防护存在漏洞，安全控制力度不够。另一方面攻击者利用大数据技术进行攻击，最大限度地收集更多用户敏感信息。
大数据误用风险：大数据的准确性和数据质量不高，对其进行分析和使用可能产生无效的结果，从而导致错误的决策。传统数据安全的不足
传统数据安全往往是围绕数据生命周期来部署，即数据的产生、存储、使用和销毁。由于大数据的规模没有上限，且许多数据的生命周期极为短暂，因此，常规安全产品想要继续发挥作用，则需要解决如何根据数据存储和处理的动态化、并行化特征，动态跟踪数据边界，管理对数据的操作行为等。
随着大数据应用越来越多，数据的拥有者和管理者相分离，原来的数据生命周期逐渐转变成数据的产生、传输、存储和使用。数据以外包形式存储在云端。保障大数据安全
围绕大数据全生命周期，即数据的产生、采集、传输、存储、处理、分析、发布、展示和应用、产生新数据等阶段进行安全防护。
大数据保障技术可以从物理安全、系统安全、网络安全、存储安全、访问安全、审计安全、运营安全等角度进行考虑。
保障大数据安全的目标：最大程度地保护具有流动性和开放性特征的大数据自身安全，防止数据泄露、越权访问、数据篡改、数据丢失、密钥泄露、侵犯用户隐私等问题的发生。
对大数据全生命周期阶段合并与精简，大数据应用过程可划分为4个环节：采集、存储、挖掘和发布。1、采集环节安全技术
安全威胁：数据损坏、丢失、泄露、窃取。
安全机制：
身份认证
数据加密
完整性保护
抗重放攻击
端到端的数据安全传输：采用SSLVPN（安全套接层，虚拟专用