新闻动态大文件传输

新闻动态>大数据传输安全技术发展状况

大数据传输安全技术发展状况

2021-02-04大数据传输

面对与大数据传输安全性相关的上述挑战和威胁，行业已针对安全保护技术进行了针对性的实践和调查。本文着眼于大数据安全技术发展的三个方面：平台安全，数据安全和隐私保护。

大数据传输安全技术发展状况

商业大数据平台解决方案已经具有相对完善的安全机制。通用商业安全组件可以为已建立的大数据平台提供额外的安全层。

数据安全监视所必需的敏感数据识别技术正在逐步实现自动化。反违反技术的发展相对成熟，正在走向智能化，结构化数据库安全保护技术已基本成熟，但非结构化数据库安全保护迫切需要加强。

个人隐私保护技术

在大数据环境中，数据安全技术为保护机密性，完整性和可用性提供了基础。在此基础上的隐私保护可确保个人私人信息不会泄露或暴露给外界。当前，使用最广泛的方法是数据脱敏，学术界已经提出了同态加密，安全的多方计算以及其他用于保护隐私的加密算法，尽管这些方法尚未广泛使用。

数据脱敏技术已经成熟，并且是目前使用最广泛的隐私保护技术

数据脱敏是指通过脱敏规则修改数据中的某些敏感信息，以实现对个人数据的隐私保护。它是使用最广泛的隐私保护技术。

当前的脱敏技术通常可以分为三种类型。

第一种低级别的加密方法是一种完全删除功能属性的标准加密算法。这种类型的算法成本高昂，适用于需要高度机密性且无需维护功能属性的情况。

第二种是数据失真技术，主要使用随机干扰或增加混乱。这是一种不可逆的算法，可以创建“看起来真实的伪数据”。它适用于组信息统计和/或必须保留功能属性的情况。

第三种是可逆替换算法，它既可逆又可维护功能属性。可以通过位置更改，表映射，算法映射和其他技术来实现。表映射方法相对易于使用，可以解决保留功能属性的问题，但是随着数据集的增大，映射表也随之增大，并且使用受到限制。该算法映射方法不需要使用映射表，并且可以通过自行设计的算法（自主设计的算法）实现数据转换。这类算法基于自我设计的基本密码学概念，通常的方法是在公共算法的基础上添加某些更改。该方法适用于需要保持功能属性和/或可逆性的情况。当数据使用系统选择脱敏算法时，可用性和隐私保护之间的平衡是关键，同时还要考虑系统运行成本和满足系统功能要求，同时坚持最小化原则以最大程度地保护用户隐私。

匿名算法将成为解决隐私保护问题的有效方法

数据匿名化算法可以根据特定情况有条件地产生部分数据或数据的部分属性，包括差分隐私，匿名性，多样性，紧密度等。匿名化算法要解决的问题包括：隐私和可用性之间的平衡，性能效率，度量和评估标准，动态重新发布的数据的匿名化，多维约束下的匿名性等。匿名化算法由于能够保护用户的敏感数据免遭泄露而受到了大数据传输安全的广泛关注。发布数据环境，同时还确保发布数据的真实性。当前，匿名化算法仍然面临许多亟待解决的挑战。算法的成熟度和扩散仍然受到限制。与匿名相关的算法是当今数据安全研究中最热门的主题之一。他们已经取得了丰富的研究成果，并已投入实际应用，并且未来的匿名化算法将在隐私保护中看到越来越多的应用。

大数据安全技术发展现状

与平台安全性，数据安全性和隐私保护有关的技术正在改进，但是，为了应对网络攻击的新方法，保护新的数据应用程序并满足增加的隐私保护的要求，将需要更高的标准和功能。

在平台技术方面，集中式安全配置管理和安全机制部署基本可以满足当前平台的安全需求。但是，针对大数据平台的漏洞扫描和攻击监控技术相对较弱。

在防御平台免受网络攻击的技术方面，当前的大数据平台仍使用传统的网络安全措施防御攻击。这对于大数据环境是不够的，在大数据环境中，扩展性的防御边界很容易受到掩盖入侵的攻击方法的攻击。此外，业界对潜在的攻击方法可能来自大数据平台本身的关注也很少。一旦出现新的漏洞，攻击的范围将是巨大的。

在数据安全性方面，数据安全监视和防破坏技术相对成熟，但是数据共享安全性，非结构化数据库安全性保护和数据违规可追溯性技术都需要改进。当前，存在针对数据泄露的技术解决方案：技术可以自动识别敏感数据以防止泄漏；人工智能和机器学习的引入使违规预防朝着智能方向发展；数据库保护技术的发展也为防止数据泄露提供了有力的保证。密文计算技术和数据泄漏跟踪技术尚未发展到可以满足实际应用需求的程度，并且仍然很难解决数据处理的机密性保证问题以及与跟踪数据流有关的问题。具体来说，密文计算技术还处于理论阶段，计算效率不符合实际应用要求。

数字水印技术不能满足大规模和快速更新的大数据应用的需求；数据沿袭跟踪技术需要进一步的应用测试，并且尚未达到工业应用的成熟阶段。数字水印技术不能满足大规模和快速更新的大数据应用的需求；数据沿袭跟踪技术需要进一步的应用测试，并且尚未达到工业应用的成熟阶段。数字水印技术不能满足大规模和快速更新的大数据应用的需求；数据沿袭跟踪技术需要进一步的应用测试，并且尚未达到工业应用的成熟阶段。

在隐私保护方面，技术的发展显然不能满足对隐私保护的紧迫需求。对个人信息的保护要求建立基于法律，技术和经济方法的担保体系。当前，数据脱敏技术的广泛使用对多源数据聚合提出了挑战，并可能导致失败。

到目前为止，诸如匿名化算法之类的新兴技术几乎没有实际的应用案例研究，并且该技术还存在其他普遍问题，例如计算效率低和开销高。在计算方面，需要进行持续改进，以满足在大数据环境中满足保护隐私的要求。正如刚才提到的，大数据应用程序与个人信息保护之间的冲突不仅是技术问题。在没有技术障碍的情况下，隐私保护仍然需要立法，强有力的执法和法规来收集大数据应用程序的个人信息。建立一个包含政府监督，企业责任，社会监督和网民自律等多个组成部分的个人信息保护系统。