大数据安全白皮书（2018年）_37页_3mb

大数据安全白皮书（2018年）总结

核心内容

本报告由中国信息通信研究院安全研究所发布，旨在深入分析大数据安全的内涵、挑战及技术发展现状，并提出未来发展方向与建议。报告指出，大数据在推动产业转型、提升国家治理能力等方面具有重要作用，但同时也带来了前所未有的安全风险。大数据安全不仅涉及技术层面，还涵盖法律、经济、监管等多维度，是国家安全、产业安全和个人权益保护的重要组成部分。

主要观点

1. 大数据安全的综合性
   大数据安全是技术、法律、监管和社会治理的综合问题，需从“大安全”视角出发，构建多角度全方位的安全保障体系。

2. 大数据安全的新挑战
   随着大数据技术的发展，其在平台安全、数据安全和个人隐私保护方面面临新的安全威胁，如数据泄露、分析结果被操纵、隐私信息被复原等。

3. 技术体系的分层结构
   大数据安全技术体系分为三个层次：平台安全、数据安全和个人隐私保护，各层次具有不同的安全目标和实现方式。

关键信息

一、大数据平台安全

• 安全需求：保障平台传输、存储、运算等资源的安全，包括接口鉴权、通道加密、数据访问控制、安全审计和密钥管理。
• 当前技术：
  • Hadoop开源社区提供了身份认证、访问控制、加密等基本安全功能。
  • 商业化平台（如CDH、HDP、FusionInsight）通过集中安全管理、多因素认证、细粒度访问控制等技术增强平台安全性。
• 挑战：
  • Hadoop缺乏整体安全规划，认证机制依赖Kerberos，存在性能瓶颈。
  • 传统安全机制难以应对新型网络攻击，如高级持续性威胁（APT）和大规模DDoS攻击。
  • 密钥管理复杂，缺乏统一的密钥分发机制。

二、数据安全

• 安全需求：保障数据在采集、存储、处理、共享、销毁等过程中的机密性、完整性和可用性。
• 当前技术：
  • 敏感数据识别技术逐步实现自动化，采用关键字匹配、机器学习等手段。
  • 数据防泄露技术发展成熟，向智能化方向演进，结合自然语言处理、机器学习等技术。
  • 结构化数据库安全防护技术基本成熟，非结构化数据库防护仍需加强。
  • 密文计算技术（如同态加密、安全多方计算）为数据机密性提供新思路，但尚未成熟。
• 挑战：
  • 数据流动路径复杂，追踪溯源困难。
  • 非结构化数据的加密和访问控制机制尚不完善。

三、个人隐私保护

• 安全需求：保障用户在数据处理、流转过程中的隐私权和自决权。
• 当前技术：
  • 数据脱敏技术应用广泛，分为加密、失真和置换三类。
  • 匿名化算法（如差分隐私、K匿名）成为隐私保护研究热点，但面临效率、标准和可逆性等问题。
• 挑战：
  • 传统隐私保护技术难以应对多源数据关联分析带来的隐私泄露风险。
  • 隐私保护技术尚处于理论研究阶段，产业化应用不足。

未来发展建议

1. 构建综合防御体系
   从总体安全观出发，建立覆盖数据全生命周期的综合防御体系，包括数据采集、传输、存储、处理、共享、销毁等环节。

2. 强化平台安全保护
   加强平台安全机制建设，提升对新型攻击手段的防御能力，推动平台安全技术从被动防御向主动检测转变。

3. 完善数据安全技术体系
   以关键环节和核心技术为突破点，推动密文计算、数据溯源等技术的研究和应用，提高数据安全防护能力。

4. 加强隐私保护核心技术产业化投入
   促进同态加密、安全多方计算、匿名化等隐私保护技术的工程化和产业化，兼顾数据利用与隐私保护的双重需求。

5. 重视安全评测技术发展
   构建第三方安全检测评估体系，推动大数据安全技术的标准化和规范化。

总结

大数据安全是当前信息化发展的关键议题，其技术体系需从平台安全、数据安全和个人隐私保护三方面构建。尽管当前已有一定进展，但在应对新型攻击、数据流动安全、隐私保护等方面仍存在明显短板。未来应加强技术研究、推动产业应用、完善法律监管，实现大数据安全与发展的协同推进。