引言
随着互联网、物联网、云计算等技术的快速发展，全球数据量出现爆炸式增长；根据IDC研究的“大数据摩尔定律”表明，人类社会产生的数据一直在以每年50%的速度增长，也就是说，每两年就增加一倍。在大数据不断向各个行业渗透、深刻影响国家的政治、经济、民生和国防的同时，其安全问题也将对个人隐私、社会稳定和国家安全带来巨大的潜在威胁与挑战。
政务信息化的推进，公安、电信、金融、互联网等行业的平台升级，加速推进大数据安全和隐私保护需求。为了应对这些需求，我国也开始对在全国网络安全执行大检查行动中，首次开展针对大数据安全的整治工作，具体包括大数据的采集、传输、存储、处理、交换、销毁等全生命周期的监控与保护。
大数据平台下的信息安全问题
随着各种P2P和校园贷等造成的大学生诈骗导致死亡的案件不断发生，不少人开始问这样一个问题，我们的信息是如何被犯罪份子得到的，是黑客入侵了公民信息数据库还是内部有人将信息泄露？具体是什么，我们不得而知，因为什么都有可能。我们已经进入了大数据时代，我们的很多信息都被通过各种途径传播出去，这就必然导致安全问题的产生。那么，我们靠什么来保障我们的数据安全呢?难道我们只能看着个人的数据和隐私到处泄露吗?
伴随着接入互联网的设备越多，网络攻击的发生几率就越高，网络攻击首先瞄准大数据，攻击造成大数据丢失、情报泄密和破坏网络安全运行。大数据技术是一把双刃剑，既可以造福社会、造福人民，又可以被一些人用来损害社会公共利益和民众利益。可见构建一套大数据的信息安全体系势在必行。
在互联网乃至物联网时代，如果我们不能很好地解决安全问题，就会影响社会各方面的发展。因此，各级政府在鼓励发展大数据的同时，要同步考虑构建大数据安全体系。值得注意的是，传统的网络安全思路已经无法保障大数据时代的安全。传统网络安全的防护思路是划分边界，将内网、外网分开，业务内网和公共外网分离，用终端设备将潜在风险隔离。通过在每个边界设立网关设备和网络流量设备，来守住“边界”，以期解决安全问题。但随着移动互联网、云服务的出现，移动终端在4G信号、Wi-Fi信号、电缆之间穿梭，网络边界实际上已经消亡。
很多传统的大企业认为，只要自己购买服务器并搭建独立的机房，安排专门的技术人员就能够保护企业的数据不被泄露，能够保护企业的信息安全。但实际上，在如今的互联网时代，这种传统的方法更加容易被不法分子所攻破。因为从技术实力来看，绝大部分企业并不是专门做网络安全、数据安全，其设置的技术壁垒难以阻挡专业的黑客。
大数据时代信息的安全分类
大数据涉及到的内容比较广泛，信息安全问题可以从这5个维度去考虑，管理安全、平台安全、数据安全、运维安全、业务安全。具体如下：
1、管理安全：指大数据的安全管理方面的要求，包括管理制度、机构和人员管理、系统建设管理、运维管理等内容及配套管理流程。安全防护离不开管理与技术协同，国家、政府、行业自上而下应该有安全管理制度和管理流程，指导具体安全工作的开展和实施。
2、平台安全：指平台主机、系统、组件自身的安全和身份鉴别、访问控制、接口安全、多租户管理等安全问题，是对大数据平台传输、存储、运算等资源的安全防护要求。
3、数据安全：数据属于一种资产，有6个生命周期阶段：采集、传输、存储、处理、交换、销毁；数据安全要保障数据在任何阶段下都是安全的。围绕数据全生命周期考虑数据安全问题，例如：数据采集阶段的分类分级、清洗比对、质量监控；数据传输阶段的安全管理；数据存储阶段的安全存储、访问控制、数据副本、数据归档、数据时效性；数据处理和交换阶段的分布式处理安全、数据加密、数据脱敏、数据溯源；数据交换阶段的数据导入导出、共享、发布、交换监控；数据销毁阶段的介质使用管理、数据销毁、介质销毁等安全问题。
4、运维安全：运维人员的权限相对较大，运维人员直接对数据库进行操作，涉及的数据量非常大，数据的安全难以保障。例如：内部人员的误操作导致数据丢失或不可用，蓄谋恶意行为导致数据泄露。
5、业务安全：业务安全跟业务强相关，跟应用场景和业务流量特征有关，一般的防护手段很难发现，涉及到业务学习和行为分析。例如：缓慢少量攻击、共谋、在噪音中隐身、持续渗漏尝试、长期潜伏者等。
大数据安全面临的挑战
大数据安全与传统数据安全相比，存在一些差异，大数据环境的特点是分布式、组件多、接口多、类型多、数据量大，这些特性给大数据安全引入了技术难点。主流开源大数据组件二十多款，还有大量第三方封装的组件，不同组件使用的交互接口不同，安全产品面对这么多组件接口，在监控、防护、溯源的方案设计和技术实现上都有难度。
大数据平台要存储和处理的数据量庞大，IDC预计，到2020年全球数据总量将超过40ZB，面对持续膨胀的数据量，安全产品不仅要提高单机产品的处理性能，还要考虑产品扩容和延展性。
大数据平台要存储和处理的数据类型众多，结构化数据、半结构化数据、非结构化数据。要对非结构化数据做识别、分类分级和脱敏处理，有一定技术难度。
大数据时代信息安全的法规标准及防护方案
（1）大数据安全法规标准
大数据时代是万物互联的时代，数据在共享中体现价值，因此，国内外法律法规也终将完善大数据安全领域的防护和技术要求，助力大数据安全建设。我们国家、政府、各行业相继出台大数据平台安全和数据安全相关的国标、行标、企标、地标，推动大数据产业的良性发展。《中华人民共和国网络安全法》、《中华人民共和国计算机信息系统安全保护条例》、《等保2.0》、《个人信息安全规范》、《GDPR》、《电信网与互联网大数据平台安全防护技术要求》等。通过这些法规和标准的出台实现了两个全覆盖：一是覆盖各地区、各单位、各部门、各企业、各机构，也就是覆盖全社会；二是覆盖所有保护对象，如网络、信息系统、云平台、物联网、工控系统、大数据、移动互联等各类技术应用，无一例外都要落实信息安全制度中，这两个全覆盖是它的核心，是重中之重。
（2）大数据安全防护方案
数据共享是必然需求，大数据安全的防护目标要在保障业务正常的前提下，以合理成本，保护大数据平台下数据的安全。业务需求与风险并存，防护要在业务需求与风险之间寻求平衡，对不同价值和属性的数据，在不同业务需求下，实施不同级别的防护措施，控制防护成本。大数据安全防护方案可按层次考虑，平台安全、数据安全、运维安全、业务安全，层层深入，逐步提升安全性。
1、平台安全：数据的存储和流转依托大数据平台和各业务系统，平台自身安全是第一步，通过平台各组件与系统的漏洞扫描管理、规范化的基线核查管理、平台态势感知，确保大数据平台的安全运行。
2、数据安全：关注数据的安全存储，数据梳理，掌握数据全景图，让数据风险可量化；关注数据在处理、交换、使用时安全，身份认证、访问控制、数据加密、数据脱敏，防止非法或越权访问数据，对数据访问进行管控、数据审计。
3、运维安全：收敛大数据平台的数据访问途径，对运维人员访问大数据平台的操作行为进行操作管控、操作审计。
4、业务安全：机器学习建模，对敏感数据的访问行为和敏感业务进行机器学习，对用户行为进行分析，感知和预测业务安全风险。
未来展望
大数据覆盖了自然人、法人、企业、政府机构等，同时和医疗、教育、民生服务等各个部门相关；因此，解决了大数据的政务相关信息安全问题，就能有效解决其他行业大数据安全问题，有力支撑国家治理体系和治理能力现代化目标的实现。从实施层面来看，国家将统一标准规范，避免行业交流繁杂、数据所有权混乱、开发成本高等一系列问题。统一的数据管理平台，统一的数据存储，统一的数据标准，进行统一的数据资产管理，统一进行授权管理，这是未来大数据发展的一个方向。
