“大数据”这个名词在信息时代不断被提起，关于它的争议也层出不穷。随着信息技术和网络技术的不断发展，数据的总量将会不断增大，大数据的挑战是在所难免的;而就理论和研究层面而言，庞大的数据量也给了人们更精确的分析和预测，从而可以为社会的发展提供更多的帮助。但是不管是何种层面，对于大数据的挑战还是充满了担心的，如何克服这种对于未知的恐惧，如何保护数据本身的安全？

应对大数据的挑战必须注意的几点

1、大数据不仅仅只是大量的数据

从某种意义上说，当一家企业开始收集和存储大量的数据信息时，其就已然成为了一个相当显眼的黑客攻击目标。但更广泛地说，对那些收集了大量有价值的非结构化数据信息的企业而言，其数据信息可能并不存在任何根本性的新威胁。

罗伯特麦加维引用Brainloop公司全球营销副总裁David Topping的话说：“ 对于黑客攻击而言，那些PB级存储的大数据信息是安全的，因为这些数据的量对于黑客而言根本就太大了。也许除了那些资金雄厚的赞助商之外，一般的黑客都缺乏相关的分析工具来从如此庞大的数据量中提取有意义的信息。换句话说，企业也和这些黑客一样，面临同样严峻而显著的问题：如何从他们所收集的庞大数据中提取有价值的东西出来。因此，对于个别大型数据存储库而言，考虑增加任何超出其它类型数据库的安全性措施并无太大的实施意义，尤其是考虑到这些黑客相对于各大机构的能力往往是有限的。”

2、环境和细粒度的安全

但仅仅只是因为这些数据是非结构化的或更难进行筛选分析，并不意味着大数据必然是更安全。如果所有的大数据存储库都是有用的，就不能将所有每一条信息都进行同等的维护。正如InfoWorld的安得烈C.奥利弗指出的那样：“您企业所收集的数据越多，保持这些数据细粒度的任务和挑战也就越艰巨。企业如何才能在不牺牲大数据性能的前提下牢牢把握所有这些数据的所有权，并遵守相关的监管规定呢?这促使企业首先需要选择一款大数据解决方案。”

细粒度的数据安全分区对数据访问进行了分类。例如，企业的某部分员工可能只能够访问非财务方面的数据，而较高级的员工则有权访问更多的信息。此外，某些信息可能由另一个部门所拥有，或者对其的使用会被加以限制。我们面临的挑战是如何良好的对一个有组织且安全的系统进行维护，尽管面临着一定的环境困境。因此当企业在面临着在安全和盈利能力之间进行权衡的问题时，他们可以很容易地进行响应：“是的，我们有标准的网络安全，所以我们的数据是安全的。”

3、大数据不能被匿名化

您企业所受收集的数据越详细，就越是可能涉及到更多的个体私人信息，因此，对于个人隐私和安全问题的关注度也应提高。有CSO指出：“计算机科学家表示他们可以使用不涉及个人可识别信息的数据来重建相关人员的身份数据。例如，如果一家品牌企业或政府机构获得了覆盖某地区一年的客户GPS记录列表，那么，他们可以用该列表来了解一人或多人的身份信息。”在这种情况下，找到一个人的身份信息是非常简单的。例如，在某个时间段根据GPS进行定位，然后从互联网上搜索与该位置有关用户的姓名。一般情况下，这个过程可能会更复杂一点，但从概念上讲，其是一个很容易解决的简单问题。

尽管企业纷纷试图使大数据匿名化，这些企业最好的方法也只是使这些数据“假名化”——让一些信息是假名的，当然仍还是可与一个真实的身份相联系。这一有限制性的匿名化是大数据危险的一部分：黑客和其他恶意方可能无法完成数据的精细分析，但考虑到这些有限信息种类的丰富性，他们可以收集各种可利用的结论，进行欺诈，偷盗或者更糟的行为。

虽然原始数据需要保护，即使其是非结构化大数据存储库的一部分，但大数据所面临的更大的威胁是企业支付了巨大的成本才从大数据分析中获得的有价值的信息。麦加维再次引用David Topping的话说：“许多企业浪费了太多的预算以保障大数据存储。而他们真正的风险则在相关数据信息的输出方面。由于企业往往很少监视或保护这些数据，围绕着企业分析得出的洞察输出是如何产生的... 大多数安全专家都认为，企业的雇员往往表现得很无辜，但有的的确是大数据被破坏最常见的罪魁祸首。”

企业需要保护大数据，尽管其涉及到某些原始信息，但我们需要将更多的重点放到通过对原始数据分析所获得的洞察见解方面。特别是，这些见解必须至少被视为比原始数据更为重要。

4、处理大数据的安全问题

接下来的问题便是如何解决这些企业担忧的安全问题。一种方法是为黑客提供一个有吸引力的假目标，以便使得企业能够学习更安全的研究方法来应对攻击，实施保护措施。这一战略或不甚理想，因为其只能当系统已经有一些漏洞时才能发挥作用。但这些弱点是可能被识别和解决的。

引用Forrester公司研究题为《未来的数据安全和隐私报告：关于大数据的控制》IBM指出，“安全专业人士在网络边缘最好进行控制。然而，如果攻击者穿透你的周边，他们将有充分的和不受限制的机会访问你的数据。” 当然，解决方案就在于为数据提供一个安全层，让简单地访问网络还不足以获得如此大的权限。

加密，特别是当处理大数据分析洞察见解时，是保护一种有效的信息保护方式，但其肯定不是一个新概念。

加密直接作用于数据本身，通过改变数据原本内容的形式来达到安全防护的效果，而这种防护最大的特点就是即使数据和文档最终还是泄漏了，加密的防护依然存在，只要算法不被破译，数据仍旧是安全的。而随着现代加密算法和技术的发展，破译这件事也越来越变得“得不偿失”了。同时，为了适应现代多样的加密需求和安全环境，采用国际先进的多模加密技术则是其中最好的选择。

多模加密技术采用对称算法和非对称算法相结合的技术，在确保加密质量的同时，其多模的特性能让用户自主地选择加密模式从而更灵活地应对各种防护需求和安全环境。同时作为这项技术使用的典型代表山丽防水墙的多模加密模块还采用了基于系统内核的透明加密技术，从而进一步确保了加密防护的便利性和完整性(加密与格式无关)。

大数据所涉及的隐私问题的确正在受到广泛关注，特别是在爆出美国国家安全局对主要IT企业进行监控的背景之下。一个与之不同但又密切相关的问题是安全性：特别是，企业应如何保护原始的非结构化数据和从大数据分析中得到的洞察见解。不幸的是，数据完全匿名化是不可能的，因为数据信息需要与个人和用于各种用途相联系(有时与其他私人或公共来源相组合)。虽然黑客可能无法窃取数据执行复杂的分析，但他们往往通过粗略地查看一下就足以收集有价值的信息(如在GPS数据的情况下)。随着企业收集的数据逐渐存储进大型数据仓库，如联邦数据服务中心，大数据安全方面亟待需要更多的审查。

企业应对大数据安全挑战，需认清以上几个点，只有在摆正认识的基础上，才能从容应对，安全问题。企业数据安全防护体系的建立是一个系统工程，而在大数据时代下，必将面临更多的挑战，但不管是何种挑战，数据本源的防护必须牢牢抓住，而采用灵活且具有针对性的加密软件进行防护则是最可靠的选择!