大數據安全應用及體系概述

■ 山東 閆法人

編者按：大數據技術為網絡安全提供了強力支撐，其中在邊界安全、訪問控制、授權數據保護以及審計和監控4個層次上得到了展現，只有通過有效的技術手段和相關的管理措施相結合，才能從根本上解決數據安全和數據泄露的保護問題。

隨著大數據技術的發展，越來越多的大數據技術投入到信息安全及網絡安全中。其中大數據在網絡安全分析中信息的采集、存儲、查詢和分析有著獨特的優勢。在網絡安全中，大數據技術為其構建安全服務后臺，使計算機信息安全智能化發展。

大數據安全離不開隱私保護、數據加密和訪問控制等核心技術。為了使大數據的安全得到保障，大數據安全系統孕育而生，其中主要包括邊界安全、訪問控制、授權數據保護以及審計和監控4個層次。

大數據技術在安全中的應用

1.大數據技術在網絡安全中的應用

大數據技術大幅擴充了數據的存儲容量，對網絡安全分析起到了完善的作用，在節約成本的前提下極大地提高了網絡安全系統的可靠性和安全性。

網絡安全分析的主要數據對象是日志與流量兩種類型，同時在關聯分析過程中運用相關的輔助信息。大數據技術在信息的采集、存儲、查詢、分析數據和多元數據分析處理等過程有著廣泛的應用：

（1）信息采集。大數據利用分布式采集手段，可以高效地收集數據。在對日志數據信息的處理上，起到了良好的作用。采集數據的方法是數據鏡象法，能使全流量數據得到采集。

（2）信息存儲。利用Hadoop等框架可以實現對安全分析中的海量數據進行存儲，能夠有效的提升速度和效率。在對實時數據進行處理的過程中，使用的方法通常是流式計算法，也是把處理結果在列式存儲中進行保存，同時分布式框架保證了數據的安全和可恢復性。

（3）信息查詢。以Mapreduce為主的數據查詢技術，在查詢數據的過程中，在對應的節點對請求進行先行處理，之后再把所有節點組合起來，這一查詢信息的方式，能夠真正的提高查詢速度。

（4）數據分析。利用大數據技術可以實現網絡安全數據的實時分析，此時計算方式是以流式計算為主的，對實時數據進行分析和處理，流式計算可以在很短的時間內查出數據存在的問題。其次在分析處理歷史數據和統計結果時，可以利用分布式存儲和計算，在對深層次的數據進行離線操作的過程中，使離線風險分析得以有效的進行，能對攻擊源進行有效的查找。

（5）多源數據分析處理。在分析處理多源數據時，應用大數據技術，可以在分析處理數據方面，對處理數據的速率得到有效的提升。此外，通過安全信息分析平臺，對于某一終端系統發現了安全隱患和漏洞，則可以通過關聯性分析排查所有類型終端是否存在同樣問題，極大地完善系統安全性。

2.大數據技術在信息安全中的應用

在信息安全業領域，通過離線的批處理計算和實時的流式處理計算相結合，對流量、日志等網絡安全大數據的分析，實現對DDoS、蠕蟲、掃描、密碼探測等異常流量的實時監測。

例如國防科技大學提出了大規模網絡安全態勢評估模型，涉及基于大數據的關聯分析、安全指數計算、和安全事件預測等概念。

（1）利用大數據技術創建安全服務后臺。在大數據技術的應用下，安全服務后臺可以為計算機信息安全提供載體，在信息集約化處理下，使數據信息得到了一體化管理，也為信息安全提供了實時監控服務。

（2）基于大數據技術實現計算機信息安全智能化發展。隨著信息技術的發展，黑客攻擊已呈現出多元化特點，根據黑客攻擊的最新特點，依靠大數據技術從海量信息中找出威脅因素。大數據技術對事故的判定需要依靠先驗知識，在確保先驗知識的豐富性基礎上，應用大數據技術確保信息安全，使先驗知識庫與基礎算法相融合，為計算機信息安全提供保障。

（3）基于大數據技術實現計算機信息安全智能化發展。應用大數據思維對計算機系統信息分布狀態加以預測，這將是未來大數據技術的重要發展方向。得知預測結果后，信息安全運維中心將按照結果制定安全策略，確保系統設備協同效應不受影響，提升系統的防御能力。

大數據安全關鍵技術

隨著社會對數據價值認知的提升和大數據平臺建設的蓬勃發展，大數據安全問題日益成為阻礙大數據應用推廣的瓶頸。其中隱私保護、數據加密和細粒度的訪問控制是解決大數據安全的關鍵技術：

1.隱私保護

數據收集技術和專業化、多樣化的數據處理技術，使得個人難以控制隱私數據的收集情境和應用途徑。因其蘊藏的巨大潛在價值和逐漸集中化的存儲管理模式，隱私數據成為網絡攻擊的重點目標。

針對這一問題，已有安全壓縮感知等壓縮感知理論的隱私保護技術，運用相應的大數據采集方案，將安全壓縮感知作為一種感知層內置的輕量級加密機制，以近乎零成本為數據提供第一層安全防護。

2.數據加密

為了提高隱私數據加密能力，降低數據被攻擊竊取的概率，構建隱私數據的大數據分布結構模型，采用Logistics超混沌序列進行隱私大數據的結構重組，提取隱私大數據的模糊相關性特征量，采用非線性向量量化編碼等方法進行隱私大數據的同態融合加密，設計隨機線性加密密鑰和解密密鑰，實現隱私大數據的加密傳輸和信息保護。

通過數據加密，隱私保護能力更強,抗攻擊能力更好，具有很好的數據加密保護控制能力。

3.訪問控制

訪問控制是保護信息系統數據安全的重要手段。但是大數據服務環境下，數據呈現分布式的特點。如何有效解決復雜用戶多數據資源域的訪問，是大數據安全的重要研究方向。

針對這一問題，提出了一種基于細粒度訪問控制的大數據安全防護方法，該方法采用基于屬性的訪問控制模型,解決了用戶認證、域定位、訪問決策以及模塊關聯的問題，實現了細粒度數據及服務的訪問。在提出基本模型之上，結合實際的應用場景需求，給出了單域和跨域兩個場景中的訪問決策模型。詳細描述了模型及決策算法，并給出了多域屬性表同步方法。

該模型實現了細粒度訪問，能夠有效保護大數據環境下的數據安全，并且能夠實現快速決策，高效訪問。

大數據安全體系

大數據的出現顛覆了傳統的數據管理方式：大數據時代不僅要提供系統化的基礎環境管理能力，而且要在數據安全訪問控制、安全審計、安全監控等方面面臨更大的挑戰。

大數據安全體系是解決大數據安全問題的主要手段，是大數據安全的保障。建立大數據安全體系需要從數據邊界安全、訪問控制和授權、數據保護和審計監控等層次建立：

1.邊界安全

隨著大數據產業的發展,大數據的跨平臺使用和調用愈加頻繁。以用戶全量為特征的大數據具有高度精準和信息量大的特點，為了確保用戶隱私、數據源提供商商業信息安全，需要對大數據使用的邊界進行明確定義。通過對大數據模型構建和使用目的的分類分析，可以定義出大數據使用的邊界并通過使用邊界構建出安全調用模型。在明確的使用邊界和安全調用模型基礎上，大數據數據源提供方和調用方可以有效確保信息安全，避免大數據調用中可能存在的各種風險。

2.訪問控制和授權

大數據認證授權與數據訪問的設計方法保障信息數據的機密性、完整性和可用性，以及信息用戶和信息數據的可審性，以對抗假冒、信息竊取、數據篡改和越權訪問等針對數據安全的威脅。

3.數據保護

隨著大數據時代的來臨和信息技術的快速發展，個人信息時刻處于泄漏的邊緣。大數據的數據保護成為大數據安全體系必不可少的內容

4.審計和監控

數據庫監控及加固層核心是讓數據保護變的更加牢固，具有數據庫狀態監控、數據庫審計、數據庫風險掃描、訪問控制等多種引擎，可提供黑白名單和例外政策、用戶登錄控制、用戶訪問權限控制，并實時監控數據庫訪問行為和靈活的告警機制。

結語

數據安全防護任重道遠，只有通過有效的技術手段和相關的管理措施相結合，才能從根本上解決數據安全和數據泄露的保護問題。在進攻和防守永無止境的今天，只有不斷的技術創新、管理創新才能最終有效的保障數據的安全。