监察者称:云安全风险潜伏在大数据项目中

业务咨询公司UHY Advisors技术保障部门负责人David Barton表示,很多企业使用亚马逊弹性云计算、微软Windows Azure或者其他云基础设施供应商的云计算服务来进行大数据分析,因为大数据分析项目
往往需要足够的计算能力来进行大规模数据分析。虽然这些云计算服务能够帮助企业捕捉、管理和分析TB级结构化和非结构化数据,
但是,如果系统没有收到保护或者受到监管,这些服务可能带来数据泄漏、账户或服务劫持、或者滥用的风险。在监测和信息安全培训机构MIS Training Institute的大数据安全会议上,Barton表示,经常有业务部门绕过IT团队使用信用卡来租用云计算基础设施。企业高管想要从数据挖掘出最大价值,并且他们希望在短时间内实现。“大多数大数据项目的主要驱动力不是安全性,
而是销量,”Barton表示,“快速的分析和部署是使用云计算的主要原因,而数据安全性和隐私性会减慢这种速度,
所以,业务部门会想办法绕过IT团队。”云安全联盟和其他组织已经明确指出了云计算的潜在风险。专家称,
大量不适当的云部署给渠道解决方案供应商带来了潜在的业务机会。对于租用计算能力,基础设施即服务供应商通常是最便宜的选择,但“便宜没好货”,它也带来最大的风险。除非企业选择租用私有云,公共云环境中的基础设施通常是与其他用户共用的;数据的位置往往是不确定的,这增加了数据泄漏的风险。除了共享基础设施,这些系统也可能“共享”技术漏洞,使其很容易受到攻击者的攻击。
例如,拒绝服务攻击可能导致云计算服务中断,让系统在长时间内无法访问。Barton表示,与大数据相关的工具通常也不太安全。例如,常用于
对大量数据进行深度分析的Hadoop就缺乏安全功能,经常默
认为“接受所有访问”。Barton建议Hadoop用户部署Kerberos来保护信息的安全性,Kerberos是一个网络验证协议。该协议在Hadoop受支持,但并没有被广泛使用。另外,企业还应该部署文件加密和密钥管理来保护数据。服务器需要
经过验证,以确保每个节点联网时采取了必要的安全措施。Barton指出:“在接入新节点前,请确保它预设置了其他节点采取的安全措施。”在调查安全故障时,日志管理和积极地查看日志可以帮助发现攻击、诊断故障和协助IT团队。企业在传输敏感信息时,还应该采用SSL和TLS安全协议。作为审计师,Barton表示,他通常
还会查看证明企业定期检查控制的文件,以及是否部署了相关政策。安全政策必须有效地传达,并具有执行机制。“大数据与云计算关系密切,所以云计算风险等同于大数据风险,”Barton表示,“关键的问题是:你的企业是否能够承担其面临的风险?”(邹铮编译)【编辑推荐】Gartner:实现高水平云安全还任重道远中美云安全现状及其存在的问题【责任编辑:蓝雨泪 TEL:(010)68476606】 原文:监察者称:云安全风险潜伏在大数据项目中 返回网络安全首页

时间: 2024-07-30 16:19:07

监察者称:云安全风险潜伏在大数据项目中的相关文章

如何看待潜伏在大数据项目中的云安全风险

业务咨询公司UHY Advisors技术保障部门负责人David Barton表示,很多企业使用亚马逊弹性云计算.微软Windows Azure或者其他云基础设施供应商的云计算服务来进行大数据分析,因为大数据分析项目往往需要足够的计算能力来进行大规模数据分析.虽然这些云计算服务能够帮助企业捕捉.管理和分析TB级结构化和非结构化数据,但如果系统没有受到保护或者受到监管,这些服务可能带来数据泄漏.账户或服务劫持.或者滥用的风险. 在监测和信息安全培训机构MIS Training Institute的

运维专家:我在大数据项目中踩过的那些坑

一.主要讨论人员 提问:陈超,七牛云技术总监 回答:朱冠胤,百度资深大数据专家,连续两次百度最高奖得主. 二.引言 "坐而论道"是一个轮流问答的玩法.本文是大数据主题周中,几位国内一线专家激情问答的一部分内容.期间,各位群友也积极参与. 三.问题集锦 1.MongoDB在百度的使用场景及规模? 2.假设现在让你完全主导一个类似Hadoop的项目,你会选择哪种语言? 3.分享你在百度各种大数据项目中踩过的坑? 4.你所在团队在自研和使用开源方案的主要考虑因素? 5.新一代分布式数据库(N

实施大数据项目需要牢记避免的6个错误做法

大多数组织为其成功实施项目工作,都已经制定了一套大数据的最佳做法.当涉及到大数据和分析时,列出企业应该远离的陷阱清单也同样重要.以下是企业实施大数据项目中要牢记的六个注意事项,是大数据项目实施中不要犯的错误做法,以保持业务具有较低的风险和高成功率. 1.没有适当的大数据计划 最成功的大数据计划是建立一个强大的大数据和分析的基础,并使用它们.最好的方法是通过创建一个新的大数据交付的恒定路径,并逐步提高组织的能力,以提供更丰富和更好的数据的策略,并解决操作问题. 2.让事情变得复杂 仪表板和电子表格

实施大数据项目需要牢记的6个注意事项

  以下是大数据项目实施中不要犯的错误做法,以保持业务具有较低的风险和高成功率. 大多数组织为其成功实施项目工作,都已经制定了一套大数据的最佳做法.当涉及到大数据和分析时,列出企业应该远离的陷阱清单也同样重要.以下是企业实施大数据项目中要牢记的六个注意事项. 1.没有适当的大数据计划 最成功的大数据计划是建立一个强大的大数据和分析的基础,并使用它们.最好的方法是通过创建一个新的大数据交付的恒定路径,并逐步提高组织的能力,以提供更丰富和更好的数据的策略,并解决操作问题. 2.让事情变得复杂 仪表板

OPEC与阿联酋下周将推出“油气大数据项目”

石油输出国组织(OPEC)和阿联酋能源部下周将推出全球油气数据库新项目的第一阶段,该项目旨在研发易于使用的工具来分析能源信息并提高透明度. OPEC在4月11日的声明中称,该"油气大数据项目(OilandGasBigDataProject)"将由一套高标准的分析工具组成,采用数据驱动方法以及优化和统计分析技术. OPEC还指出,该项目会与公开可用的油市数据库关联,将会对不同国家.流动情况及产品之间的信息进行交叉对比,且该项目今后还会扩大.准确及时的石油供需和库存信息,是油市分析未来趋势

你的大数据项目离失败有多远?

导读大数据项目的成功或许不可复制,但从失败中汲取教训同样很有意义.作者从本人实践项目入手,从商业目标.商业案例.项目管控.沟通.技能等角度分析其失败的原因. 过去六个月里,我发现大数据项目的总量正在以惊人的速度增长着,大多数与我合作过的公司都计划在接下来一年内,进一步拓展大数据项目的领域.其中,许多项目都被报以很高的期望,但大数据项目,远没有想象中那么简单.我认为,其中半数的大数据项目最终都无法达到他们的预期. 失败的原因是多方面的,许多显而易见的问题或者影响因素都会对大数据项目造成致命的打击,

掰一掰GitHub上优秀的大数据项目

VMware CEO Pat Gelsinger曾说:   数据科学是未来,大数据分析则是打开未来之门的钥匙 企业正在迅速用新技术武装自己以便从大数据项目中获益.各行业对大数据分析人才的需求也迫使我们升级自己的技能以便寻找更好的职业发展. 跳槽之前最好先搞清楚一个岗位会接触到的项目类型,这样你才能掌握所有需要的技能,工作的效率也会更高. 下面我们尽量列出了一些流行的开源大数据项目.根据它们各自的授权协议,你或许可以在个人或者商业项目中使用这些项目的源代码.写作本文的目的也就是为大家介绍一些解决大

大数据拼图中的最重要的一环

ZDNET至顶网CIO与应用频道 10月11日 北京消息:在大数据项目中,充分释放数据价值通常是一个重要但错综复杂的目标.正如我在<企业部署Hadoop解决方案>(Putting Hadoop to Work in the Enterprise)一文中所述,数据仓库是[大数据]拼图中的重要一环--但成功的大数据项目更需要整合Hadoop.NoSQL等开源平台. 为完成大数据拼图,Teradata天睿公司近期宣布收购Revelytix(开发Hadoop数据管理和数据准备工具)和Hadapt(提供

你的大数据项目使用的工具正确吗?

工具/产品/解决方案是数据科学家洞察数据的利器. KDNuggets网站 对此观点进行了年度调查,来分析数据科学家在用哪些类型的工具,并提供了调查的 匿名原始数据 . 通过主成分析(PCA)法进行降维分析 对所有的工具同时进行关系分析,常规来说,PCA通过对大样本数据统计性质(eg, 协方差)的分析,试图用主要特征来解释关系. 分析结果: 当前分析的目标:通过一些主成分来分析95种工具之间的关系.最终决定以PCA的特征值来决定主成分的数目,这里选用了两种规则:一种是以特征值大于1的特征值数量来选