大数据加密
A. 目前常用的加密方法主要有两种是什么
对称加密体系与非对称加密体系
对称密钥加密 对称密钥加密，又称私回钥加密，即信息答的发送方和接收方用一个密钥去加密和解密数据。它的最大优势是加/解密速度快， 适合于对大数据量进行加密，但密钥管理困难。
非对称密钥加密系统 非对称密钥加密，又称公钥密钥加密。它需要使用一对密钥 来分别完成加密和解密操作，一个公开发布，即公开密钥，另一 个由用户自己秘密保存，即私用密钥。信息发送者用公开密钥去 加密，而信息接收者则用私用密钥去解密。公钥机制灵活，但加密和解密速度却比对称密钥加密慢得多。
B. 大数据就意味着更大的安全风险吗
大数据就意味着更大的安全风险吗
现如今，围绕着大数据分析所涉及到的相关隐私问题存在着许多的担忧：企业和各国的政府机构是否有权获得如此广泛的个人和群体信息？同时，对于他们收集和处理这些数据信息是否有相关的法律或政策对其进行指导和约束？这其中一个相当关键但却并不经常被人们讨论和关注的问题是安全性。
企业和政府机构所收集、存储、分析和分发大量数据信息是否正面临着安全风险方面的挑战?如果是的话，他们应该怎么做来减轻这些挑战呢?
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。”
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。”
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。
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。
结论
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。
C. 大数据的防泄漏功能怎么实行，数据安全怎么保障
导致数据泄露的途径有哪些？
（1）通过U盘、移动硬盘、QQ、微信、邮箱等等将数据文件外发出去；
（2）竞争对手窃取商业机密
（3）******造成数据丢失或泄露
（4） 内部人员无意泄密和恶意泄密
（5）存储设备丢失和维修造成数据泄露
防止数据泄露的方法：
（1）防止移动设备造成的数据泄露:
在底层对数据文件进行加密，加密后的文件在指定环境内可以正常使用，未获得允许脱离环境，加密文件呈现乱码，或者无法打开。经过金甲加密软件加密软件的，无论是通过何种方式将加密文件带走，加密文件都无法打开，除非获得授权的文件，才能在脱离指定环境以外的地方使用。
（2）防止邮件系统、即时通讯软件造成的数据泄露
在企业工作中，无论对内对外，大家越来越多地依靠邮件、通讯软件进行沟通。虽然它给我们的工作带来了便利，也在一定程度上，加大了企业的信息安全隐患。金甲加密软件，在驱动层对数据文件进行加密，数据文件在产生的时候就处于加密状态，控制加密文件的使用，未获得允许脱离环境，文件乱码。
（3）防止存储设备丢失和维修造成数据泄露
经过金甲加密软件加密的文件，只要在指定环境以外，数据文件都是乱码，除非获得授权，能够在指定环境以外使用。所以即使加密文件外发，设备丢失……等等情况，都能保证数据安全，防止数据泄露
D. 如何为大数据加密
我不知道贵公司所担心的是什么，是自己数据在自己服务器上的安全吗？
如果是创业公司，或者中小型公司，我觉得这个目前可以不去考虑。
目前很多数据其实都是托管在云上的，要说加密，业界最普遍认可的就是亚马逊了。当然，今年云栖大会上，阿里云发布的量子加密技术也火了一把，只是会上并未做更加充分的说明，能找到的知识也寥寥无几。
E. 如何通过加密软件实现大数据安全防止大数据泄密
数据泄密基本上可以分为来自内部和外部两大类。
1.内部人员离职拷贝带走资料泄密；
2.内部人员无意泄密和恶意泄密；
3.外部竞争对手窃密；
4.黑客和间谍窃密；
5.存储设备丢失和维修失密；
6.对外信息发布失控失密；
目前采用加密手段，对数据进行加密保护，已经成为业界主要做法。天锐绿盾数据防泄密系统多年来一直致力帮助企业完善内部的数据防泄密体系建设。各类型数据加密、外发文档安全控制、U盘认证加密等等，专注企业数据保护。
F. 大数据时代，我们该如何保护自己的隐私
谈到隐私保护的问题，我们首先要明确什么是隐私。从法理角度来讲，隐私是已经发生了的符合道德规范和正当的而又不能或不愿示人事或物、情感活动等。除却我们的私人账号和密码，浏览记录、聊天记录甚至购物记录都是隐私范畴之内。具体而言，保护用户隐私安全应该从几个方面下手：
首先，隐私保护要将隐私知情权，决定权交还给用户本人。绝大多数互联网应用将用户使用权和隐私获取强行绑定在一起，不同意隐私条款就不能使用应用，堪比“霸王条款”。要知道对很多功能来说，隐私数据只是可有可无的角色。
第二，不能将隐私保护建立在道德自律基础上。隐私保护需要的是可靠手段，如法律、程序等等，需要利用强制力保护隐私，而不能仅仅依靠信用和道德。隐私就是“钱”，用信用道德去约束利益诱惑显然并不是明智之选，强制力管理隐私的效率明显会更高。
第三，要找到安全、可靠且高效的途径利用隐私数据。解决隐私问题并非毫无办法，受益于密码学的发展，隐私数据可以通过密码学的加密手段避免泄露，目前市面上已经涌现出不少针对隐私安全的解决方案，如链飞科技推出的隐私数据存储应用WingChainDB和针对隐私数据多方协作的WingChainDX，都能够实现隐私数据保护的功能。
G. 大数据存在的安全问题有哪些
一、分布式系统
大数据解决方案将数据和操作分布在许多系统中，以实现更快的处理和分析。这种分布式系统可以平衡负载，避免单点故障。但是这样的系统容易受到安全威胁，黑客只要攻击一个点就可以渗透整个网络。
二.数据存取
大数据系统需要访问控制来限制对敏感数据的访问，否则，任何用户都可以访问机密数据，有些用户可能会出于恶意使用。此外，网络犯罪分子可以入侵与大数据系统相连的系统，窃取敏感数据。因此，使用大数据的公司需要检查和验证每个用户的身份。
三.数据不正确
网络犯罪分子可以通过操纵存储的数据来影响大数据系统的准确性。因此，网络犯罪分子可以创建虚假数据，并将这些数据提供给大数据系统。比如医疗机构可以利用大数据系统研究患者的病历，而黑客可以修改这些数据，产生不正确的诊断结果。
四.侵犯隐私
大数据系统通常包含机密数据，这是很多人非常关心的问题。这样的大数据隐私威胁已经被全世界的专家讨论过了。此外，网络犯罪分子经常攻击大数据系统以破坏敏感数据。这种数据泄露已经成为头条新闻，导致数百万人的敏感数据被盗。
五、云安全性不足
大数据系统收集的数据通常存储在云中，这可能是一个潜在的安全威胁。网络犯罪分子破坏了许多知名公司的云数据。如果存储的数据没有加密，并且没有适当的数据安全性，就会出现这些问题。
关于大数据存在的安全问题有哪些，青藤小编就和您分享到这里了。如果您对大数据工程有浓厚的兴趣，希望这篇文章可以为您提供帮助。如果您还想了解更多关于数据分析师、大数据工程师的技巧及素材等内容，可以点击本站的其他文章进行学习。
H. 数据量比较大应该采用什么加密技术
大数据生命周期分为数据发布、数据储存、分析和挖掘、数据使用，在这些环节中都存在数据隐私保护的问题。加密是保护数据的一个手段，但是加密之后的数据无法使用。现在的技术需要保证数据在流通使用过程中也不造成泄露，也就是限制数据的使用。
在沙龙现场，几位嘉宾也探讨了目前几种常见的数据加密技术。
差分隐私
差分隐私其实是一种度量方式。通过一群人里算出来的模型，和去除A算出来的是一样的，这样就无从判断A是否还在这群人中，就起到保护A隐私的作用。这个方法对于保护“泯然众人”的数据是有用的，但是却很难保护那些“很个性”的数据，因为这些“个性”的数据对于整体数据的计算印象很大。
多方安全计算
多方安全计算（MPC）是解决一组互不信任的参与方之间保护隐私的协同计算问题，MPC要确保输入的独立性，计算的正确性，同时不泄露各输入值给参与计算的其他成员。主要是针对无可信第三方的情况下，如何安全地计算一个约定函数的问题，在电子选举、电子投票、电子拍卖、秘密共享、门限签名等场景中有着重要的作用。
K匿名
k-匿名技术是1998 年由Samarati和Sweeney提出的，要求发布的数据中存在一定数量(至少为k)的在准标识符上不可区分的记录，使攻击者不能判别出隐私信息所属的具体个体，从而保护了个人隐私。
明略科技集团首席科学家吴信东教授举例解释，“比如，为了避免报警者受到报复，警察记录的是方圆多少距离的人打来的报警电话，通过对位置信息的泛化，保护了报警者的位置信息，但同时也会降低数据的可用性。可能警察记录是五公里以内的人打了电话，但是警察自己也找不到那个人是谁。”
什么样的数据值得保护？数据隐私保护技术就像是顺丰快递，要看寄送的东西值不值得快递费用。评估数据的价值，是比数据保护更重要的事情。数据保护问题的本质就在于我们如何对数据进行定价。
或许有人出价一万买你的隐私，你会断然拒绝；但如果是一亿呢？离开数据的定价、数据流动产生的价值和通过数据得到的服务去讨论数据隐私，其实都是比较片面的。
I. 大数据时代，差分隐私可以很好的解决用户隐私问题吗
今天，数据成为一种宝贵资产，无数企业都在争先恐后地收集用户信息。一方面，用户信息能够为企业带来价值，让企业可进行商业分析，改进产品和业务，但是另一方面，企业也会造成用户信息的泄露，危害用户个人隐私。
如果既可以让企业合理适度地收集用户信息，又不至于泄露个人隐私，不仅成为今天许多企业面临的难题，也影响着大数据行业的发展。
而名为Nemo的知乎网友则指出“差分隐私”的弱点：由于对于背景知识的假设过于强，需要在查询结果中加入大量的随机化，导致数据的可用性急剧下降。特别对于那些复杂的查询，有时候随机化结果几乎掩盖了真实结果。这也是导致目前应用不多的一个原因。
简言之，对某些企业来说，差分隐私的实用性不高，原因在于它们无法从使用了差分隐私的数据中获得更加有价值的信息。