|
| 当前位置： 伟创软件 -> 软件服务/产品 -> 大数据系统存在问题 |  |
浅谈数据中心存在的安全缺陷专题：大数据系统存在问题当前，数据中心为应对种种安全威胁，采取了许多安全机制和防范措施，综合而言，主要采取的应对策略有防病毒技术、防火墙技术、入侵检测技术和数据库安全审计，有效确保了数据中心的可靠运行。这些技术通过不同机制来应付种种安全威胁，各有所长，取得了极大成效。然而从实践结果来看，仍然存在不小的缺陷，如下所述： ①尽管数据中心安装了不同类型的防病毒硬件或杀毒软件，但是，数据中心安全不仅仅包括防病毒的问题，还包括外来非法侵人检测与安全策略执行等方面，防病毒技术难以完全解决这些方面的威胁。 ②数据中心安装软硬件防火墙后，可以通过设定规则来阻止非授权访问，但是仍无法避免垃圾邮件及拒绝服务  大数据时代的企业信息安全隐患专题：大数据系统存在问题但企业在获得“大数据时代”信息价值增益的同时，却也在不断的累积风险。首先是黑客窃密与病毒木马的对企业信息安全的入侵；大数据在云系统中进行上传、下载、交换的同时，极易成为黑客与病毒的攻击对象。而“大数据”一旦被入侵并产生泄密，则会对企业的品牌、信誉、研发、销售等多方面带来严重冲击，并带来难以估量的损失。 其次是内部员工对企业数据的非法窃取或因疏忽造成的丢失，“日防夜防，家贼难防”是目前企业信息安全中普遍存在的尴尬，因为在工作过程中，企业员工不可避免的需要接触到企业核心数据或内部机密，其中不乏别有用心者对有价值的信息数据进行刻意的复制、截留、甚至外泄，一旦在企业内部发 大数据三个重要的技术问题专题：大数据系统存在问题一、如何利用信息技术等手段处理非结构化和半结构化数据 大数据中，结构化数据只占15%左右，其余的85%都是非结构化的数据，它们大量存在于社交网络、互联网和电子商务等领域。另一方面，也许有90%的数据来自开源数据，其余的被存储在数据库中。大数据的不确定性表现在高维、多变和强随机性等方面。股票交易数据流是不确定性大数据的一个典型例子。 大数据刺激了大量研究问题。非结构化和半结构化数据的个体表现、一般性特征和基本原理尚不清晰，这些都需要通过包括数学、经济学、社会学、计算机科学和管理科学在内的多学科交叉来研究和讨论。给定一种半结构化或非结构化数据，比如图像，如何把它转化成多维数据表、面向对象的数据模型 四个方面说明数据中心安全风险问题专题：大数据系统存在问题数据中心虚拟化是指利用虚拟化技术构建基础设施池，主要包括计算、存储和网络3种资源。数据中心虚拟化后不再独立地看待某台设备和链路，而是计算、存储和网络的深度融合，当作按需分配的整体资源来对待。从主机等计算资源角度看，数据中心虚拟化包含多合一、一分多2个方向，都提供了计算资源按需调度的手段。存储虚拟化的核心就是实现物理存储设备到单一逻辑资源池的映射，是为了便于应用和服务进行数据管理，对存储子系统或存储服务进行的内部功能抽象、隐藏和隔离的行为。在现代信息技术中，虚拟化技术以其对资源的高效整合、提高硬件资源利用率、节省能源、节约投资等优点而得到广泛应用。但虚拟化技术在为用户带来利益的同时，也对用户 大数据时代信息安全面临的挑战专题：大数据系统存在问题1、加大隐私泄露风险从个人隐私的角度而言，用户在互联网中产生的数据具有累积性和关联性，单点信息可能不会暴露隐私，但如果采用大数据关联性抽取和集成有关该用户的多点信息并进行汇聚分析，其隐私泄露风险将大大增加，其关联性利用类似于现实生活中的“人肉搜索”将某人或事物暴露。从企业、政府等大的角度而言，大数据安全标准体系尚不完善，隐私保护技术和相关法律法规尚不健全，加之大数据所有权和使用权出现分离，使得数据公开和隐私保护很难做到友好协调，在数据的合法使用者在利用大数据技术收集、分析和挖掘有价值信息的同时，攻击者也同样可以利用大数据技术最大限度地获取他们想要的信息，无疑增加了企业和政府敏感信息泄露的风险。从 IT高层管理者对于大数据六个最大的误解专题：大数据系统存在问题大数据如此普遍已经成为一个流行词，但它几乎是毫无意义的。以下是IT高层管理者对于大数据六个最大的误解和错觉：1.所有的数据是大数据。调查机构Gartner公司称，大数据必须是大容量，高速度或多样化的各种数据。这意味着，如果你的数据只是处理容纳一个Excel文件，那么你不是在处理大数据。如果你只处理测量千兆字节的数据集，并采用个人电脑能处理，那么你不是在处理大数据。也许你正在处理数千兆字节电子邮件，而你不知道如何处理它，但这并不意味着它是大数据。2.大数据解决每一个问题。一些高管认为大数据可以解决一切问题。他们中的许多人都掌握大数据分析来解决问题，而不是使用常识。有一次行业专家和IT高管们试图找出为什么其网站访问 实施大数据管理面临哪些难题专题：大数据系统存在问题面对领域大数据，在全生命周期的一体化协同环境下的大数据采集、存储、管理及分析处理都将面临着前所未有的挑战，具体而言，面临以下难题： 1）大数据采集问题。如何将大数据变小，在尽量不损失价值的情况下减少数据的规模，像数据的清洗、去除等等，即如何有效地处理大数据类似物理的作用，把大数据的规模变小但不损失价值；如何从一个平面的大数据提炼出高附加值的概念、知识和智慧。 2）大数据存储问题。对于结构化数据，海量数据的查询、统计、更新效率低；对于非结构化数据，如图片、视频等文件的存储、检索困难；对于半结构化数据，进行存储、分析需要转化为结构化数据，或者按照非结构化数据 |
|
|