Page 163 - 大数据技术及安全研究

第五章 大数据安全预警

等各个层面上的数据安全纵深防御能力。这样数据纵深安全的思想就能在项目执
行阶段中具体化到每个实实在在的防控点，充分实现大数据安全防护体系的内生
安全可信。纵深防御的思想是对攻击者的攻击路线层层设置防护手段，极大地消

耗攻击者的攻击资源和时间，从而迫使攻击者无法达成破坏数据和偷盗数据的目
的。纵深防御通常对于已知的攻击手法能起到明显的防御效果，即使上一层防御
失效，还有下一层防御作为后续的防护，但是纵深防御无法实现对未知威胁的防
护，尤其是 APT 攻击。因此，纵深防御能解决的问题是有限的，要想抵御高级

的攻击行为，就必须采用以纵深防御为基础，整个防御体系向积极防御升级。
（二）构建“身份安全”零信任体系
大数据中心实现了各系统众多关键数据的汇聚，传统基于网络的边界已经无
法满足数据级的安全隔离需求，必须实现统一的身份认证管理的精细化、动态化

的授权能力。这部分需求的目的是解决人或者接入设备的身份安全，确保所有接
入人员和设备的身份是安全可信的，所有人员在访问大数据中心之前就对其身份
的合法性进行验证，只有通过认证，才能访问业务数据。由于大数据中心的数据
涉及大量的国家安全、社会安全、个人隐私等敏感信息，所以对权限的要求非常

严格。传统的网络安全防护方式采用基于网络访问控制列表（ACL）的、静态的
授权模式将不再适用，必须采用能够根据数据的类型、重要程度进行灵活授权的
方式，并结合人员角色进行最小化授权，在不影响业务效率的前提下，确保数据
访问权限最小化原则，避免因为权限不当导致的数据泄露。

（三）构建大数据“安全运行”保障体系
安全运行管理的核心目标是保护大数据的安全。从战略层面上，建立先进的
安全运行管理平台、专业的安全技术团队、全面的安全策略以及高效的运行管理
机制。从战术层面来讲，建立队伍：建立专业的安全运行团队，包括安全技术研

究团队、安全运营团队、安全运维团队、安全管理团队等；摸家底：清楚定义保
护的目标，如数据分类、分级，资产建模，采用了哪些防护手段和措施；判风险：
通过漏洞扫描、配置基线、渗透测试、对抗演练等提前找出可能存在的技术风险；
早预防：通过补丁管理、系统加固、安全设备维护和策略调优、精细化授权以及

完善的安全规范和制度；持监测：通过实时收集安全相关的日志和流量结合资产
模型和用户模型，利用大数据技术和人工智能技术进行多维度的关联分析和行为
分析结合专业人员的人工判断，及时发现安全事件；即处置：安全处置团队按照

·155·