【摘要】大数据下所面临的安全挑战在数年前，开始讨论虚拟化时，就注定了云的解决方案的诞生，而当云的解决方案逐渐成熟时，企业或是用户开始将资料

大数据下所面临的安全挑战

在数年前，开始讨论虚拟化时，就注定了云的解决方案的诞生，而当云的解决方案逐渐成熟时，企业或是用户开始将资料往云端存放时，也慢慢的导致大数据时代的来临。
    目前存取资料的装置，慢慢的从电脑，开始往移动装置，搭捷运时，我们看到越来越多人习惯拿出手机，或是平版电脑，开始阅读，或是浏览相关的资讯，这意味着资料的存取从以往的定时定点到目前的随时随地，这是一个演变。

而当我们开始使用 gmail、facebook、google 的时候，似乎我们可以无止境的将各种资料上传，随时可以调阅，浏览等等，这也表示在云端后端的数据，已经大量的成长。
    在这状况下的安全呢？这些大数据下的服务，不论公开服务也好，或是企业的各种资料也好，一旦开放存取，就开始存在安全的议题，简单来说，从使用者的认证问题来保护使用者，一直思考如何保护这些包括敏感或是不敏感的个人资料等等，这个议题也开始逐渐发酵。
    当我们回归到基本的元素时，我们会发现当下的各种攻击，90%均透过网路达成，网络已经变成攻击里面不可或缺的媒介。是的，当某个企业被 APT 攻击，大量取得资料后，分析的结果，恶意程式可能利用邮件，透过网路传递至企业内部，日前吵的沸沸扬扬的网军攻击事件等等，大部分均以网路攻击有关。
   大数据下的安全所面临的挑战有：
   1.后台系统的复杂性
    在数据之上，往往有多种复杂的应用程式支撑，因此在於安全的考量上更为复杂。用户可能采用单存的 3 tier 架构，或是采取更复杂的 Web Service 的服务架构等等。无论何种架构，主要的目的均在於对大量数据进行演算加值，并且提供各种介面或是结果给与使用者。
   2.多方的网路存取
    尽管后台的应用程式较为复杂，对於使用者或而言，最简洁的存取方式便是透过网路存取相关的服务，相对於前端存取网路的设备而言，通常会尽量包含允许各种不同的装置存取服务。然而对於入侵者而言，这产生了一个极为便利的攻击方式，也就攻击者亦能透过各种路径尝试攻击整体服务，进而探索系统漏洞而进行深入攻击。
    3.即时监控与回应
    一旦大数据开始藉由服务提供给各种使用者，系统就开始产生各种的变化，包括数据的变化，以及各种应用的变化。在这种状况下，安全的场景也会跟随着变化，如是否有人对应用进行字典攻击，阻断是攻击等等。当大量的资料开始移动时，以及随着使用的量增加时，即时的监控将会更加艰辛，主要是攻击者更容易夹杂在正常使 用者之间，对系统发动攻击。这会让系统管理人员疲於奔命，并且增加侦测的困难度，更遑论采取及时的对策。
    在这些状况下，当我们思索着大数据下的安全时，就可以回归到最基础面，对于整体系统进行检测并且加强防御措施。
    三个基础方向考虑大数据下的安全：
    1.应用程式安全
    数据一般并不会直接被使用，而是透过应用程式进行展示，从保护数据的观念开始，需要对前端的应用进行强化，因此企业可以在应用程式上线前，中，后，对各种开发的应用程式进行安全检测，同时也可以对已经上线的相关网页应用程式定期强化检测。
    透过应用程式的安全检测，可以让企业对於使用数据的应用程式提供相对应的基本安全检测，并且做到资安的第一步。
    2.网路安全防御系统
    在应用程式之后的第二道关卡事实上便是网路。企业提供服务时，相对的提供各种的网路存取方式，企业可以考虑由强化网路安全开始做起，譬如在以往，仅在出口处 部署网路安全防御设备的想法，扩充到内部的系统架构中，也就是在内部也部署新一代的网路防御系统，有效的防御各种来至於网路的攻击。
    3.智能安全分析系统
    当大数据来临时，企业会与时渐进的开始部署各种安全措施，智能安全分析系统可作为企业的安全大脑，透过各种关连分析，判断是否可能遭受相关的攻击并且协助企业提前进行反应。智能安全分析系统可以让企业由原来的被动是侦测，提高为主动是挖掘，甚至利用历史的资料进行威胁分析，藉此可以提早发现各种潜在可能的安全威胁。
   大数据下的安全议题，并非是一个封闭而且可透过单一解决方案达成的问题，各个企业可以根据本身的数据性质，以及使用情境，搭配相关 不同的解决方案。譬如，在各种主机上，可能依然存在有 SSO 的机制，可能依然会有主机安全解决方案，防毒解决方案等等。因此，建议用户从基础的防御开始，譬如基本的应用程式安全，以及基础的网路安全开始出发，接 着，再透过智能安全分析系统来协同运作各方的安全防御解决方案。