发布时间：2023-10-27 03:56来源：www.sf1369.com作者：宇宇
大数据比较好，对以后就业有帮助。
大数据应用安全策略包括：
1、规模、实时性和分布式处理：大数据的本质特征（使大数据解决超过以前数据管理系统的数据管理和处理需求，例如，在容量、实时性、分布式架构和并行处理等方面）使得保障这些系统的安全更为困难。大数据集群具有开放性和耐衫举自我组织性，并可以使用户与多个数据节点同时通信。验证哪些数据节点和哪些客户应当访问信息是很困难的。别忘了，大数据的本质属性意味着新节点自动连接到集群中，共享数据和查询结果，解决客户任务。
2、嵌入式安全：在涉及大数据的疯狂竞赛中，大部分的开发资源都用于改善大数据的可升级、易用性和分析功能上。只有很少的功能用于增加安全功能。但是，你希望得到嵌入到大数据平台中的安全功能。你希望开发人员在设计和部署阶段能够支持所需要的功能。你希望安全功能就像大数据集群一样可升级、高性能、自组织。问题是，开源系统或多数商业系统一般都不包塌旅括安全产品。而且许多安全产品无法嵌入到Hadoop或其它的非关系型数据库中。多数系统提供最少的安全功能，但不足以包括所有的常见威胁。在很大程度上，你需要自己构建安全策略。
3、应用程序：面向大数据集群的大多数应用都是Web应用。它们利用基于Web的技术和无状态的基于REST的API。虽然全面讨论大数据安全的这个问题超出了本文的范围，但基于Web的应用程序和API给这些大数据集群带来了一种最重大的威胁。在遭受攻击或破坏后，它们可以提供对大数据集群中所存储数据的无限制访问。应用程序安全、用户访问管理及授权控制非常重要，与重点保障大数据集群安全的安全措施一样都不可或昌碧缺。
大数据应用安全策略包括整合工具和流程、防止APT攻击、用户访问控制、数据实时引擎分析。
大数据（big data）是指无法在一定时间内用常规软件掘橘则工具对其内容进行抓取、管理和处理的数据集合。大数据有五大特点，即大量（Volume）、高速（Velocity）、多样（Variety）、低价值密度（Value）、真实性（Veracity）。它并没有统计学的抽样方法，只是观察和追踪发生的事情。大数据的用法倾向于预测分析、用户行为分析或某些其他高级数据分析方法的使用。
对于“判棚大数据”（Big data）研究机构Gartner给出了这样的定义。“大数据”是需要新处理模式才能具有更强的决策力、洞察发现力和流程优化能力来适应海量、高增长率和多样化的信息资产伍盯。[麦肯锡全球研究所给出的定义是：一种规模大到在获取、存储、管理、分析方面大大超出了传统数据库软件工具能力范围的数据集合，具有海量的数据规模、快速的数据流转、多样的数据类型和价值密度低四大特征。
在大数据时代，个人信息安全面临着一些挑战和风险。大数据的处理和分析需要收集、存储和处理大量的个人信息，而这些信息可能包含着个人的隐私和敏感数据。
以下是大数据时代个人信息安全的一些考虑因素：
数据泄露风险姿塌：随着大量的个人数据被收集和存储，数据泄露的风险也增加。一旦个人信息被黑客或未授权的第三方获取，可能导消册蠢致身份盗窃、欺诈等问题。
隐私问题：大数据分析可能揭示个人的行为模式、兴趣偏好和个人习惯等信息，这可能侵犯个人隐私权。
数据处理不当：在大数据处理过程中，如果没有合适的安全措施，个人信息可能被滥用、不当使用或用于违法活动。
为了保护个人信息安全，在大数据时代可以采取以下措施：
加强数据安全措施：包括加密存储和传输数据、限制数据访问权限、实施安全审计等措施来保护个人信息的拿陪安全。
保护数据隐私：采用数据脱敏、数据匿名化等技术手段，确保个人信息在处理和分析过程中得到适当的保护。
合规和法律保护：遵守相关的数据保护法律法规，确保个人信息的合法和合规处理。
用户教育和知情权：提高用户的信息安全意识，教育用户如何保护自己的个人信息，同时提供透明的隐私政策和信息收集声明。
数据最小化原则：仅收集和存储必要的个人信息，避免无谓的数据收集和使用。
需要注意的是，尽管有上述措施，个人信息安全仍然面临风险，因此个人在使用互联网和参与大数据活动时应保持警惕，选择可信赖的服务提供商，并定期检查和更新个人隐私设置。
大数据时代的弊端，就是被透明化的隐私安全。 我不知道大家有没有这样的生活经历：早上还在用浏览器搜“女生喜欢什么样的口红”，中午就看到了推送的口红广告；刚和朋友打完电话说旅行带什么背包，打开购物网站就看到了旅行包的推荐。 这个时候有一个疑惑，手机为什么知道我们想要什么？ 首先要知道，社交网站、购物网站包括你使用的苹果、安卓手机，是没有权限窃听你的电话或者盗取你的搜索资料的，只是你的行为数据让你的手机意识到了你具体想要什么。 再例如，你注册一个账号，需要输入自己的名字；手机号；性别；所在地；这些是微不足道的基础数据。 当然还有你的消费记录；打车频率；浏览的公众号类型；玩过的游戏...这些行为最后统统会变成几千个事实标签，成为你行为数据的一环节。 采集标签的目的，就是为了构建用户画像，从杂乱的标签当中，最终模拟一个和你兴趣、爱好、思想相近的“你”。 例如，你玩手机看到一篇内容标签为“美女”的文章，而这并不表明你真的喜欢美女，也可能是手滑点的。因此，手机判断你的兴趣喜好还要根据浏览的停留时间、搜索次数、是否评论转发等等。 当然，这关系到一个初级的内容标签权重算法：兴趣标签（ 美女 ）权重 = 行为权重 x 访问时长 x 衰减因子行为权重：什么都不干 1 分，评论 + 0.5，点赞 + 0.5，转发 + 2，收藏 + 1时长权重：10S 以内权重为 0.5，10S－60S 为 1，60S 以上为 2衰减因子：0 - 3 天内权重为 1，3 - 7 天权重为 0.85，7 - 15 天权重为 0.7，15 - 30 天权重为 0.5，30 天以上权重为 0.1（算法引自百度会学） 兴趣标签权重和你的阅读时长、评论、点赞、转发收藏有着密切关系，并且不同操作有着不同的加分数值，最终累积成行为权重。 这点有点类似网易云在私人FM为你推荐的歌曲类似。停留时间越长，时间权重也随之越高。 你经常浏览美女，评论关于美女的文章，看关于美女的视频，手机会将你一段时间内所有关于美女的兴趣权重累加，再以S形函数标准化，最终得到一个从0到10的兴趣标签值。 这个数值越高，你就对含有美女的内容越感兴趣。 不仅仅局限于内容兴趣，这种算法还能够根据你的消费能力、消费兴趣、社交习惯等多个维度建立用户画像，并计算你的喜好。 之后，这些喜好会被转换成特征向量，比如你的美女兴趣标签值是8，消费能力是5，社交偏好是2，那么向量表示为r（8,5,2）。 我们大散颤可以将特征向量想象成一个多维空间的一个坐标点，通过每个用户的向量坐标去带入余弦公式或距滚败离公式中，就能计算出和你相似的人，进而把用户分类。这是一个大工程。 但是行为数据只能计算出你的喜好，而无法判断出你的性别、学历等深入的个人属性。 这需要将已知性别和学历的用户作为样本，一些用来训练模型，一些用来测试精准度。现如今，各大平台对于用户性别的预测准确度达到90%以上。 因此，你的手机就能够得到大致这样一个用户画像，它包含了你的各项兴趣权重： 所以说，APP根据这个画像，便根据类似的广告信息，找到对应的消费者。 我们来看看广告主这边是如何操作的。 下面显示的是某广告投放平台的后台，广告主们可以自由组合用户属性，包括消费水平、婚恋情况、内容兴趣等上千个定向标签，最终选定广告位及投放时间，据系统计算的1.5元/千次曝光的价格，完成一次精准的广告投放。 并且，当一个住在北京海淀区大泥湾小区有过口红消费记录的单身男青年在刷到广告位的一瞬间，广告平台还会发起竞价请求，最终，价位较高的广告将会出现在用户的视线中。也就被你刷到了。 在广告推广平台的开发者文档，记录着用户详细的行为数据，精确度很高，甚至可以筛选出“2019.2.1到2019.2.10去过北京西单5次以上的人”。 需要说明一点，社交软件、购物网站、浏览器等APP的行为数掘纳据不仅对应你的账号，还和你手机唯一识别码关联在一起。Android系统手机的可以采集到的的唯一设备编码叫 IMEI，在iPhone 上叫IDFA 这也表示，就算你不注册不登录，行为数据照样会被采集。 与此同时，广告平台也能够根据你手机识别码在其他的APP上为你投放对应的广告，因此，就算你在浏览快手，也能够刷到旅行包广告。我们的隐私谁来保护？ 看到这里，小伙伴们似乎惊出一身冷汗，信息都被采集了，那我们的隐私谁来保护？别急，根据《个人信息安全规范》法则，商业广告平台的所有标签都应该避免精确定位到个人，这种做法也是为了保护用户的隐私安全。 当然，如果你是iPhone用户，并且不想看到这种采集你行为数据信息并向你推送广告的事情，你可以通过在设置中关闭IDFA码来限制手机对你的行为数据采集。写到最后 可以肯定一点，隐私保护的程度和表达自由的观念是称正比的，我们自己的信息被监视而无法匿名的情况下，我们也很难盼望APP们能够自由表达自己的想法和意见。所以说，将隐私有效地保护起来，实际上也是对政治性的重要需求。 如今，“全球网络倡议”（ the Global Network Initiative GNI），旨在保护和促进信息与通信技术的言论自由和隐私权。因此不比担心我们的“数据主权”被剥夺，因为还有法律在保护着我们。