随着大数据在不同的领域蔓延，安全方面受到越来越多的关注。以前，我们使用具有中心控制的安全系统，但这并不足以保护你的应用程序免受入侵。我们就一起来了解一下，保护大数据安全都需要准备哪些安全工具。





　　保护大数据：基础设施准备



　　对于利用大数据系统来分析企业内活动的安全工具，企业安全团队必须了解传统安全修复工具和它们之间的基础设施差异。在现在的企业安全办公室，我们并不难找到报告不同类型安全数据(试图查找问题的安全分析师会对这些数据感兴趣)的各种安全工具，日志记录工具、安全监控工具、外围安全设备、应用程序访问控制设备、配置系统、供应商风险分析程序、GRC产品等，这些工具收集了大量信息，企业安全团队必须分解和规范化这些信息以确定安全风险。



　　虽然这些传统工具针对其特定类型的控制提供了数据视图，但这些系统的输出往往不是统一的，又或者这些数据被分解成汇总数据，并被输入到一个或者多个SIEM工具以在视觉上显示安全团队感兴趣的预定事件。一旦确定了某个趋势或者潜在事故，安全专业人士团队就必须从大量输出数据中筛选出证据以发现任何未经授权或恶意的活动。对于安全管理而言，这种“松散结合”的方法通常可行，但它速度很慢，很容易错过良好伪装的恶意事件，并且要在对大量历史数据进行收集、分析和总结后，才能发现严重的安全事件。



　　相比之下，大数据安全环境的创建需要依赖于前面提到的工具，为安全信息输入单一逻辑大数据安全信息仓库。这种仓库的优势在于，它将数据作为更大的安全生态系统的一部分，这个安全生态系统具有强大的分析和趋势分析工具来识别威胁，威胁需要通过检查多个数据集才能被确认，而不像传统的方法那样---安全团队通过虚拟放大镜来筛选松散耦合的数据集。



　　保护大数据：基础设施支持



　　当然在其核心，这种新环境将需要对基础设施进行调整，使其能够收集和分析数据。



　　为了创建支持大数据环境的基础设施，我们需要一个安全且高速的网络来收集很多安全系统数据源，从而满足大数据收集要求。鉴于大数据基础设施的虚拟化和分布式性质，企业需要将虚拟网络作为底层通信基础设施。此外，从承载大数据的角度来看，在数据中心和虚拟设备之间使用VLAN等技术作为虚拟主机(已经部署了虚拟交换机)内的网络是佳选择。由于防火墙需要检查通过防火墙的每个会话的每个数据包，它们成了大数据快速计算能力的瓶颈。因此，企业需要分离传统用户流量与构成大数据安全数据的流量。通过确保只有受信任的服务器流量流经加密网络通道以及**之间的传统基础设施防火墙，这个系统就能够以所需要的不受阻碍的速度进行通信。



　　接着，这个安全数据仓库的虚拟服务器需要受到保护。好的做法是，确保这些服务器按照NIST标准进行加强，卸载不必要的服务(例如FTP工具)以及确保有一个良好的补丁管理流程。鉴于这些服务器上的数据的重要性，我们还需要为大数据中心部署备份服务。此外，这些备份还必须加密--无论是通过磁带介质还是次级驱动器的备份，毕竟在很多时候，安全数据站点发生数据泄露事故都是因为备份媒介的丢失或者被盗。另外，应该定时进行系统更新，同时，为了进行集中监控和控制，还应该部署具有正式运营中心的系统监视工具。



　　大数据安全：整合现有工具和流程



　　为了确保大数据安全仓库位于安全事件生态系统的顶端，我们还必须整合现有安全工具和流程。当然，这些整合点应该平行于现有的连接，因为企业不能为了大数据的基础设施改组而放弃其安全分析功能。对于一项新部署，好的方法是尽量减少连接数量—通过连接企业和/或业务线的SIEM工具的输出到大数据安全仓库。由于这些数据已经被预处理，它将允许企业开始测试其分析算法与加工后的数据集。



　　在与安全信息和事件管理工具的整合工作完成后，初始趋势和事件将开始显现，我们还需要开发一个程序来去耦SIEM工具的输入使其直接进入仓库。好的做法是为输入选择一个良好定义的标准化数据格式，这将大大较少所需要的整合和规范化步骤，确保对数据仓库改善后的分析算法的持续验证。



　　随着时间的推移，改进的分析功能将使数据仓库成为企业安全工具的主要收集点，企业的安全办公室将拥有对安全事件分析的单一入口点。



　　大数据信息安全需要准备哪些工具.中琛魔方大数据分析平台(www.zcmorefun.com)表示没有单一的解决方案/工具/供应商可以保护您的数据，但是你可能需要使用不同的安全工具，这取决于需要保护的区域所处位置。因此，*终的解决办法是继续使用多种**的工具，随着时间的推移。