大数据时代来临，信息安全、数据泄漏的问题频频发生，有不少企业担心重要的数据外泄对企业形象及实际利益带来重大损害。对于企业来说，能够在信息安全防护中快速的找出威胁源头是至关重要的。本文就大数据时代的典型信息安全威胁进行分析，提出在数据安全方面的主要防护措施。
1 大数据环境下信息安全面临的主要挑战
1.1大数据集群数据库的数据安全威胁。当前大数据集群应用的数据库并不使用集中化的“围墙花园”模式（与“完全开放”的互联网它指的是一个控制用户对网页内容或相关服务进行访问的环境），内部的数据库并不隐藏自己，而使其它应用程序无法访问。没有“内部的”概念，大数据并不依赖数据访问的集中点。大数据将其架构暴露给使用它的应用程序，而客户端在操作过程中与许多不同的节点进行通信，要验证哪些数据节点和哪些客户有权访问信息是很困难的。
1.2智能终端的数据安全威胁。大数据时代的来临，使智能终端的数据安全问题显得越发关键。中国已经超过美国成为全求Zui大的智能终端市场。这些随身携带的终端不仅占用了人们大部分的时间，也存储了大量个人化的数据。人们对于大数据总有这样一种担忧：“大数据并不安全”。携带大量个人数据的智能终端也不安全，智能终端数据安全就变成了一个严重问题。智能家居开始走向产品化，如果你所用的智能手几可以控制家里的所有智能终端，一旦被病毒控制，估计全家的智能终端都会成为攻击目标，那后果就不堪设想了。
1.3数据虚拟化带来的数据泄密威胁。如果数据是财富，那么大数据就是宝藏，而数据虚拟化术就是挖掘和利用宝藏的利器。与任何虚拟化一样，数据虚拟化是一种允许用户访问、管理和优化异构基础架构的方法。而典型的应用则是数据的虚拟化存储技术。对于用户来说，虚拟化的存储资源就像是一个巨大的“存储池”，用户不会看到具体的磁盘、磁带，也不必关心自己的数据经过哪一条路径通往哪一个具体的存储设备。在应用虚拟化存储的面对异构存储设备的特点，如何统一监管则是一个新的难题，且虚拟化后不同密级信息混合存储在同一个物理介质上，将造成越权访问、数据泄密等问题。
2 大数据环境下的信息安全防护措施
2.1数据结构化。数据结构化对于数据安全和开发有着非常重要的作用。大数据时代的数据非常繁杂，其数量非常惊人，对于很多企业来说，怎样保证这些信息数据在有效利用之前的安全是一个十分严肃的问题。结构化的数据便于管理和加密，更便于处理和分类，能够有效的智能分辨非法入侵数据，保证数据的安全。数据结构化不能够彻底改变数据安全的格局，能够加快数据安全系统的处理效率。在未来，数据标准化，结构化是一个大趋势。
2.2加固网络层端点的数据安全。常规的数据安全模式通常是分层构建。现有的端点安全方式对于网络层的安全防护并不完美。一方面是大数据时代的信息爆炸，导致服务端的非法入侵次数急剧增长，这对于网络层的考验十分的严峻；另一方面由于云计算的大趋势，现在的网络数据威胁方式和方法越来越难以预测辨识，这给现有的端点数据安全模式造成了巨大的压力。在未来，网络层安全应当作为重点发展的一个层面。在加强网络层数据辨识智能化，结构化的基础上加上与本地系统的相互监控协调，杜绝非常态数据的运行，这样就能够在网络层构筑属于大数据时代的全面安全堡垒，完善自身的缺陷。
2.3加强本地数据安全策略。由于大数据时代的数据财富化导致了大量的信息泄露事件，而这些泄露事件中，来自内部的威胁更大。终端的数据安全已经具备了成熟的本地安全防护系统，但还需在本地策略的构建上需要加入对于内部管理的监控，监管手段。用纯数据的模式来避免由于人为原因造成的数据流失，信息泄露。在未来的数据安全模式中，管理者的角色权重逐渐分化，数据本身的自我监控和智能管理将代替一大部分人为的操作。在本地安全策略的构建过程中还要加强与各个环节的协调。由于现在的数据处理方式往往会依托于网络，在数据的处理过程中会出现大量的数据调用，在调用过程中就容易出现很大的安全威胁。这样就必须降本地和网络的链接做的更细腻，完善缓存机制和储存规则，有效保证数据源的纯洁，从根本上杜绝数据的安全威胁。
2.4建立异构数据中心安全系统。针对传统的数据存储，一般都建立了全面完善的防护措施。但基于云计算架构的大数据，还需完善数据存储隔离与调用之间的数据逻辑关系设定。目前，大数据的安全存储采用虚拟化海量存储技术来存储数据资源，数据的存储和操作都是以服务的形式提供。基于云计算的大数据存储在云共享环境中，为了大数据的所有者可以对大数据使用进行控制，可以通过建立一个基于异构数据为中心的安全系统，从系统管理上保证大数据的安全。
