Big Data, Big Security: Forsvar i dybden

I samarbejde med Oracle

Især i big data-tiden skal organisationer huske på, at sikkerhed ikke er en sluttilstand eller et enkeltstående projekt. I stedet er det et konstant arbejde i gang.

Samtidig er det vigtigt at bevare det rigtige mindset - det vil sige, at selvom organisationer naturligvis skal tage en flittig og ansvarlig tilgang til at sikre big data, bør deres indsats ikke være drevet af frygt. De skal simpelthen vedtage en datacentreret tilgang til sikkerhed.

Specifikt skal de anvende tre nøgletyper af sikkerhedskontroller:

• Forebyggende: Sikring af selve dataene forhindrer fejl eller cyberkriminelle i at få adgang til dataene; og hvis de gjorde det, ville dataene blive ubrugelige. Dette omfatter sikkerhedskontroller såsom kryptering, datamaskering og privilegerede brugerkontroller.

• Detektiv: Leder efter unormal adfærd ved for eksempel at revidere databaseaktivitet, overvåge systemer i hele big data-miljøet og levere overholdelsesrapporter eller advarsler om potentielle problemer.

• Administrativt: Implementering af værktøjer, der muliggør processer og procedurer for sikkerhed, såsom opdagelse af følsomme data, privilegeret brugeranalyse, konfigurationsstyring og funktioner til administration af krypteringsnøgler.

En omfattende datasikkerhedstilgang sikrer, at de rigtige personer, interne eller eksterne, altid får adgang til de relevante data og informationer på det rigtige tidspunkt og på det rigtige sted, i den rigtige kanal, siger Neil Mendelson, vicepræsident for big data og avanceret analyse hos Oracle .

Dybdeforsvarssikkerhed beskytter organisatoriske informationsaktiver ved at sikre og kryptere data, mens de er i bevægelse og i hvile. Det gør det også muligt for organisationer at adskille roller og ansvar og beskytte følsomme data uden at kompromittere privilegeret brugeradgang, tilføjer Mendelson. Desuden udvider det overvågning, revision og overholdelsesrapportering på tværs af traditionel datastyring til big data-systemer.

Organisationer har nu brug for big data-miljøer, der inkluderer autentificering og autorisation i virksomhedsklasse (Kerberos eller LDAP og Apache Sentry-projekt) og revision, der kan konfigureres automatisk ved installation, hvilket i høj grad forenkler processen med at hærde Hadoop.

Virksomheder oplever, at big data fungerer bedst i et miljø, der kombinerer Hadoop, NoSQL og relationelle databaser, siger Mendelson. For at realisere en robust og succesfuld big data-strategi er det vigtigt at bestemme, hvordan man integrerer disse teknologier under en big data-teknologiplatform.

En sådan platform er, hvor virksomheden styrer alle sine data og gør dem sikkert tilgængelige for resten af ​​organisationen til brug og analyse. Platformen omfatter også de kritiske systemer, der i øjeblikket bruges til at drive forretningen.

Sikring af big data-livscyklussen kræver følgende sikkerhedskontroller:

• Godkendelse og autorisation af brugere, applikationer og databaser

• Privilegeret brugeradgang og administration

• Kryptering af data i hvile og i bevægelse

• Dataredigering og maskering til ikke-produktionsmiljøer

• Adskillelse af ansvar og roller

• Implementering af mindste privilegier

• Transportsikkerhed

• API-sikkerhed

• Overvågning, revision, alarmering og rapportering

skjule