廠商正在尋找“大數據”來幫助政府解決目前面臨的一些緊迫問題。但是，大數據本身通常也會帶來一些IT和信息安全方面的問題。廠商經常接觸大數據，仿佛這些大數據能夠使他們的數據庫容量迅速擴展和增加。因此，大數據的含義并不僅僅是大型數據庫，它包括新的工具、技術、部署和運營方式。大數據通常是云計算和虛擬化戰(zhàn)略不可分割的一部分。如果僅從傳統(tǒng)的IT角度來看，大數據意味著“大曝光”，這給信息安全帶來了風險。

雖然大數據的權威定義存在著爭議，但由于傳統(tǒng)IT專業(yè)人士的任務主要集中于如何處理、存儲和傳輸大數據，市場研究公司Forrester的分析師Mike Gualtieri給出的如下定義則易于被這些專業(yè)人士接受：大數據是一家公司存儲、處理和訪問所有數據能力的前沿。企業(yè)需要這些數據以便更有效地運營、作出決策、減少風險并服務客戶。

大數據的某些方面，包括應對傳統(tǒng)挑戰(zhàn)的傳統(tǒng)IT方式，并不需要全新的觀點。事實上，許多廠商已經為開發(fā)大數據安全的方法奠定了基礎。這個基礎包括云計算成熟的流程、持續(xù)監(jiān)控和遵守相關法規(guī)政策。例如，隨著廠商優(yōu)化自己持續(xù)不斷的監(jiān)控能力，他們可以利用現有的支持大數據的工具，包括安全漏洞管理和補丁服務。雖然這些能力都是解決大數據安全問題必不可少的第一步，但是，當考慮大數據與過去的海量數據處理和存儲之間的差異時，還需要一種新觀點。

大數據包含許多新技術、工具和做法(如，Hadoop, NoSQL, Pig, Hive, HBase等)以及數據倉庫策略，其中許多東西對于專業(yè)的安全人士來說都是陌生的，也形成了一個復雜的運營環(huán)境。

下面的例子充分展示了一些運營環(huán)境的復雜性，從安全角度和IT技術治理角度來看，這些復雜性屬于非傳統(tǒng)因素。

數據庫結構：雖然大多數傳統(tǒng)的數據庫廠商支持大數據，但是，他們是通過基于SQL或者其他相關結構來運行的。Hadoop和下一代數據庫都是為非結構化數據而設計的。

伸縮性：雖然基于主機的大小，大多數結構化數據庫系統(tǒng)是向上擴展的，但是，下一代技術則是水平擴展或是集群。一個廠商也許會利用500個小型系統(tǒng)同時運行形成一個集群，來代替一臺單一的數據庫服務器。這些小型系統(tǒng)中有些可能是虛擬的，有些可能是物理的，有些可能是在云中的。

配置管理：曾經有規(guī)定要求廠商開發(fā)出強勁的配置管理計劃，改組管理委員會，并確保安全影響分析作為系統(tǒng)改變的一部分來執(zhí)行。當處理大數據的時，成熟且強勁的配置以及改變管理方式都是必須的。

成本：由于新的節(jié)點可以在任何云提供商環(huán)境中或在一個廠商里的附加桌面上自動添加，所以要嚴格控制IT資源及支出成本。

運營 ：誰負責修補漏洞?誰負責漏洞掃描?如果軟件有漏洞且聯(lián)系不上廠商修復這個漏洞會發(fā)生什么事情?保證最基本的運營維護并且在決策制定過程中分配附加資源。由于擁有許多能夠利用云服務的大數據平臺，安全團隊一定要清楚任何改變都應該作為系統(tǒng)壽命的一部分來實施。

大數據仍然依賴同樣的IT基礎設施，就像系統(tǒng)在過去做的一樣。但是，大數據能夠極大地擴張并且使它復雜化。Hadoop等新軟件缺少成熟的安全模式、評估技術和自動化工具。這意味著安全團隊基本上依賴一些可操作的和可管理的技術，包括隔離和強大的可審計的訪問控制技術，以保證大數據不會成為“大曝光”。安全團隊必須以保護基礎設施和操作系統(tǒng)的整體的角度觀察大數據，盡可能使用自動化的和現有的政策。

通過使用具有成熟的改變和配置管理流程的方法，廠商可以利用大數據安全的好處。安全團隊需要更加相互協(xié)調并且參加數據科學家和業(yè)務部門的生活以便了解他們的工作方式以及他們的需要。雖然大數據對于許多廠商來說都是新的，但是，保護信息的原則和為運營引進成熟的管理通常不是新的。廠商應該利用其現有的運營和管理控制保護新的技術，同時開發(fā)自動化工具以增強嚴謹性、成熟度和自動化。