关于数据安全与效率

思年华 2011-04-26 10:14:23

各位前辈：
大家好，小弟尚在象牙塔中磨练，最近需要写一篇论文——关于云中数据的安全性和查询效率。请各位前辈根据自己的一些实践经验，提点意见。不要觉得什么建议，只要有思路，本人不甚感激。相关信息如下：
云计算/云服务，企业将大量数据存入云中，却对云服务不是100%信任，所以存储的是加密的数据文件
企业有很多客户，需要访问数据，按照关键字进行数据查询，查询的关键字同样会被加密。
所以在云中需要进行加密信息的检索，还有什么多维检索，范围检索等等。
还有一些什么授权机制
本人看了一些论文，头都大了。特向各位请教，主要关注点是数据的安全性和访问效率。多谢了

...全文

82 3 打赏收藏转发到动态举报

写回复

用AI写文章

3 条回复

切换为时间正序

请发表友善的回复…

发表回复

xuri422 2011-06-09

打赏
举报

友情UP...

思年华 2011-05-02

打赏
举报

[Quote=引用 1 楼 yiyaaixuexi 的回复:]

所有敏感或重要的数据需要被妥善地存放在云存储架构中，包括归档数据。当归档数据通过磁带保管并运输时，对磁带的加密及密钥的管理也成为需要考虑的安全问题。
云计算所采用的技术和服务同样可以被黑客利用来发送垃圾邮件，或者发起针对下载、数据上传统计、恶意代码监测等更为高级的恶意程序攻击。所以，云计算安全技术和传统的安全技术一样：云计算服务提供商需要采用防火墙保证不被非法访问;使用杀病毒软件保证其……
[/Quote]

多谢您的回复，现在又一个方向是可检索加密，也就是数据加密后对云保密，但依然能够通过加密的关键字检索到需要的数据。相对来说，研究范围局限一些，不知您有没有什么好的想法？

念茜 2011-04-28

打赏
举报

所有敏感或重要的数据需要被妥善地存放在云存储架构中，包括归档数据。当归档数据通过磁带保管并运输时，对磁带的加密及密钥的管理也成为需要考虑的安全问题。
云计算所采用的技术和服务同样可以被黑客利用来发送垃圾邮件，或者发起针对下载、数据上传统计、恶意代码监测等更为高级的恶意程序攻击。所以，云计算安全技术和传统的安全技术一样：云计算服务提供商需要采用防火墙保证不被非法访问;使用杀病毒软件保证其内部的机器不被感染;用入侵检测和防御设备防止黑客的入侵;用户采用数据加密、文件内容过滤等防止敏感数据存放在相对不安全的云里。

课题一高性能高扩展的千亿级实时数据仓库全实现随着我们从IT时代步入DT时代，数据积累量也与日俱增，同时伴随着互联网的发展，越来越多的应用场景产生，传统的数据处理、存储方式已经不能满足日益增长的需求。而互联网行业相比传统行业对新生事物的接受度更高、应用场景更复杂，因此基于大数据构建的数据仓库最先在互联网行业得到了尝试。高性能高扩展的亿级电商全端实时数据仓库全实现（PC、移动、小程序），以热门的互联网电商实际业务应用场景为案例讲解，对电商数据仓库的常见实战指标以及难点实战指标进行了详尽讲解，具体指标包括：每日、月大盘收入报表、高付费用户分析报表、流量域多方位分析、营销域多方位分析、实时排行榜指标分析、用户主题分析、店铺主题时间区间分析等，数据分析涵盖全端（PC、移动、小程序）应用，与互联网企业大数据技术同步，让大家能够真正学到大数据企业级数据仓库的实战经验。本课程凝聚讲师多年一线大数据企业实际项目经验，大数据企业在职架构师亲自授课，全程实操代码，带你体验真实的大数据开发过程，代码现场调试。通过本课程的学习再加上老师的答疑，你完全可以将本案例直接应用于企业。课题二基于Flink+Hudi构建企业万亿级云上实时数据湖教程随着互联网的发展，数据的不断膨胀，从刚开始的关系型数据库到非关系型数据库，再到大数据技术，技术的不断演进最终是随着数据膨胀而不断改变，最初的数据仓库能解决我们的问题，但是随着时代发展，企业已经不满足于数据仓库，希望有更强大的技术来支撑数据的存储，包括结构化，非结构化的数据等，希望能够积累企业的数据，从中挖掘出更大的价值。基于这个背景，数据湖的技术应运而生。本课程基于真实的企业数据湖案例进行讲解，结合业务实现数据湖平台，让大家在实践中理解和掌握数据湖技术，未来数据湖的需求也会不断加大，希望同学们抓住这个机遇。项目中将以热门的互联网电商业务场景为案例讲解，具体分析指标包含：流量分析，订单分析，用户行为分析，营销分析，广告分析等，能承载海量数据的实时分析，数据分析涵盖全端（PC、移动、小程序）应用。课题三基于电商业务全链路数据中台落地方案（全渠道、全环节、全流程）在互联网发展浪潮中，数据对于企业的价值是非常大的，怎么管理好数据，以及快速挖掘数据价值，共享数据价值，急需一套解决方案，在数据开发中，核心数据模型的变化是相对缓慢的，同时，对数据进行维护的工作量也非常大；但业务创新的速度、对数据提出的需求的变化，是非常快速的。数据中台的出现，就是为了弥补数据开发和应用开发之间，由于开发速度不匹配，出现的响应力跟不上的问题。数据中台解决的问题，包括：效率问题、协作问题、能力问题，数据中台是聚合和治理跨域数据，将数据抽象封装成服务，提供给前台以业务价值的逻辑概念。本课程基于真实企业数据中台建设架构进行讲解，带大家构建数据中台，通过学习完本课程可以节省你摸索的时间，节省企业成本，提高企业开发效率。课程包含几大模块：数据源管理、数据接入管理、数据质量管理、数据质量报告、数据安全管理、数据查询IDE、数据血缘以及元数据管理、数据中台实战应用等，对于数据中台涉及到的业务以及技术进行详尽的讲解。

数据分类分级对于数据的安全管理至关重要，安全分类分级是一个“硬核课题”，从数据治理开始，除了标准化和价值应用，重要的课题就是质量+安全。安全是底线，是价值应用的前提和基础。数据分类可以为数据资产结构化管理、UEBA（用户及实体行为分析）、个人信息画像等数据治理工作提供有效支撑；数据分级通过对不同级别的数据设置相应访问权限、加密规则、脱敏规则等，可大大提升数据安全管控效率，是数据安全精细化管理的重要一步