大数据基础设施面临的安全威胁有哪些

大数据基础设施面临的安全威胁有以下这些：

• 非授权访问：即没有预先经过同意，就使用网络或计算机资源。例如，有意避开系统访问控制机制，对网络设备及资源进行非正常使用，或擅自扩大使用权限，越权访问信息。主要形式有假冒、身份攻击、非法用户进入网络系统进行违法操作，以及合法用户以未授权方式进行操作等。

• 信息泄露或丢失：包括数据在传输中泄漏或丢失（例如，利用电磁泄漏或搭线窃听方式截获机密信息，或通过对信息流向、流量、通信频度和长度等参数的分析，窃取有用信息等）、在存储介质中丢失或泄漏，以及“黑客”通过建立隐蔽隧道窃取敏感信息等。

• 网络基础设施传输过程中破坏数据完整性：大数据采用的分布式和虚拟化架构，意味着比传统的基础设施有更多的数据传输，大量数据在一个共享的系统里被集成和复制，当加密强度不够的数据在传输时，攻击者能通过实施嗅探、中间人攻击、重放攻击来窃取或篡改数据。

• 拒绝服务攻击：即通过对网络服务系统的不断干扰，改变其正常的作业流程或执行无关程序，导致系统响应迟缓，影响合法用户的正常使用，甚至使合法用户遭到排斥，不能得到相应的服务。

• 网络病毒传播：即通过信息网络传播计算机病毒。针对虚拟化技术的安全漏洞攻击，黑客可利用虚拟机管理系统自身的漏洞，入侵到宿主机或同个宿主机上的其他虚拟机。

从以下方面加强大数据安全管理：

• 规范大数据建设：大数据建设是一项有序的、动态的、可持续发展的系统工程，规范的业务运行机制、标准和共享平台建设至关重要。标准化建设可以促进大数据管理过程的正规有序，实现各级各类信息系统的网络互连、数据集成、资源共享，在统一的安全规范框架下运行。

• 完善大数据资产管理：大数据时代，需要将数据转化为信息，将资源转化为资产。大数据只是原始材料，资产化才是大数据应用的开始。大数据资产管理要能够清楚地定义数据元素，包括数据格式、统计表以及其他属性等；描述数据元素定义的信息来源；记录使用信息，包括数据元素的产生、修改情况（人员及日期等）、访问、使用情况等。用户要能够跟踪到大数据资产在整个分析、设计及开发流程中的所有状态，包括中间过渡状态。大数据资产管理不仅是通过各种建模工具来记录需求、业务过程、概念、逻辑和物理数据模型，而且要能将所有模型进行合理的集成。

• 建立以数据为中心的安全系统：新一代数据中心需要以集成的方法来管理设备、数据、应用、操作系统和网络，内容包括资源保护、数据保护及验证机制的安全技术组合。可以通过建设一个基于异构数据为中心的安全体系，从系统管理上保证大数据的安全。为了确保数据中心系统的安全，防护系统主要通过防火墙、入侵检测系统、安全审计、抵抗拒绝服务攻击、流量整形和控制、网络防病毒系统来实现全面的安全防护。同时，通过使用加密、识别管理并结合其他主动安全管理技术，贯穿于数据从使用到迁移、停用的全部过程。

• 做好大数据安全风险评估：不同类型的数据形式以及数据的不同状态，都有其不同的风险等级。针对大数据的固有特点，可以将其分为不同的安全风险等级，从而加强安全防范，并在实际生产中明确安全风险治理目标，降低企业数据泄露风险，分析并消除信息安全盲点。

• 建立和完善大数据安全管理的法律法规：从国家层面加强基础设施安全、数据安全、个人隐私保护、数据跨境流动等方面的法律法规环境的建设，建立和健全合理的行业自律和管理制度，以保障我国大数据产业健康有序发展和保护用户的合法权益。

• 提高企业员工安全意识：数据安全管理需要自上而下的贯彻执行，企业员工需要积极参与产品及服务的研发过程，并将安全整合到企业的发展战略中，促进安全的数据应用转化为商业价值。在此过程中，需要提升员工对大数据安全威胁的识别能力，了解正在使用数据的价值，充分认识到管理在企业数据安全中的重要性。企业也需要对员工进行定期地安全培训，并结合周期性的安全攻防演习，以检验培训的成果。