前些天 @xiaole 希望分享一些大数据安全方面的文章。我得说，鉴于信息安全是一个无处不在的全方位问题，它和是不是大数据其实没有必然关系，为了简化问题，让我们限定在数据安全、而且是大数据安全的范畴内。
基础设施：在大数据背景下，随着数据量和数据复杂程度的不断增加，基础设施环境的复杂性大幅度攀升。举例来说，从前的企业IT或许较少并行处理设备，而今天并行计算已成为标准配置，因此并行环境的安全问题日益突出。又如，从前的企业环境是相对封闭的，在大数据的要求下公网连接日益增加，防火墙外的安全区越来越大，成为安全挑战。
数据源：大数据分析要求企业接入越来越多的数据源。这些数据源不再像DW/BI时代一样局限于企业内部，而更多是来自外部的非结构化数据。这就要求企业对数据源进行分析，绘制企业数据架构，并厘清数据与权限的关系。同时，还要考虑数据本身的风险，例如第三方机构通过合法理由来访问数据，它是否成为安全隐患（例如被黑客利用）。
数据量：大数据的基本定义就是海量。随着数据量的增加，部署在企业网络中的安全技术和产品，有可能在性能、功能上不再满足要求。因此必须整合现有安全工具和流程，使其允许大数据流量和大数据处理，并强化安全工具的分析能力。
新技术：Hadoop、NoSQL等新技术已成为大数据的“标配”。然而，这些技术毕竟尚未经历大范围、长时间的广泛考验，其成熟度尚有不足，其安全隐患有可能未被发现。在一个较长的时期内，大数据新技术引发的安全问题或许较为突出——这相当程度上是因为企业IT人员对新技术掌握不够。
大数据隐私：大数据隐私是广被谈论的话题，甚至引发“大数据恐慌”（见《话说大数据恐慌》）。不过我个人觉得，尽管数据隐私问题在立法上仍有不足，但合理合法地开发大数据应用的企业，隐私问题并不会成为发展障碍——说到底，大数据并具体关心个体信息，而是基于海量数据进行价值发掘。
安全大数据：大数据并不只是引发安全问题，相反，大数据架构也能通过改进系统架构，相当程度地提高企业现有系统的安全性。安全大数据是其中一个实例。通过整合企业的安全数据，例如日志数据、用户上网行为数据等等，利用安全策略进行全企业的数据挖掘，能够加快定位安全问题，从而整体提高企业安全性。