随着企业信息化的建设和不断深化，创造价值的同时也给企业的数据安全引入了新的风险。企业关注的数据安全可分为结构化数据和非结构化数据两大类别。常见的非结构化数据有：内部研发技术文件、自主知识产权文件，运营资料，财务、人力资源资料等；结构化数据通常泛指存放在数据库里面的数据。
从数据安全的角度出发，对数据存在的安全风险事件进行分析，数据的安全风险总的来说可以划分为数据泄漏（数据的私密性和机密性受损）和数据遭破坏（数据的可用性、完整性和可信性受损）两大类。
数据的私密性受损通常意味着对个人数据的保护遭遇失败，而机密性受损通常意味着对关键的组织数据的保护受到损失，这些数据对组织机构可能具有战略价值。信息私密性控制失败可能会导致敲诈勒索、行贿受贿、民事纠纷或用户密码失窃。机密性（商业机密）控制失败可能会导致企业失去竞争优势。
大量事实表明，大数据未被妥善处理会对用户的隐私造成极大的侵害。根据需要保护的内容不同，隐私保护又可以进一步细分为位置隐私保护、标识符匿名保护、连接关系匿名保护等。人们面临的威胁并不仅限于个人隐私泄漏，还在于基于大数据对人们状态和行为的预测。目前用户数据的收集、存储、管理与使用等均缺乏规范，更缺乏监管，主要依靠企业的自律，用户无法确定自己隐私信息的用途。
当前企业面临大量的由于自由使用并且缺乏有效的信息安全管控，造成个人隐私数据及保密信息泄漏，给企业信息安全带来更多的威胁，数据的安全已是目前急需解决的问题。
具体的数据泄漏风险可以总结为以下几个方面：
l 企业的研发源代码，财务、运营资料，人力资源等敏感数据以不同的文件形式存在于每个人的终端电脑及SVN、FTP服务器中，很难准确定位和分析发现。
l 用户可因无意识行为，或有意识行为将终端的文件通过打印，共享文件，QQ传送，U盘拷贝，硬盘对拷，光盘刻录等多种应用程序方式进行传播，造成数据的泄漏。
l 仅限公司或部门内部流传的机密文件被散发至约束范围以外。
l 对于存在大量用户电脑里的敏感文件不了解，没有预知、准备。
l 重要文件由于需求被外发后，无法进行控制，会超出原本设定的流动限制。
l 外部人员通过自带电脑，连接公司内部SVN、FTP服务器进行敏感数据下载。
l 数据若发生泄漏，造成事故后，无法进行查找、追溯。
l 终端层面的数据保护往往面临着难以想象的复杂性，给管理和配置带来一定难度，一定程度上造成数据保护产品的使用效果难以保证。
l 企业内部的敏感数据除了可通过终端的打印、拷贝、刻录等途径进行外泄外，还可以通过网络的流通进行外泄，如网盘发送网络共享、微博、论坛等的发送都会造成敏感数据的泄漏。
l 大量的敏感信息可通过邮件方式进行相互发送。
l 公司内部敏感的文件被下载至个人终端电脑，给敏感数据的泄漏带来很大的隐患。
l 外部电脑随意登录公司内网，访问内部服务器，也会对公司内部的敏感信息造成威胁。
l 对发生过的泄漏事件及敏感数据的流向没有审计，无法为事后分析追溯提供依据。
l 现有的数据库内部操作不明，无法通过外部的任何安全工具来阻止内部用户的恶意操作、滥用资源和泄露企业机密信息等行为。
l 依赖于数据库日志文件的审计方法，存在诸多的弊端，比如：数据库审计功能的开启会影响数据库本身的性能、数据库日志文件本身存在被篡改的风险，难于体现审计信息的真实性。
l 对于如何有效识别企业内部的敏感文件、常见的泄漏渠道以及敏感动作频发的用户没有一个分析、参考机制。
l 如果所有信息都加密使用上会带来不便，但是信息都不加密又存在安全隐患。
l 即使部署终端管理系统，终端用户通过解除终端进程来避免被监控。
l 当网络意外断开后，客户端失效，日志丢失。
l 管理员失误或者有意识行为对用户的管理疏忽，产生管理层面的人为漏洞。
l 无法针对不同群体客户进行分级、分权，所有系统内人员监控、管理手段“一刀切”。
l 人员的职责、流程有待完善，内部员工的日常数据库操作有待规范，第三方维护人员的操作监控失效等等。
数据遭破坏主要是指对数据的可用性、完整性和可信性受损。
当数据完整性受到损害时，数据会无效或被破坏。除非通过建立备份和恢复过程可以恢复数据完整性，否则组织机构可能遭受严重损失，或基于无效数据而制定出不正确的和代价昂贵的决策。
如果数据管理人员对数据的使用权限不进行严格控制，对哪些人有数据访问权限、哪些人有数据修改更新权限，缺乏严格的检查控制措施，对用户在计算机上的活动没有进行监督检查，就会导致非授权用户非法存取、合法用户对数据进行篡改。导致数据被破坏，无法使用。
应用软件安全性和物理安全也会触发数据遭破坏。数据通常会结合使用开放式和封闭式源代码软件。多种软件研发模式共存大大增加了大数据系统出现安全问题的概率。应用程序的互通性：由于当前各个平台之间所存在的差异，系统的整合，很可能会引发安全漏洞，而一旦漏洞被攻击者利用，由于在大数据模型中，大量的应用程序相互关联，这一安全挑战因而也成为当务之急。而物理安全防护不当，数据介质则会面临安全威胁，数据遭破坏的风险也会随之增大。
如果不仔细甄别，数据也会欺骗，就像人们有时会被自己的双眼欺骗一样。数据可信性的威胁之一是伪造或刻意制造的数据，而错误的数据往往会导致错误的结论。如果数据应用场景明确，就可能有人刻意制造数据、营造某种“假象”，诱导分析者得出对其有利的结论。由于虚假信息往往隐藏于大量信息中，使得人们无法鉴别真伪，从而做出错误判断。为应对这一挑战，处理应用程序必须验证数据输入的来源是可信任的。
Copyright © 启明星辰 版权所有 京ICP备05032414号 
京公网安备11010802024551号
