大数据技术的广泛应用，让数据迸发出前所未有的价值和活力，但由于数据量大、数据源多、数据访问关系复杂等原因，致使数据安全缺乏精细化、规范化管理，也使得数据安全治理的重要性日益凸显．通过分析现有大数据应用中的数据安全问题和数据安全治理中的常见误区，提出数据安全治理的思路、原则和方法；并以分类分级为切入点，给出数据安全治理的技术架构；最后以大数据平台为例，给出数据安全治理的技术应用实践。
数据交易所的陆续成立都预示着数据将成为未来最重要的战略资源之 一，数据的采集和使用将深入到人们未来生活的方方面面。但也应当清醒地认识到，大数据时代个人隐私泄露、数据的滥用、数据伪造导致数据失真等安全风险一直存在，数据安全管理体系不健全、人员的安全意识不足、网络系统缺乏自治能力等问题突出，数据安全问题已成为制约 数据开发利用、价值挖掘的主要瓶颈。解决数据安全问题最根本的途径就是对数据进行有针对性的安全治理。近年来，关于数据安全治理的研究持续升温，如基于网络安全策略、基于量化评价和持续优化复合模型、基于数据全生命周期安全和基础安全、基于数据安全标识、基于数据安全保护技术，在金融数据、科学数据、跨境传输等方面也有相关研究基础。本文将通过对大数据应用中的数据安全问题和数据安全治理过程中的常见误区进行梳理和分析，提出数据安全治理的新思路，明确数据安全治理的要点、原则和方染甚至会产 生极端分析结果，严重影响正常的科研工作法，以分类分级为切入点，给出数据安全治理技术架构，并以大数据平台为例，给出数据安全治理的应用实践，以期达到更好的参考效果。
一、数据安全治理现状
1.1 大数据应用中的数据安全问题
大数据由于其数据量大、数据源多、用户多、系统接口多、数据访问关系复杂等原因，存在诸多安全问题，集中体现在以下几点：
1）敏感信息或个人隐私泄露。不便于对外公开的内部数据、个人敏感信息等因管理不善、技术防护能力不足、遭受网络攻击等而泄露给不相干的人或组织，或通过非正式渠道对外披露和共享。
2）数据非授权访问或滥用。高权限标识数据或高级别数据被低权限用户或非授权接口访问获取，或数据被用于采集目的之外的用途以及将不必要的数据共享给指定对象。
……………………
大数据应用中的数据安全治理技术与实现PDF完整版下载（文字可复制）：
https://www.aliyundrive.com/s/m7YRRKWcaem 提取码:6a9k