① 大數據安全面臨哪些風險及如何防護
現如今大數據已經逐漸改變了我們的生活方式，成為必不可少的存在，在我們享野首受大數據給我們帶來的便利時，安全性無論對於企業還是個人都是必須要解決的重大課題。
總結大數據面臨的三大風險問題如下
1.個人隱私問題凸顯
例如大數據中的精準營銷定位功能，通常是依賴於高度採集個人信息，通過多種關聯技術分析來實現信息推廣，精準營銷。企業會掌握用戶大量的數據，不排除隱私部分的敏感數據，一旦伺服器遭到不法分子攻擊導致數據泄露，很可能危及用戶的隱私、財產甚至是人身安全。
2.數據准確與權威性
大數據通過各種渠道獲取大量數據進行計算分析，企業通常直接通過分析結果進行支持決策，有時候企業只看結果，卻忽略了源頭數據的准確性，不準確的數據直接影響大數據分析的結果和企業的利益，錯誤的指導會對企業帶來一定的風險與損失。
3.基礎設施維護壓力
數據量越大，對基礎設施的性能要求就越高，同樣對於網路的安全、恢復、防範依賴性就越強，一定程度上對企業設施安全的維護造成了壓力，基礎設施建設不完善、維護不到位，抱有沒出問題就得過且過的態度，時刻面臨被攻擊的危險可能。
針對上述問題的防護措施如下
1.對用戶早脊嘩而言
雖然在互聯網時代下要完全保護自己的隱私是比較困難的，但也要加強自身信息的防範意識。注冊賬號時，遵循最少原則，不要隨意泄露敏感信息，降陸行低隱私信息被泄露的危險；
2.對企業而言
加強數據安全管理，實現數據的治理與清洗，從源頭保證數據的一致性、准確性。首先升級基礎伺服器環境，建立多重防護、多級互聯體系結構，確保大數據處理環境可信度。其次全方位實時監控、審計、防護，防止敏感數據泄露、丟失，確保數據風險可控，並不斷通過體系化的大數據安全評估，形成數據安全治理的閉環管理；
3.對政策而言
應該加強對數據信息的保護，對數據的使用進行一定的監管與限制，對非法盜用、濫用數據信息者嚴懲，之後加強對技術安全研發使用的推廣與實施，保證數據安全，加強對數據治理的力度。
大數據時代的到來，可以為我們的生活帶來切實的利益，行業的數據規范正在建立並逐步趨於完善，對於我們來說，既不要因為安全風險問題而排斥大數據，也不要疏忽於對個人/企業信息的保護，合理看待和利用大數據，讓其發揮真正的價值。
② 大數據安全層面的風險包括
大數據安全面臨的挑戰多種多樣，其中包括異常流量攻擊、信息泄露風險以及數據傳輸過程中的安全漏洞。
**異常流量攻擊**
1. 大數據存儲通常涉及龐大的數據量，並採用分布式存儲方式。這種存儲模式雖然提高了數據的可用性和可擴展性，但也使得數據路徑更加透明，從而增加了數據保護的難度。黑客可能利用這些漏洞輕松發起攻擊，對大數據安全構成威脅。
2. 在大數據環境中，存在大量終端用戶，且用戶類型多樣。用戶身份認證過程對計算資源的需求較大。高級持續性威脅（APT）攻擊的針對性很強，且持續時間長。一旦攻擊得逞，攻擊者可以獲取大數據分析平台的全部輸出數據，從而引發嚴重的信息安全問題。
**信息泄露風險**
1. 大數據平台在信息採集和挖掘過程中，必須關注用戶隱私數據的安全。在不泄露用戶隱私的前提下進行數據挖掘至關重要。如何在分布式的信息傳輸和數據交換過程中確保用戶隱私數據不被非法泄露或使用，是大數據信息安全面臨的主要挑戰之一。
2. 大數據的數據量是動態變化的，而傳統的數據隱私保護技術主要針對靜態數據。因此，如何有效應對大數據動態屬性和表現形式的數據隱私保護，是一個需要關注的安全問題。此外，大數據中的數據遠比傳統數據復雜，現有的敏感數據隱私保護措施是否能夠滿足大數據的復雜性，也是一個需要考慮的安全問題。
**數據傳輸過程中的安全漏洞**
1. 數據生命周期中的安全問題不容忽視。隨著大數據傳輸技術和應用的迅速發展，越來越多的安全隱患在數據傳輸生命周期的各個階段和環節暴露出來。例如，在數據傳輸過程中，除了存在泄露和篡改的風險外，數據流攻擊者還可能利用傳輸中的數據，導致數據在傳播過程中逐漸失真。
2. 在大數據傳輸處理環節，除了數據未經授權使用和破壞的風險外，由於大數據傳輸的異構性、多源性和關聯性等特點，即使多個數據集各自進行了脫敏處理，數據集之間仍可能因關聯分析而導致個人信息泄露，這也是一個需要關注的安全問題。
③ 大數據弱點有哪些
大數據的弱點有：
1. 數據安全和隱私保護問題。
數據安全風險：大數據的集中存儲和處理帶來了更高的安全風險。黑客可能利用漏洞進行攻擊，竊取或篡改數據。此外，數據泄露也可能導致敏感信息被不當使用。
隱私保護挑戰：大數據的分析能夠揭示大量個人和群體的信息，這可能導致隱私侵犯。例如，通過分析用戶的消費行為、社交活動等數據，可以揭示個人的生活習慣、喜好乃至身份，這無疑對隱私保護提出了巨大挑戰。
2. 數據質量及准確性問題。
數據質量問題：大數據環境下，數據的來源多種多樣，數據質量參差不齊。可能存在大量無效、重復、錯誤的數據，這會影響數據分析的准確性和可靠性。
准確性受限：大數據分析的結果往往基於大量數據，但如果這些數據本身存在偏差或錯誤，那麼分析結果的准確性就會受到影響。此外，數據的時效性問題也是影響准確性的一個重要因素。
3. 處理和分析技術的局限性。
技術挑戰：大數據的處理和分析技術仍然存在局限性。對於非結構化數據、實時數據處理等復雜情況，當前的技術可能無法滿足需求，需要持續的技術創新和改進。
演算法優化的需要：目前許多數據分析演算法還有待優化。隨著數據量的增長和復雜度的提升，需要更高效的演算法來處理和解析數據，以得到更准確、更有價值的信息。