① 大数据安全面临哪些风险及如何防护
现如今大数据已经逐渐改变了我们的生活方式，成为必不可少的存在，在我们享野首受大数据给我们带来的便利时，安全性无论对于企业还是个人都是必须要解决的重大课题。
总结大数据面临的三大风险问题如下
1.个人隐私问题凸显
例如大数据中的精准营销定位功能，通常是依赖于高度采集个人信息，通过多种关联技术分析来实现信息推广，精准营销。企业会掌握用户大量的数据，不排除隐私部分的敏感数据，一旦服务器遭到不法分子攻击导致数据泄露，很可能危及用户的隐私、财产甚至是人身安全。
2.数据准确与权威性
大数据通过各种渠道获取大量数据进行计算分析，企业通常直接通过分析结果进行支持决策，有时候企业只看结果，却忽略了源头数据的准确性，不准确的数据直接影响大数据分析的结果和企业的利益，错误的指导会对企业带来一定的风险与损失。
3.基础设施维护压力
数据量越大，对基础设施的性能要求就越高，同样对于网络的安全、恢复、防范依赖性就越强，一定程度上对企业设施安全的维护造成了压力，基础设施建设不完善、维护不到位，抱有没出问题就得过且过的态度，时刻面临被攻击的危险可能。
针对上述问题的防护措施如下
1.对用户早脊哗而言
虽然在互联网时代下要完全保护自己的隐私是比较困难的，但也要加强自身信息的防范意识。注册账号时，遵循最少原则，不要随意泄露敏感信息，降陆行低隐私信息被泄露的危险；
2.对企业而言
加强数据安全管理，实现数据的治理与清洗，从源头保证数据的一致性、准确性。首先升级基础服务器环境，建立多重防护、多级互联体系结构，确保大数据处理环境可信度。其次全方位实时监控、审计、防护，防止敏感数据泄露、丢失，确保数据风险可控，并不断通过体系化的大数据安全评估，形成数据安全治理的闭环管理；
3.对政策而言
应该加强对数据信息的保护，对数据的使用进行一定的监管与限制，对非法盗用、滥用数据信息者严惩，之后加强对技术安全研发使用的推广与实施，保证数据安全，加强对数据治理的力度。
大数据时代的到来，可以为我们的生活带来切实的利益，行业的数据规范正在建立并逐步趋于完善，对于我们来说，既不要因为安全风险问题而排斥大数据，也不要疏忽于对个人/企业信息的保护，合理看待和利用大数据，让其发挥真正的价值。
② 大数据安全层面的风险包括
大数据安全面临的挑战多种多样，其中包括异常流量攻击、信息泄露风险以及数据传输过程中的安全漏洞。
**异常流量攻击**
1. 大数据存储通常涉及庞大的数据量，并采用分布式存储方式。这种存储模式虽然提高了数据的可用性和可扩展性，但也使得数据路径更加透明，从而增加了数据保护的难度。黑客可能利用这些漏洞轻松发起攻击，对大数据安全构成威胁。
2. 在大数据环境中，存在大量终端用户，且用户类型多样。用户身份认证过程对计算资源的需求较大。高级持续性威胁（APT）攻击的针对性很强，且持续时间长。一旦攻击得逞，攻击者可以获取大数据分析平台的全部输出数据，从而引发严重的信息安全问题。
**信息泄露风险**
1. 大数据平台在信息采集和挖掘过程中，必须关注用户隐私数据的安全。在不泄露用户隐私的前提下进行数据挖掘至关重要。如何在分布式的信息传输和数据交换过程中确保用户隐私数据不被非法泄露或使用，是大数据信息安全面临的主要挑战之一。
2. 大数据的数据量是动态变化的，而传统的数据隐私保护技术主要针对静态数据。因此，如何有效应对大数据动态属性和表现形式的数据隐私保护，是一个需要关注的安全问题。此外，大数据中的数据远比传统数据复杂，现有的敏感数据隐私保护措施是否能够满足大数据的复杂性，也是一个需要考虑的安全问题。
**数据传输过程中的安全漏洞**
1. 数据生命周期中的安全问题不容忽视。随着大数据传输技术和应用的迅速发展，越来越多的安全隐患在数据传输生命周期的各个阶段和环节暴露出来。例如，在数据传输过程中，除了存在泄露和篡改的风险外，数据流攻击者还可能利用传输中的数据，导致数据在传播过程中逐渐失真。
2. 在大数据传输处理环节，除了数据未经授权使用和破坏的风险外，由于大数据传输的异构性、多源性和关联性等特点，即使多个数据集各自进行了脱敏处理，数据集之间仍可能因关联分析而导致个人信息泄露，这也是一个需要关注的安全问题。
③ 大数据弱点有哪些
大数据的弱点有：
1. 数据安全和隐私保护问题。
数据安全风险：大数据的集中存储和处理带来了更高的安全风险。黑客可能利用漏洞进行攻击，窃取或篡改数据。此外，数据泄露也可能导致敏感信息被不当使用。
隐私保护挑战：大数据的分析能够揭示大量个人和群体的信息，这可能导致隐私侵犯。例如，通过分析用户的消费行为、社交活动等数据，可以揭示个人的生活习惯、喜好乃至身份，这无疑对隐私保护提出了巨大挑战。
2. 数据质量及准确性问题。
数据质量问题：大数据环境下，数据的来源多种多样，数据质量参差不齐。可能存在大量无效、重复、错误的数据，这会影响数据分析的准确性和可靠性。
准确性受限：大数据分析的结果往往基于大量数据，但如果这些数据本身存在偏差或错误，那么分析结果的准确性就会受到影响。此外，数据的时效性问题也是影响准确性的一个重要因素。
3. 处理和分析技术的局限性。
技术挑战：大数据的处理和分析技术仍然存在局限性。对于非结构化数据、实时数据处理等复杂情况，当前的技术可能无法满足需求，需要持续的技术创新和改进。
算法优化的需要：目前许多数据分析算法还有待优化。随着数据量的增长和复杂度的提升，需要更高效的算法来处理和解析数据，以得到更准确、更有价值的信息。