与传统数据安全相比，大数据安全有什么不同
传统数据安全技术的概念是基于保护单节点实例的安全，例如一台数据库或服务器，而不是像Hadoop这样的分布式计算环境。传统安全技术在这种大型的分布式环境中不再有效。另外，在大规模的Hadoop集群中，各服务器和组件的安全配置出现不一致的机率将大大增加，这将导致更多的安全漏洞产生。大数据平台存储着各种各样的数据，每一种数据源都可能需要有其相应的访问限制和安全策略。而当需要整合不同数据源时，就变得更加难以平衡对数据的安全策略的应用。同时，快速增长的海量数据使得大数据平台中的敏感信息和个人隐私信息无处不在，准确发现和定位敏感信息并制定针对性的访问控制策略变得愈加困难，而对敏感信息的访问的实时监控也是保障大数据安全的重要任务之一。最后，大数据技术很少单独使用Hadoop，而是会结合生态系统中的其它技术组件如HBase，Spark，Impala，Hive，Pig等对数据进行抽取、存储、处理、计算等。这些技术使得大数据可被访问和利用，但基本都缺乏企业级的安全特性。以上从平台、数据、技术视角对大数据安全与传统数据安全进行了简单的分析，传统安全工具没有为数据多样化、数据处理及Hadoop的分布式特性而改进，不再足以能保证大数据的安全。传统数据安全技术的概念是基于保护单
