ENGINEERING AND IT
UDC 004.67
ГОРДІЄНКО Наталія Сергіївна
здобувач вищої освіти факультету комп’ютерних наук
Харківський національний університет радіоелектроніки
НАУКОВИЙ КЕРІВНИК:
МАТВЄЄВ Дмитро Ігорович
асистент кафедри програмної інженерії
Харківський національний університет радіоелектроніки
УКРАЇНА
Ключові слова: великі дані; захист інформації; персональні дані; аналіз великих даних; технології великих даних; бази даних; безпека інформації; конфіденційність даних.
Постановка проблеми.
Попит на захист даних стрімко зростає у профільних підприємствах, але необхідний рівень захисту інформації складно забезпечити, однак при реалізації проектів збору, зберігання та аналізу великих даних слід спочатку враховувати питання безпеки, бо в іншому випадку замість бізнес-можливостей підприємства отримають додаткові бізнес-ризики.
Технології обробки великих даних застосовуються в багатьох галузях: телекомунікаційної, фінансової, торгівлі, охороні здоров'я, інформаційних технологіях і багатьох інших [1]. Разом з тим, одним з найбільш істотних обмежень проектів в області великих даних аналітики вважають ризики недостатнього захисту інформації.
Безпека для проектів великих даних — це не тільки питання забезпечення доступності інформації. Дані, які виступають джерелом для аналізу, як правило, містять чутливу для бізнесу інформацію: комерційну таємницю, персональні дані. Порушення конфіденційності роботи з такими даними може обернутися серйозними проблемами, серед яких штрафи з боку регуляторів, відтік клієнтів, втрата ринкової капіталізації.
Аналіз останніх досліджень та публікацій.
Gemalto — компанія світовий лідер в галузі цифрової безпеки, опублікувала останні дані індексу критичності втрати даних, виявивши, що 945 порушень даних призвели до того, що в першій половині 2018 року в усьому світі було скомпрометовано 4,5 мільярда записів даних. У порівнянні з 2017 роком кількість втрачених, викрадених або скомпрометованих записів збільшилася на 133 відсотки, хоча загальна кількість порушень незначно зменшилася за той самий період, що сигналізує про збільшення тяжкості кожного з інцидентів [2].
У жовтні 2019 року дослідники Вінні Троя та Боб Дьяченко, які працюють у сфері інформаційної безпеки, виявили у мережі Інтернет відкритий сервер, на якому зберігаються бази даних, що містять загальнодоступні дані величезного числа людей. Сервер містив 4 терабайти інформації, сформованої з 1,2 мільярда записів [3].
Не дивлячись на великий обсяг, дані не містили конфіденційної інформації, такої як паролі, номери кредитних карток чи номери соціального страхування. Однак вони містили профілі сотень мільйонів людей, які включають номери домашніх і мобільних телефонів, пов’язані з ними профілі соціальних медіа, таких як Facebook, Twitter, LinkedIn та Github.
З точки зору зловмисника, метою якого є сфальсифікувати людину або викрасти її облікові записи, маючи імена, номери телефонів та пов’язані URL-адреси облікових записів, – це достатня кількість інформації в одному місці, щоб розпочати роботу.
Діючи підходи для забезпечення захищення технологій роботи з великими обсягами інформації, як правило, засновані на використанні розрізнених заходів при відсутності єдиної концепції захисту. Необхідно створювати заходи, орієнтовані на захист критичних даних на всіх етапах їх обробки – від збору, до аналізу та розміщення у базах.
Мета статті.
Метою статті є висвітлення необхідності дотримання комплексних, індивідуальних для кожної організації, заходів контролю безпеки зберігання даних, аналіз шляхів мінімізації наявних ризиків втрати даних.
Виклад основного матеріалу.
Великі дані – термін, що використовується для позначення структурованих і неструктурованих даних величезних обсягів і широкого різноманіття, ефективно оброблюваних спеціалізованими програмними інструментами. Великі дані вважають соціально-економічним феноменом, що виник разом з появою технологічних можливостей аналізувати величезні масиви інформації, а в деяких проблемних областях – глобальний світовий обсяг даних [4].
Визначальними характеристиками великих даних заведено вважати три основні: обсяг – розмір фізичного обсягу; швидкість – у розумінні як швидкості приросту даних, так і необхідності їх високошвидкісної обробки; різноманіття – в сенсі можливості одночасної обробки різних типів однорідної або неоднорідної інформації [5]; зараз існують різні варіації та інтерпретації цих ознак.
Велику частину сучасних дистрибутивів великих даних складають розподілені фреймворки програмування, такі як Hadoop, але вони мають серйозний ризик витоку інформації. Серед недоліків таких технологій можна виділити вразливості технологій або програмного забезпечення; наприклад, платформа Hadoop повністю написана на мові Java, яка широко використовується злочинцями. Вадою подібних фреймворків є також уявлення про правила безпеки: різні типи користувачів у цих політиках не виокремлені належним чином, і тому вимагають більш детальних умов, як для рівня обслуговування, так і для рівня даних [6].
Для забезпечення надійного доступу до ресурсів деякі організації спочатку застосовують протоколи автентифікації в мережі, наприклад, Kerberos, забезпечуючи відповідність заздалегідь визначеній всередині компанії політиці захисту.
Необхідність постійної наявності центрального сервера є проблемою при використанні подібних протоколів. Коли сервер не відповідає, нові користувачі не можуть увійти. Недолік може бути усунуто за допомогою декількох відповідальних серверів і резервних механізмів автентифікації [7].
На наступному етапі дані «деідентифікують», від’єднавши всю особисту інформацію, щоб переконатися, що особиста конфіденційність клієнтів не порушена. Після цього надають дозвіл на доступ до файлів із заздалегідь визначеною політикою безпеки, а потім переконуються, що створений код не стане причиною витоку інформації через системні ресурси, використовуючи мандатне управління доступом, наприклад інструмент Sentry в Apache HBase або PhpGACL [8].
Після цих етапів основна частина забезпечення первинного захисту закінчена, але необхідно також запобігти витоки даних при регулярному обслуговуванні. Зазвичай, ІТ-відділ компанії повинен перевіряти робочі вузли у вашому хмарному чи віртуальному середовищі, стежити за фальшивими вузлами або зміненими дублікатами даних.
Важливо захищати дані, що вже існують в сховищах. Розглянемо приклад з не реляційними базами даних (NoSQL), які є загально використовуваними, але також вразливими до атак, таких як NoSQL-ін’єкції. Часто використовуваним рішенням у цьому випадку є шифрування або хешування даних, актуальним вважають наскрізне (кінцеве) шифрування, яке можна реалізувати такими алгоритмами, як розширений стандарт шифрування (AES), RSA шифруванням та алгоритмом безпечного хешу (SHA-256). За необхідністю створюють також захист транспортного рівня (TLS) та шифрування захищеного шару сокетів (SSL).
Основним недоліком хешування можуть стати витрати часу на одну операцію. Зокрема, якщо хеш-таблиця використовує динамічну зміну розміру, операція вставки або видалення може іноді займати час, пропорційний кількості записів. Це може бути серйозною проблемою додатків, що потребують миттєвого відгуку.
Підтримувати конфіденційність у масивах даних, що постійно зростають можна впроваджуючи такі методи, як диференціальна конфіденційність – метод максимізації точності запитів при мінімізації ідентифікації запису.
B багатьох випадках принципу диференціальної конфіденційності можна досягти, якщо додати випадковий шум до результатів. Наприклад, замість простого повідомлення та підсумкового результату може бути винесено розрізнення Гауса чи Лапласа, і цей результат буде не таким точним - він маскуватиме кожне конкретне значення в базі.
Чим більше користувач має намір «питати» у бази даних, тим більше шуму доведеться додати, щоб мінімізувати витік інформації. Це означає, що диференціальна захищеність, фактично, являє собою фундаментальний компроміс між точністю і безпекою персональних даних, що може вилитися у велику проблему при тренуванні складних моделей машинного навчання.
Коли витік інформації виходить за розрахункові межі, які вимірюють, чи у безпеці система, то далі без ризику для конфіденційності користувачів продовжувати не
можна [9].
В разі якщо атака на систему трапилася обов’язковим для захисту великих даних є граничний аудит. Цілісність та конфіденційність інформації про аудит також є важливими. Інформація про аудит повинна зберігатися окремо і бути захищена деталізованим контролем доступу користувачів та регулярним моніторингом. Під час налаштування аудиту слід зберігати великі дані та дані аудиту окремо, намагатися обробляти якомога детальнішу інформацію; для таких цілей можна використовувати комплекс інструментів Elastic, Splunk або LogPacker [10].
Висновки.
Різноманіття технологій та інструментів захисту створює складнощі в прийнятті рішень про багаторівневий захист інформації для підприємств. За даними багатьох наукових видань найбільш актуальними на даний момент вважають використання мережевих протоколів автентифікації (Kerberos), інструменти мандатного управління доступом (Sentry в Apache HBase), алгоритми шифрування у якості інструментів блокування атак сховищ даних (End-to-end encryption). Ці заходи є ефективними та широко використовуються фахівцями з безпеки даних.
Нові технології захисту, такі як диференціальна конфіденційність, дозволяють обробляти лише необхідну інформацію, що активно застосовується у системі, з мінімальною ідентифікацією записів. Швидкодія системи може зменшуватися внаслідок використання великої кількості обраних засобів захисту, та збільшенням обсягів вихідної інформації. Тому при використанні таких методів необхідні постійні професійний моніторинг та супровід, новітні технічні можливості в обчислювальній техніці.
Технічним експертам з боку підприємств варто проводити аудит обсягів даних та систем їх використання. Важко обрати єдиний захід, який усуне всі ризики витоку інформації. Актуальним рішенням є комплекс з двох методів: метод організації автентифікованого доступу та хешування даних.
СПИСОК ВИКОРИСТАНИХ ДЖЕРЕЛ:
Карпова, А. (2019). Как используются большие данные в бизнесе: примеры и сервисы. VC.RU. Получено из https://vc.ru/services/74841-kak-ispolzuyutsya-bolshie-dannye-v-biznese-primery-i-servisy
Data Breaches Compromised 4.5 Billion Records in First Half of 2018. (2018). Gemalto. Retrieved from https://www.gemalto.com/press/pages/data-breaches-compromised-4-5-billion-records-in-first-half-of-2018.aspx
Newman, L. (2019). 1.2 Billion Records Found Exposed Online in a Single Server. Wired. Retrieved from https://www.wired.com/story/billion-records-exposed-online/
Майер-Шенбергер, В. & Кукьер, К. (2014). Большие данные. Революция, которая изменит то, как мы живём, работаем и мыслим. Москва: МИФ.
Карнакус, К. (2011). Машина Больших Данных. OSP. Получено из http://www.osp.ru/nets/2011/04/13010802/
Bhathal, G. (2019). Big Data: Hadoop framework vulnerabilities, security issues and attacks. ScienceDirect. Retrieved from https://www.sciencedirect.com/science/article/pii/S2590005619300025#
Seltser, L. (2014). Details emerge on Windows Kerberos vulnerability. ZDNet. Retrieved from https://www.zdnet.com/article/details-emerge-on-windows-kerberos-vulnerability/
Lamarsey. (2019). Ролевая модель данных прав доступа для web-ресурса. Хабр. Получено из https://habr.com/ru/post/217383/
Green, M. (2016). A Few Thoughts on Cryptographic Engineering. Retrieved from https://blog.cryptographyengineering.com/2016/06/15/what-is-differential-privacy/
Cepero, R. (2018). Best Log Management Tools for Security Auditing. Retrieved from https://bleuwire.com/best-log-management-tools-for-security-auditing/
HORDIIENKO N., Student of Computer Science Faculty
Kharkiv National University of Radio Electronics
UKRAINE
SCIENTIFIC ADVISER:
MATVIEIEV D., Assistant of the department of Software Engineering
Kharkiv National University of Radio Electronics
UKRAINE
Abstract. Big data has posed new challenges for traditional storage and processing systems, including maintaining data security. This article examines possible solutions, limitations that do not allow it to be done effectively, as well as the measures used to minimize the risk of damage and loss of information.
Keywords: big data; information protection; personal data; big data analysis; big data technologies; databases; information security; data privacy.