《大数据基础及大数据安全》

《大数据基础及大数据安全》 ——段方 北京大学博士后
1 概述
1.1 大数据的概念和特点
1.1.1 大数据的基础
1.1.2 大数据如何“ 与时俱进”？
1.1.3 大数据发展趋势
人工智能
物联网结合
各个行业的深入
1.2 大数据的技术基础
1.2.1 从数据仓库开始
1.2.2 HADOOP 生态圈
1.2.3 与云计算的关系
1.2.4 数据运维能力提升
1.3 大数据的应用举例
1.3.1 大数据提升客户分析能力
1.3.2 大数据提升产品分析能力
1.3.3 大数据提升管理水平
1.3.4 大数据提升各行业“智慧”
1.4 大数据下的人工智能（AI）
1.4.1 什么是人工智能
1.4.2 人工智能改变哪些行业？
1.4.3 大数据下的人工智能有何不同？
1.4.4 人工智能的“颠覆 ”
1.5 大数据如何精细化管理
1.5.1 量化管理的引出
1.5.2 大数据如何提升“量化”的维度和深度
1.5.3 从艺术到技术
1.5.4 自动驾驶到自动管理？
1.6 大数据业界趋势
1.6.1 数据更加丰富（跨行业）
1.6.2 计算能力更强（边缘计算）
1.6.3 结合业务应用场景（行业解决方案）
1.6.4 开源改变了商务模式（生态圈）
1.7 大数据商业战略
1.7.1 数据变现能力
1.7.2 分析变现能力
1.7.3 服务变现能力
1.7.4 产业链的服务模式
1.8 智慧银行的概念
1.8.1 广义概念
企业角度的智慧 服务的智慧
产品的智慧 管理的“颠覆 ”
1.8.2 狭义概念
智慧营业厅
智慧化设备（排队机、柜台等）
1.9 大数据对传统银行的意义
1.9.1 对客户的深度理解
1.9.2 服务客户的每个金融需求
1.9.3 重塑辉煌的唯一机遇
1.9.4 逆转“ 中介”的宿命
1.10 【思考】大数据为什么能够成为中国的国家战略？
2 大数据技术基础（可选）
2.1 从数据仓库开始
2.1.1 数据仓库的“集中 ”
2.1.2 数据仓库的模型标准化
2.1.3 大数据的演进
2.2 HADOOP 生态圈
2.2.1 开源社区概述
2.2.2 开源改变了什么？
2.2.3 HADOOP 生态圈内容
2.2.4 HADOOP 的技术原则
2.2.5 HADOOP 的运维
2.3 HADOOP 基础
2.3.1 HDFS 的原理
2.3.2 MAP/REDUCE 原理
2.3.3 YARN 原理
2.4 HIVE/HBASE 技术
2.4.1 HIVE 的原理
2.4.2 HBASE 的原理
2.4.3 两者的关系
2.5 SPARK 技术
2.5.1 基本原理
2.5.2 应用案例
2.6 KAFKA/FLUME
2.6.1 基本原理
2.6.2 应用案例
2.7 大数据如何助力智慧银行
2.7.1 是所有新技术的基础
2.7.2 数据维度前所未有丰富（物联网、VR/AR、区块链等收 集的数据）
2.7.3 分析能力前所未有（人工智能等算法突破）
2.8 人工智能在智慧银行中的应用
2.8.1 客户的生物识别
2.8.2 算法精度改良
2.8.3 更强的风险监控
2.9 【思考】各个技术的特点对比
3 大数据安全——定义及范围
3.1 数据安全定义
3.2 与传统安全技术的关系
3.3 相关数据安全的法律规定
3.4 敏感数据的定义和范围
3.5 数据安全管控技术
3.6 加密与解密的方法综述
3.7 数据使用权限管理
3.8 【案例】基于大数据进行群体欺诈分析
4 大数据安全管理架构
4.1 层层防御的技术理念
4.1.1 从敏感数据角度的层层防御
4.1.2 从数据出来环节的层层防御
4.1.3 从数据生命周期的层层防御
4.2 数据访问策略
4.2.1 隐私数据策略管理
4.2.2 告警策略管理
4.3 “ 三分技术、七分管理 ”
4.3.1 安全管理的重要性
4.3.2 安全管理的内容和范围
4.3.3 技术围绕管理需求
4.4 与网络安全的关系
4.4.1 层次不同
4.4.2 解决网络突破后的数据安全问题
4.5 数据导出管理与监控
4.5.1 数据水印技术
4.5.2 访问轨迹追踪
4.6 安全管理的关键点
4.6.1 明确的规章制度
4.6.2 严格地执行规章制度
4.7 访问终端的安全管控
4.7.1 终端的安全管控原则
4.7.2 应用的管控流程
4.8 机房的安全管控要求
4.8.1 设备隔离要求
4.8.2 访问监控要求等
4.9 【案例】某企业大数据安全架构示例
5 数据加密方法（可选）
5.1 加密算法概述
5.1.1 算法的分类
5.1.2 算法的特点评估
5.2 加密算法的选择和评估
5.2.1 选择的原则
5.2.2 如何评估和对比
5.3 加密算法的原理
5.4 加密算法的对比
5.4.1 性能方面
5.4.2 可逆或不可逆
5.4.3 与数据特点的结合
5.5 数据脱敏算法效率考量
5.5.1 数据量的评估
5.5.2 加密、解密效率评估
5.5.3 安全等级选择
6 数据金库等管理应用
6.1 4A 认证模式
6.1.1 4A 概念
6.1.2 与大数据权限管理的关系
6.2 金库管理模式
6.2.1 何为金库模式？
6.2.2 金库模式的要点
6.2.3 金库模式的意义
6.3 管理规章制度设计
6.3.1 设计哪些规章制度
6.3.2 规章制度的设计原则
6.3.3 规章制度的设计分类
6.4 访问日志管理
6.4.1 大数据的日志如何管理
6.4.2 日志的价值分析
6.4.3 日志的分析应用
6.5 安全实时告警
6.5.1 如何进行实时监控
6.5.2 监控规则的实时计算
6.5.3 告警信息的实时传送
6.6 【案例】某企业数据金库案例
7 安全的大数据分析（可选）
7.1 安全态势感知概念和范围
7.2 态势感知的大数据收集
7.3 态势感知的检测
7.4 态势感知的分析、响应
7.5 态势感知的预测
7.6 态势感知的防御
7.7 还有哪些应用？
7.8 【案例】安全态势感知技术介绍
8 HADOOP 系统安全防护
8.1 开源系统的安全防护问题
8.2 与传统数据仓库安全的对比
8.3 HADOOP 漏洞分析
8.4 HADOOP 生态补丁策略
8.5 加固 HADOOP 系统
9 大数据安全事故案例分析
9.1 内部人员的安全事故案例
9.2 外部人员的安全事故案例
9.3 黑客攻击的风险
10 一些思考
10.1 客户隐私与客户服务的矛盾
10.2 客户隐私的规避思考
10.3 客户隐私的防护成本
11 总结

段方老师的其它课程