܄ 

金融科技&大数据产品推荐:BIGDAF——专业的Hadoop大数据安全防火墙

【数据猿导读】 BIGDAF是国内第一个网关级Hadoop大数据安全防火墙,也是目前唯一通过公安部认证的Hadoop安全防护产品,具备“软件-硬件-云”多样化产品形态

金融科技&大数据产品推荐:BIGDAF——专业的Hadoop大数据安全防火墙

本产品为数据猿推出的“金融科技价值—数据驱动金融商业裂变”大型主题策划活动(查看详情)第一部分的文章/案例/产品征集部分;感谢 观数科技 的产品投递


1、产品名称

BIGDAF

2、所属分类

金融科技·大数据安全

3、产品介绍

BIGDAF(Big Data Application Firewall)是国内第一个网关级Hadoop大数据安全防火墙,也是目前唯一通过公安部认证的Hadoop安全防护产品,具备“软件-硬件-云”多样化产品形态。

BIGDAF由网管代理Gateway、管理后台Admin、插件三部分组成。网管代理Gateway等于在物理隔离区和公共区有一个桥梁,分析师必须通过身份验证后才能提交相关数据或分析任务;管理后台Admin主要配置相应的用户和权限,采取图形界面,不需要进行代码级操作;插件主要是对用户资源设置不同的权限。

三个部分合在一起,形成一个完整的大数据应用安全管控与防护平台。其核心能力包括用户管理、角色管理、权限管理、操作行为管控、任务管控、基线检测与漏洞扫描等。兼容各主流大数据平台版本,为银行、金融机构提供底层的安全防护能力。

4、应用场景/人群

包括大数据安全管理人员、大数据平台架构负责人等。

BIGDAF的安全防护能力横向覆盖银行、金融机构大数据平台的各个组件,以及平台可能对接的各类系统,纵向覆盖大数据的整个生命周期。从内到外构成一个分层的安全管控体系,做到事前可管、事中可控、事后可查。具体应用场景包括:

大数据平台的边界安全:银行、金融机构的数据敏感度、机密性很高,而大数据系统漏洞导致的入侵、拖库、接口攻击,以及内部合作或第三方通过接口调用数据,都有可能导致数据泄露。BIGDAF等于在物理隔离区和公共区设置一个边界,所有人都必须通过身份验证后才能提交相关数据或分析任务,这就从源头上避免数据泄露所导致的安全问责。

大数据平台的权限管理:金融银行机构由于权限控制缺乏体系,普遍存在越权访问、操作问题;服务器漏洞组件、常规型漏洞(如SQL诸如、存储XSS)升级修补都不及时,容易被攻击者侵入篡改数据;BIGDAF设置了严格的访问权限,从内到外,保护大数据资产的安全。

大数据平台的安全体系:很多银行、金融机构的安全体系化建设停留在纸面,为应对监管或安全检查,仅定期做安全测试。很多新发布的业务需求,未及时经过安全把关。BIGDAF形成一整套的安全解决方案,通过简易操作即可实现基线检测、漏洞扫描,提高大数据平台的安全防护能力。。

5、产品功能

BIGDAF的主要功能包括账户及认证管理、授权和访问控制、任务沙箱及多租户、数据安全、漏洞扫描、基线检查、监控、审计等。

账户及认证管理。BIGDAF继承并接管Hadoop原生账户,完全重构了一套权限机制,技术上采用身份认证、多因素身份鉴别、网络控制、登录控制登措施,所有人必须通过身份认证后才能提交相关数据或分析任务。

授权和访问控制。针对大数据平台上的几乎所有组件进行单独授权管理(HDFS、Hbase、Strom、Knox、solr、Kafka)。实现了多种安全模型,包括符合国家等级保护制度的自主访问控制模型(DAC)、强制访问控制模型(MAC)、基于角色访问控制(RBAC)以及基于任务的访问控制(TBAC)。

任务沙箱及多租户。可通过沙箱预执行,判断访问资源是否越权;通过后台管理可以查看历史任务,给每个用户对应的使用资源,实现多租户的功能。

数据安全。包括数据脱敏和数据加密。BIGDAF可以根据需求对敏感区域进行,替换、重排、加密、截断、掩码;数据加密,BIGDAF的Gateway是https的通信加密方式,同时也支持kerberos、KMS的加密。

漏洞扫描。基于对大数据的漏洞研究,提炼出漏洞特征,形成大数据漏洞扫描功能,可以对大数据平台组件进行安全检测,针对大数据环境各个组件进行事前安全扫描,及时了解大数据环境的安全状态及安全隐患。

基线检测。针对大数据环境的各个组件进行安全配置合规性检查,覆盖大数据平台的基础设施、网络系统、数据处理层、数据采集层、数据存储层等各层级系统结构。

监控。对大数据环境中组件节点状态、资源的使用情况进行监控展示,包括节点正常运行时间、节点存活状态和内存、CPU、硬盘的使用情况;可设置预警值,当资源紧张时报警。

审计。将主客体的访问形成详细日志,包含用户名、IP、操作、资源、访问类型、时间、授权结果。可以根据用户、时间、认证结果进行筛选分析,做到事中监控、事后审计,追溯安全事件。

6、产品优势

易于部署。大数据平台有大量的组件和集群节点,各个组件的功能作用不同。BIGDAF支持跨平台运行,通过简单修改配置文件即可运行。

更全面的访问控制安全模型。BIGDAF针对金融、银行业大数据平台的复杂特显,实现了多种安全模型,包括自主访问控制模型(DAC)、强制访问控制模型(MAC)、基于角色访问控制(RBAC)、基于任务的访问控制(TBAC)。

定制化、自动化的漏洞扫描与基线检测。目前在大数据平台组件的基础安全方面,安全漏洞检测和基线检查更多的还是依靠手工,没有一个定制化的自动化解决方案。基于观数团队十余年的检测经验,以及CVE漏洞特征,BIGDAF能够实现大数据组件的自动化漏洞扫描和自动检测功能。

文件访问控制粒度更细致。BIGDAF对于Hadoop平台组件HDFS、Hbase、Hive等能够做到细粒度的访问控制。Hbase方面,可以达到基于列簇及列的访问控制。Hive可以针对数据库、表、字段进行细粒度的访问控制。

不存在性能瓶颈。BIGDAF并不转发流量,ACL与审计只针对主客体访问行为,几乎没有性能消耗。而并连模式支持多机高可用方案,不会存在性能瓶颈。

良好的兼容性。BIGDAF采用非侵入式技术,独立于Hadoop系统之外的防护体系,因此对通用版、发行版都具有良好的兼容性。

安全性。BIGDAF为独立体系,无法从Hadoop上配置BIGDAF的安全策略,可形式化语言验证的多种安全模型,配置、日志可备份保存,格式加密,后台防破解,全程SSL加密。

7、服务客户/使用人数

目前服务客户百余家,其中包括银行、金融、保险、运营商等政企单位。

8、市场价值

作为国内第一个大数据安全解决方案提供商,观数的理念就是“防风险、护业务、保价值”。大数据资产是金融、银行机构创新发展和转型突破的战略性资源。确保其安全性,不仅是业务层面的要求,也事关个人、机构主体和国家利益。

但就目前而言,国内还没有成熟的大数据安全解决方案。BIGDAF的部署可以为银行、金融机构减少安全隐患,避免重要数据的流失,及时发现攻击,避免潜在的安全事件出来以后的安全问责。

BIGDAF的价值就在于,实现账户的集中管理,对大数据平台所有操作者身份的合法性检查;灵活的权限管控体系,对用户使用大数据平台资源的具体情况进行合理分配;统一的日志信息管控,实现对安全事件的预警、响应、追因、追责;针对大数据环境的各个组件进行基线检测和漏洞扫描,实现事前预警、事中监控、事后可查。

BIGDAF致力于为银行、金融机构的大数据平台提供底层的防护能力,希望通过案例推动国内大数据安全的标准建立。

9、产品地址

http://www.databps.com/index.html 

10、所属企业

北京观数科技有限公司

11、企业介绍 

北京观数科技有限公司,总部在北京,贵阳设有分公司,是国内第一个Hadoop大数据安全解决方案的提供商。2017年,观数科技被认定为“国家级高新技术企业”。自主研发的产品BIGDAF是国内首个获得公安部认证的Hadoop安全防护产品,具备完整的“软件—硬件—云”多样化产品形态。目前产品已经逐步覆盖大数据中的多个应用组件,在大数据生命周期中的各个环节,为客户提供安全防护能力。

观数科技已与多个行业集成商、大数据基础软件发行商深度合作,从产品、方案、服务等多个维度进行融合,形成了多项创新成果,既提高了合作方在大数据上的安全防护能力,也为其带来了新的竞争力和赢利点。除此之外,观数科技还在“数谷”贵阳与高校和科研院所开展深度合作,承担大数据安全相关科研项目,并参与起草贵州省地方大数据安全相关标准制定。

观数科技虽然是一家新创企业,但核心团队均拥有超过10年以上的信息安全从业经验,是目前国内唯一拥有完全自主可控、并能提供本土化安全防护产品的高新技术企业。未来我们将为更多的政企客户提供“缺失的”的大数据底层保护能力,提高其防护的力度和精度。


作为整体活动的第二部分,2017年10月25日,数据猿还将在北京举办千人规模的“2017金融科技价值——数据驱动金融商业裂变”峰会本次论坛详情第一届回顾第二届回顾】并将在现场举行文章、案例、产品的颁奖典礼。


来源:数据猿

声明:数据猿尊重媒体行业规范,相关内容都会注明来源与作者;转载我们原创内容时,也请务必注明“来源:数据猿”与作者名称,否则将会受到数据猿追责。

刷新相关文章

大数据“刷脸”时代  个人隐私保护需要多方作为
大数据“刷脸”时代 个人隐私保护需要多方作为
大数据指引下 互联网保险听见C2B时代的呼唤
大数据指引下 互联网保险听见C2B时代的呼唤
“云栖小镇”如何成为中国乃至世界云计算和大数据​的风向标?
“云栖小镇”如何成为中国乃至世界云计算和大数据​的风向标?

我要评论

精品栏目

[2017/07/27]

大数据24小时

More>

[2017/07/24-28]

大数据周周看

More>

[2017/07/24-28]

大数据投融资

More>

[2017/07/24-28]

大咖周语录

More>

[2017/07/24-28]

大数据周聘汇

More>

[2017/07/24-28]

每周一本书

More>

返回顶部