大数据时期 大数据安全
颁布功夫 2018-01-10
大数据安全布景
大数据时期 ，社会信息化和网络化的发展导致数据爆炸式增长 ，全球数据量约莫每两年翻一番 ，这意味着人类在最近两年产生的数据量相当于之前产生的全数数据量。大数据技术 ，悄然渗入到各个行业领域 ，逐步成为一种出产身分阐扬着沉要作用。然而 ，大数据技术使得产率提高和生涯方式扭转的同时 ，随之而来的安全挑战已无法忽视。
2017年4月 ，全国信息安全尺度化技术委员会2017年第一次工作组“会议周”在武汉召开�；嵘� ，《大数据安全尺度化白皮书》正式颁布。
《大数据安全尺度化白皮书》由中国电子技术尺度化钻研院、清华大学、四川大学、阿里云推算有限公司等25家企事业单元共同假造 ，沉点介绍了国内表的大数据安全律例政策、尺度化近况 ，沉点分析了大数据安全所面对的安全风险和挑战 ，给出了大数据安全尺度化系统框架 ，规划了大数据安全尺度工作沉点 ，提出了发展大数据安全尺度化工作的建议。全国信息安全尺度化技术委员会将积极推动产学研用单元参加大数据安全尺度化工作 ，发展大数据安全尺度的研造 ，为大数据产业安全有序发展提供尺度化支持。
通过对当前典型大数据利用场景以及大数据产业发展示状进行调研分析,大数据安全挑战是由于其他差距而产生的。大数据环境和传统数据环境之间的差距蕴含：
◆ 大数据网络 ，汇总和分析
◆ 用于存储和包容大数据的基础架构
◆ 利用于分析结构化和非结构化大数据的技术
由于优先思考的是为大量数据提供快率 ，所以安全性通常放最后思考;由于没有对数据进行特定的分类存储和传输。从而导致分歧技术的整合引入了新的安全挑战 ，产生了安全隐患。在大数据系统支持关键基础设施的情况下 ，安全必须思考在内。由于大数据系统是复杂且异构的 ，所以安全保险必须是整体性的 ，以确保服务的可用性和陆续性。
在整个大数据平台建设过程 ，从大数据利用中产生的各类问题 ，我们总结了下文中的各个需要 ，具体情况如下：
运维入口：
开发人怨厮号混用、操作无具体纪录、高危险误操作无法节造、敏感数据泄露。
利用入口：
敏感数据泄露、数据接见无具体纪录、利用冒名接见盛开接口。
典型的行业大数据安全挑战
大数据技术在行业中的利用越发的宽泛 ，所露出出来的大数据安全问题 ，越发严沉。以下是对部门行业调查分析。
电子政务
政务大数据覆盖行业领域宽泛、数据结构多样、关联关系复杂,并且涉及大量幼我隐衷数据、国度敏感数据等沉要数据,因而在发展政务大数据利用的同时,数据和平台安全尤为沉要。电子政务大数据面对的安全风险和挑战重要蕴含:
1) 平台安全
大数据平台是敌灾使用数据资源的基础平台,平台安满是保险当局安全靠得住利用数据资源的基础。大数据平台除了面对传统的恶意代码、攻击软件套件、物理败坏与迷失等安全威胁表,由于自身架构要凭据当局业务需要和安全要求变动不休改进,因而产生传统的身份认证、数据加密伎俩合用性问题。
2) 服务安全
构建基于互联网的一体化公共服务平台,面向公家提供基于大数据的便民服务,是落实国度推动国度治理系统和治理能力现代化、建设服务型当局要求的沉要工作�；诨チㄉ璧恼裨谙叻翊翱�,是政务大数据为社会公家服务的沉要组成部门,便捷的互联网利用环境下,在提质增优公共服务的同时也为便民服务带来严格的安全挑战,必要应对基于Web 的攻击、Web利用法式攻击/注入攻击、回绝服务攻击、网络垂钓、用户身份偷窃等威胁,招架信息泄露、网络瘫痪、服务中断等安全风险。
3) 数据安全
各部门在发展业务和对政务大数据进行开发利用的同时,数据自身安全极度沉要,涉及数据性命周期各阶段有关的数据采集、数据传输、数据存储、数据处置、数据互换、数据销毁等活动。当部门门数据公开、行业间以及行业内部数据平台化共享时的数据安全,是火急必要解决的问题, 是大数据资源实现盛开共享、有关“数据掘金”利用得以发展的关键。
4) 数据确权问题
政务数据的所有权、使用权、治理权涉及多个部门,出格是敌灾授权社会本钱方搭建的公共服务系统所产生的数据,涉及幼我隐衷、国度经济命脉,在进行大数据分析中,必须做到权责明显,厘清数据权属关系,预防数据流通过程中的犯法使用,保险数据安全流通。但是,目前数据权属仍不足司法支持,数据使用尤其跨境流动所产生的安全风险日益凸显。
5) APT 攻击防御
APT是黑客针对客户所发起的网络攻击和侵袭行为,是一种蓄谋已久的“恶意网络间谍威胁”。这种行为往往经过持久的经营与策动,并具备高度的荫蔽性。APT攻击以窃取主题资料为主张,对当部门门大数据利用产生沉大安全威胁,因而必须在政务大数据中高度防备此类攻击。
健全医疗
作为典型的实际科学,医学中有好多知识起源于经验堆集。而目前经验堆集的最直接、客观的体现就是“数据”。因而,利用健全医疗过程中产生的海量数据,开发其潜在价值,使其助力健全医疗事业的发展,成为医疗行业、技术研发领域等有关有识之士共同致力的指标。健全医疗大数据在推进业务发展的同时,面对的安全挑战重要表此刻:
1) 数据权属不清
健全医疗大数据发源于幼我患者自身,那么数据权属到底是属于幼我、还是产生数据的医疗机构一向没有定论;另表,第三方机构在原始数据基础上挖掘延长出的新数据,其归属权也没有明确划定。
2) 利用复杂性高
目前各地域和机构在进行健全医疗领域信息化建设时多数凭据自身需要成立独立的信息系统,这些信息系统架构各别、数据体式分歧,导致数据在安全共享、互换和处置时的复杂度大幅提升。
3) 幼我隐衷�；つ�
健全医疗数据中蕴含出格敏感的幼我隐衷信息,必须依法进行管控和�；�;对涉及健全医疗数据的治理要以相应的司法律规做领导,在进行健全医疗数据的网络、存储、挖掘蹬爪用时,必要解决幼我隐衷�；さ哪烟�。
电商行业
电商行业作为基于互联网技术衍生的新型业务,堆集了大量商家数据、买家数据、商品数据,以及在买卖买卖过程中产生的订单数据、买卖数据和用户行为数据等。借助大数据技术发展契机,电商行业也起头了大数据时期的转型。电商行业基于持久堆集的海量数据,起头在分歧业务方向利用大数据技术分析、挖掘数据价值。电商行业大数据在推进业务发展的同时,相应的安全挑战也随之浮现,重要表此刻:
1) 数据权属不清
电贸易务的发展重要蕴含电商平台、商家和消费者三方,电贸易务产生的数据若何划吩熹所有权、节造权和使用权,是在电贸易务中合理使用数据的前提。当前电贸易务的大数据利用中,通常利用电商平台对数据进行分析,也存在商家或商家授权独立软件提供商使用商家数据进行分析的情况,在权势归属不明确的情况下,责任的归属也难以界定,有关数据安全难以保险。
2) 大数据聚合分析风险
电贸易务的大数据利用涉及对消费者有关的数据分析,固然能够通过隐衷�；ふ摺⒂没谌ê吞傅拇缶只袢∮泄厥莸氖褂煤戏ㄊ谌�,并且在对电贸易务分析的过程中也会选取匿名化处置的方式,保障用户的幼我信息安全。但是,在对大数据加工推算的过程中,若何保险不会由于大数据的聚合分析而实现“去匿名化”,依然是亟待解决的难题。
3) 数据版权�；�
电商生态圈内的数据流动和共享较为普遍,目前重要通过司法和谈方式约束对数据的使用。但由于不足有效的数据版权�；ぜ际跫苛┘按胧�, 难以甄别是否存在超出领域的数据扩散或使用问题。
4) 数据跨境安全
目前国度大力支持跨境电贸易务,而跨境电贸易务必然涉及数据的跨境问题。分歧国度和地域的数据�；ぢ衫允菘缇沉鞫囊蟠嬖诓罹嘈�,好比俄罗斯明确提出俄罗斯公民的数据应在俄罗斯境内更新后方可传到海表进行处置;欧盟则扩大了数据�；に痉ê嫌玫墓芟搅煊�。这些律例将给跨境电商企业带来高昂的合规成本,造约了跨境电子商务的发展。若何处置数据跨境安全合规与跨境电商战术发展的矛盾,是亟待解决的难题。
电信行业
电信运营商占有大量的数据资源,如网络信息、用户终端信息、用户位相信息等,同时电信行业近年来利用大数据进行深度挖掘分析,将丰硕的网络、用户等数据资源加工抽取后封装为服务,向客户提供。大数据给电信行业带来新的发展机缘,电信运营商借助已有的数据堆集优势,不休发展大数据利用,但同时数据的集中治理、数据对表盛开等新技术特点和业务新状态利用,也使电信行业大数据面对新的安全风险和挑战,重要蕴含:
1) 供给链安全
通讯数据在移动网络设备中产生,而这些设备是由多家供给商提供。同时,存在大数据平台系统第三方供给代建设、代守护等问题,在特定阶段,部门设备的操作权在供给商手中,这意味着供给链的各环节存在安全风险。
2) 数据集中治理
在大数据业务利用发展的驱动下,电信运营商的数据由原来的各系统分散存储转变为大数据平台集中存储模式,大数据资源的安全风险越发集中,一旦产生安全事务将涉及海量客户信息及公司数据资产。
3) 平台组件开源
大数据平台多使用开源软件,这些软件设计初衷重要思考高效数据处置,不足安全性保险,滞后于电信业务发展的安全防护能力,存在安全隐患。
4) 敏感数据共享
在电信运营商内部信息系统建设相对分散,敏感数据跨部门、跨系统共享留存比力常见,其中一旦存在系统安全防护措施不当,均可能产生敏感数据泄漏,造成“一点突破、全网皆失”的严沉后果。
大数据利用安全实际
我们在推宽大数据利用的同时,大数据的安全问题不容忽视。必要推动大数据安全关键技术和大数据安全解决规划的钻研。从以上的各个行业分析情况来看 ，各个行业大数据安全问题大同幼异 ，重要存在：认证 ，授权 ，审计 ，加密等方面的安全管控问题 ，合多大数据安全管控系统（以下简称：DSM系统） ，实现了可视化的大数据平台用户治理 ，网关代理配置及自动化部署 ，权限、脱敏规定配置 ，告警通知配置及展示 ，审计日志展示及报表展示职能等 ，实此刻网关上对用户接见大数据平台组件做用户鉴权、权限节造、数据脱敏、安全审计等的职能 ，以满足客户大数据平台自身安全管控的需要。
DSM总体指标是实现大数据平台的用户安全和数据安全 ，用户安满是指接见大数据平台的用户 ，其身份认证的安全、权限节造的安全 ，保障合法的用户可能接见大数据平台上指定的组件和数据。数据安满是指存储在大数据平台上的数据的安全 ，蕴含数据全性命周期的整体安全 ，蕴含数据源的安全、数据加密、数据脱敏、数据接见的审计等方面。
典型案例分析
电信 ，联通 ，移动三大运营商通过了大数据安全管控系统 ，实现的是Hive、HBase、Impala、Spark SQL的网关 ，利用代理式网关接见后端数据平台实现矫捷的数据脱敏等安全防护职能：
限度了所有人员及利用法式对Hive、HBase、Impala、Spark SQL的接见 ，网关可能对接见行为进行鉴权及数据脱敏 ，预防恶意用户即法式接见大数据平台进行犯法操作。
网关引擎是部署在大数据平台数据库组件与利用之间 ，能够将网关当作大数据平台的一层防火墙 ，表部攻击首先需要冲破网关的�；つ芰徊焦セ鞔笫萜教� ，增长恶意用户的攻击难度。
在网关侧实现了对Hive、Impala、Spark SQL、HBase的实时数据脱敏职能。实时脱敏技术是通过网关解析内部和谈 ，与利用层无关 ，因而不影响上层利用开发。
通过大数据管控平台DSM解决了运营商行业所面对的大数据安全管控问题 ，将来随着大数据安全诉求的增长 ，将在电力、金融、电子商务等行业进行部署 ，实现各个行业的大数据平台得到安全管控 ，�；ご笫菹低嘲踩� ，业务安全 ，数据安全。
大数据时期 ，社会信息化和网络化的发展导致数据爆炸式增长 ，全球数据量约莫每两年翻一番 ，这意味着人类在最近两年产生的数据量相当于之前产生的全数数据量。大数据技术 ，悄然渗入到各个行业领域 ，逐步成为一种出产身分阐扬着沉要作用。然而 ，大数据技术使得产率提高和生涯方式扭转的同时 ，随之而来的安全挑战已无法忽视。
2017年4月 ，全国信息安全尺度化技术委员会2017年第一次工作组“会议周”在武汉召开�；嵘� ，《大数据安全尺度化白皮书》正式颁布。
《大数据安全尺度化白皮书》由中国电子技术尺度化钻研院、清华大学、四川大学、阿里云推算有限公司等25家企事业单元共同假造 ，沉点介绍了国内表的大数据安全律例政策、尺度化近况 ，沉点分析了大数据安全所面对的安全风险和挑战 ，给出了大数据安全尺度化系统框架 ，规划了大数据安全尺度工作沉点 ，提出了发展大数据安全尺度化工作的建议。全国信息安全尺度化技术委员会将积极推动产学研用单元参加大数据安全尺度化工作 ，发展大数据安全尺度的研造 ，为大数据产业安全有序发展提供尺度化支持。
通过对当前典型大数据利用场景以及大数据产业发展示状进行调研分析,大数据安全挑战是由于其他差距而产生的。大数据环境和传统数据环境之间的差距蕴含：
◆ 大数据网络 ，汇总和分析
◆ 用于存储和包容大数据的基础架构
◆ 利用于分析结构化和非结构化大数据的技术
由于优先思考的是为大量数据提供快率 ，所以安全性通常放最后思考;由于没有对数据进行特定的分类存储和传输。从而导致分歧技术的整合引入了新的安全挑战 ，产生了安全隐患。在大数据系统支持关键基础设施的情况下 ，安全必须思考在内。由于大数据系统是复杂且异构的 ，所以安全保险必须是整体性的 ，以确保服务的可用性和陆续性。
在整个大数据平台建设过程 ，从大数据利用中产生的各类问题 ，我们总结了下文中的各个需要 ，具体情况如下：
大数据平台建设示意图
运维入口：
开发人怨厮号混用、操作无具体纪录、高危险误操作无法节造、敏感数据泄露。
利用入口：
敏感数据泄露、数据接见无具体纪录、利用冒名接见盛开接口。
典型的行业大数据安全挑战
大数据技术在行业中的利用越发的宽泛 ，所露出出来的大数据安全问题 ，越发严沉。以下是对部门行业调查分析。
电子政务
政务大数据覆盖行业领域宽泛、数据结构多样、关联关系复杂,并且涉及大量幼我隐衷数据、国度敏感数据等沉要数据,因而在发展政务大数据利用的同时,数据和平台安全尤为沉要。电子政务大数据面对的安全风险和挑战重要蕴含:
1) 平台安全
大数据平台是敌灾使用数据资源的基础平台,平台安满是保险当局安全靠得住利用数据资源的基础。大数据平台除了面对传统的恶意代码、攻击软件套件、物理败坏与迷失等安全威胁表,由于自身架构要凭据当局业务需要和安全要求变动不休改进,因而产生传统的身份认证、数据加密伎俩合用性问题。
2) 服务安全
构建基于互联网的一体化公共服务平台,面向公家提供基于大数据的便民服务,是落实国度推动国度治理系统和治理能力现代化、建设服务型当局要求的沉要工作�；诨チㄉ璧恼裨谙叻翊翱�,是政务大数据为社会公家服务的沉要组成部门,便捷的互联网利用环境下,在提质增优公共服务的同时也为便民服务带来严格的安全挑战,必要应对基于Web 的攻击、Web利用法式攻击/注入攻击、回绝服务攻击、网络垂钓、用户身份偷窃等威胁,招架信息泄露、网络瘫痪、服务中断等安全风险。
3) 数据安全
各部门在发展业务和对政务大数据进行开发利用的同时,数据自身安全极度沉要,涉及数据性命周期各阶段有关的数据采集、数据传输、数据存储、数据处置、数据互换、数据销毁等活动。当部门门数据公开、行业间以及行业内部数据平台化共享时的数据安全,是火急必要解决的问题, 是大数据资源实现盛开共享、有关“数据掘金”利用得以发展的关键。
4) 数据确权问题
政务数据的所有权、使用权、治理权涉及多个部门,出格是敌灾授权社会本钱方搭建的公共服务系统所产生的数据,涉及幼我隐衷、国度经济命脉,在进行大数据分析中,必须做到权责明显,厘清数据权属关系,预防数据流通过程中的犯法使用,保险数据安全流通。但是,目前数据权属仍不足司法支持,数据使用尤其跨境流动所产生的安全风险日益凸显。
5) APT 攻击防御
APT是黑客针对客户所发起的网络攻击和侵袭行为,是一种蓄谋已久的“恶意网络间谍威胁”。这种行为往往经过持久的经营与策动,并具备高度的荫蔽性。APT攻击以窃取主题资料为主张,对当部门门大数据利用产生沉大安全威胁,因而必须在政务大数据中高度防备此类攻击。
健全医疗
作为典型的实际科学,医学中有好多知识起源于经验堆集。而目前经验堆集的最直接、客观的体现就是“数据”。因而,利用健全医疗过程中产生的海量数据,开发其潜在价值,使其助力健全医疗事业的发展,成为医疗行业、技术研发领域等有关有识之士共同致力的指标。健全医疗大数据在推进业务发展的同时,面对的安全挑战重要表此刻:
1) 数据权属不清
健全医疗大数据发源于幼我患者自身,那么数据权属到底是属于幼我、还是产生数据的医疗机构一向没有定论;另表,第三方机构在原始数据基础上挖掘延长出的新数据,其归属权也没有明确划定。
2) 利用复杂性高
目前各地域和机构在进行健全医疗领域信息化建设时多数凭据自身需要成立独立的信息系统,这些信息系统架构各别、数据体式分歧,导致数据在安全共享、互换和处置时的复杂度大幅提升。
3) 幼我隐衷�；つ�
健全医疗数据中蕴含出格敏感的幼我隐衷信息,必须依法进行管控和�；�;对涉及健全医疗数据的治理要以相应的司法律规做领导,在进行健全医疗数据的网络、存储、挖掘蹬爪用时,必要解决幼我隐衷�；さ哪烟�。
电商行业
电商行业作为基于互联网技术衍生的新型业务,堆集了大量商家数据、买家数据、商品数据,以及在买卖买卖过程中产生的订单数据、买卖数据和用户行为数据等。借助大数据技术发展契机,电商行业也起头了大数据时期的转型。电商行业基于持久堆集的海量数据,起头在分歧业务方向利用大数据技术分析、挖掘数据价值。电商行业大数据在推进业务发展的同时,相应的安全挑战也随之浮现,重要表此刻:
1) 数据权属不清
电贸易务的发展重要蕴含电商平台、商家和消费者三方,电贸易务产生的数据若何划吩熹所有权、节造权和使用权,是在电贸易务中合理使用数据的前提。当前电贸易务的大数据利用中,通常利用电商平台对数据进行分析,也存在商家或商家授权独立软件提供商使用商家数据进行分析的情况,在权势归属不明确的情况下,责任的归属也难以界定,有关数据安全难以保险。
2) 大数据聚合分析风险
电贸易务的大数据利用涉及对消费者有关的数据分析,固然能够通过隐衷�；ふ摺⒂没谌ê吞傅拇缶只袢∮泄厥莸氖褂煤戏ㄊ谌�,并且在对电贸易务分析的过程中也会选取匿名化处置的方式,保障用户的幼我信息安全。但是,在对大数据加工推算的过程中,若何保险不会由于大数据的聚合分析而实现“去匿名化”,依然是亟待解决的难题。
3) 数据版权�；�
电商生态圈内的数据流动和共享较为普遍,目前重要通过司法和谈方式约束对数据的使用。但由于不足有效的数据版权�；ぜ际跫苛┘按胧�, 难以甄别是否存在超出领域的数据扩散或使用问题。
4) 数据跨境安全
目前国度大力支持跨境电贸易务,而跨境电贸易务必然涉及数据的跨境问题。分歧国度和地域的数据�；ぢ衫允菘缇沉鞫囊蟠嬖诓罹嘈�,好比俄罗斯明确提出俄罗斯公民的数据应在俄罗斯境内更新后方可传到海表进行处置;欧盟则扩大了数据�；に痉ê嫌玫墓芟搅煊�。这些律例将给跨境电商企业带来高昂的合规成本,造约了跨境电子商务的发展。若何处置数据跨境安全合规与跨境电商战术发展的矛盾,是亟待解决的难题。
电信行业
电信运营商占有大量的数据资源,如网络信息、用户终端信息、用户位相信息等,同时电信行业近年来利用大数据进行深度挖掘分析,将丰硕的网络、用户等数据资源加工抽取后封装为服务,向客户提供。大数据给电信行业带来新的发展机缘,电信运营商借助已有的数据堆集优势,不休发展大数据利用,但同时数据的集中治理、数据对表盛开等新技术特点和业务新状态利用,也使电信行业大数据面对新的安全风险和挑战,重要蕴含:
1) 供给链安全
通讯数据在移动网络设备中产生,而这些设备是由多家供给商提供。同时,存在大数据平台系统第三方供给代建设、代守护等问题,在特定阶段,部门设备的操作权在供给商手中,这意味着供给链的各环节存在安全风险。
2) 数据集中治理
在大数据业务利用发展的驱动下,电信运营商的数据由原来的各系统分散存储转变为大数据平台集中存储模式,大数据资源的安全风险越发集中,一旦产生安全事务将涉及海量客户信息及公司数据资产。
3) 平台组件开源
大数据平台多使用开源软件,这些软件设计初衷重要思考高效数据处置,不足安全性保险,滞后于电信业务发展的安全防护能力,存在安全隐患。
4) 敏感数据共享
在电信运营商内部信息系统建设相对分散,敏感数据跨部门、跨系统共享留存比力常见,其中一旦存在系统安全防护措施不当,均可能产生敏感数据泄漏,造成“一点突破、全网皆失”的严沉后果。
大数据利用安全实际
我们在推宽大数据利用的同时,大数据的安全问题不容忽视。必要推动大数据安全关键技术和大数据安全解决规划的钻研。从以上的各个行业分析情况来看 ，各个行业大数据安全问题大同幼异 ，重要存在：认证 ，授权 ，审计 ，加密等方面的安全管控问题 ，合多大数据安全管控系统（以下简称：DSM系统） ，实现了可视化的大数据平台用户治理 ，网关代理配置及自动化部署 ，权限、脱敏规定配置 ，告警通知配置及展示 ，审计日志展示及报表展示职能等 ，实此刻网关上对用户接见大数据平台组件做用户鉴权、权限节造、数据脱敏、安全审计等的职能 ，以满足客户大数据平台自身安全管控的需要。
DSM总体指标是实现大数据平台的用户安全和数据安全 ，用户安满是指接见大数据平台的用户 ，其身份认证的安全、权限节造的安全 ，保障合法的用户可能接见大数据平台上指定的组件和数据。数据安满是指存储在大数据平台上的数据的安全 ，蕴含数据全性命周期的整体安全 ，蕴含数据源的安全、数据加密、数据脱敏、数据接见的审计等方面。
典型案例分析
电信 ，联通 ，移动三大运营商通过了大数据安全管控系统 ，实现的是Hive、HBase、Impala、Spark SQL的网关 ，利用代理式网关接见后端数据平台实现矫捷的数据脱敏等安全防护职能：
限度了所有人员及利用法式对Hive、HBase、Impala、Spark SQL的接见 ，网关可能对接见行为进行鉴权及数据脱敏 ，预防恶意用户即法式接见大数据平台进行犯法操作。
网关引擎是部署在大数据平台数据库组件与利用之间 ，能够将网关当作大数据平台的一层防火墙 ，表部攻击首先需要冲破网关的�；つ芰徊焦セ鞔笫萜教� ，增长恶意用户的攻击难度。
在网关侧实现了对Hive、Impala、Spark SQL、HBase的实时数据脱敏职能。实时脱敏技术是通过网关解析内部和谈 ，与利用层无关 ，因而不影响上层利用开发。
通过大数据管控平台DSM解决了运营商行业所面对的大数据安全管控问题 ，将来随着大数据安全诉求的增长 ，将在电力、金融、电子商务等行业进行部署 ，实现各个行业的大数据平台得到安全管控 ，�；ご笫菹低嘲踩� ，业务安全 ，数据安全。
京公网安备11010802024551号