在大數據時代，越大的公司，面臨的數據安全風險越高，簡要而言，主要分爲六個部分：
1. 後臺被黑客攻擊，例如SDK泄漏關鍵服務IP地址；
2. 數據被爬取風險，例如簡歷信息被外界抓取；
3. 內部使用風險，例如採集的用戶數據是否存在泄漏風險；
4. 生態公司風險，例如收購的公司數據安全規範能夠達成一致；
5. 開放數據風險，例如敏感數據泄漏等；
6. 監督合規風險，例如政府監管部門的要求等。
以Hadoop爲代表的大數據集羣存在如下安全問題：
1. 數據存儲在同一集羣中，非常集中；
2. 分佈式系統天然的複雜性，使得防護變得非常困難；
3. 數據由於BI分析等需求，存在極強的流動性，防護邊界非常寬泛。
在大公司的角度上，數據安全主要需要注意如下三方面：
1. 數據要合法、合理、合規，避免用戶的敏感數據被濫用；
2. 建立完善的數據脫敏機制，評估內部、生態、對外開放三方面的數據風險；
3. 建設完善的防火牆與應用安全機制，應對外部風險，如黑客攻擊、爬取數據等。
當前的前沿數據安全技術：
1. 同態加密：對密文進行計算，適合於那些將數據存儲在雲平臺的公司，但性能消耗十分嚴重；
2. 多方安全計算：多方分享數據進行計算，但性能消耗十分嚴重，且適用場景有限；
3. SGX：通過硬件來保證數據的安全問題，適合線下金融等公司場景；
4. 差分隱私：通過不關聯個體的計算方式，得到整體層面的數據。
大數據集羣中的數據安全措施：
1. 敏感數據定義：通過打標籤的形式，規定哪些數據是敏感信息；
2. 建立權限控制機制：對於訪問數據的用戶權限進行嚴格的定義；
3. 敏感數據的展示需要脫敏，包括：前綴保留、截斷、隱藏、枚舉、哈希、移位、置換、差分隱私、K-匿名、L-多樣性等；
4. 異常數據訪問信息監控，包括：點異常、聚集異常、情景異常等；
5. 數據提取流程：數據採集層打標籤、數據分析層搭建隔離測試環境、數據應用層添加異常行爲檢測、產品對接進行數據安全審計等。