分散云模型如何提升安全和隐私保护

来源 :计算机世界 | 被引量 : 0次 | 上传用户:chanstan
下载到本地 , 更方便阅读
声明 : 本文档内容版权归属内容提供方 , 如果您对本文有版权争议 , 可与客服联系进行内容授权或下架
论文部分内容阅读
  一种新的云模型能够支持可扩展的应用程序,同时保证分散的、最小化可信度的生态系统的安全。
  无论是亚马逊网络服务(AWS)、Dropbox、Citrix、微软还是谷歌,所有云存储供应商都有相同的基本原则——它们都通过互联网把数据同步并复制到一个集中式的云服务器集群中。数以百万计的用户及其设备每秒钟都会连接到这些中央云集群上,以存储和访问与其网络账户相关联的文件。
  云是我这一代人最成功的案例,但是集中式服务器架构也有其缺点。
  失去控制
  依赖于基于云的远程基础设施意味着要承担外包一切的风险。尽管大部分云计算平台都实施了最好的安全措施,但在属于外部服务提供商的服务器上存储敏感数据和重要文件也会带来一系列风险。例如,大部分服务提供商都会进行备份,以保证离线可用性,在不同地理位置的不同服务器上创建多个文件副本,而这会面临更广泛的威胁。
  而且,尽管不是云提供商的错,但导致数据泄漏的服务器配置错误已经变得非常普遍,几乎不再成为头条新闻。最近的一个例子是道琼斯观察名单数据库的泄露,其中包含了政府官员的身份信息。
  隐私也是云的一个缺点。提供商、执法机构以及某些情况下的外国权力机构能够合法、秘密地访问和提取公有云上的信息。去年通过的《云计算法案》规定,亚马逊、谷歌等云服务提供商在得到授权后应向执法部门提交证据——即使证据存储在其他国家或者服务器上。
  GDPR、HIPAA、SOX等法规也可能成为障碍,因为实际的合规和管理权不在你的控制范围之内。
  意外开支
  采用云的“即用即付”模式非常灵活,并且能降低硬件成本。但从长远来看,如果你计算出整体价格,结果可能会很昂贵。把所有用户及其设备持续同步到云端也会导致越来越高的带宽开销。
  被锁定在一家供应商也是云计算的另一个缺点。在云平台之间切换可能导致要进行复杂的配置、额外的成本和停机时间。在迁移过程中被攻破则会导致安全和隐私漏洞。
  单点故障
  最近谷歌云服务器上的一个配置错误导致服务中断长达4个半小时,影响了Snapchat、Vimeo、Shopify、Discord和Pokemon GO等大品牌。由于云计算服务是基于互联网的,因此服务中断可能会随时发生,出于任何原因都会发生,而你则几乎无法控制整个局面。如果中央控制器被攻破,企业的数据也会受到影响。
  云的分散化
  虽然现有的云模型非常成功,但下一代平台计划通过使用人工智能和区块链来分散云基础设施,从而解决上面提到的一些难题。这种新的云模型能够支持可扩展的应用程序,同时保证分散的、可信度最小化的生态系统的安全。
  据IDC的一项研究,到2020年,物联网设备生成的所有数据中有45%将在网络边缘或者靠近边缘的地方进行存储、处理和分析。分散模型发挥了边缘计算的力量——把进程和存储移动到网络边缘的设备上。中央服务器只是作为一台交换机,执行策略,并在端点或者源位置存储的数据之间创建点对点连接。边缘计算使得端点具有自己的云功能,即远程访问、共享、流处理、协作和文件管理等。
  本地边缘服务开发商Qnext的副总裁Thomas Ward解释说:“与需要通过互联网把重复文件传输和存储到数英里以外的中央数据中心的集中式云存储不同,分散云和边缘计算架构解决了把数据子集上传、下载和同步到云服务器上容量有限的存储设备中效率低下的问题。”
  一般来说,分散式架构能够让云功能更加安全。文件可以保存在某些地理位置的防火墙后面,进行访问控制,以保护隐私,防止第三方、执法机构和外国权力机构的秘密提取。数据不会被复制到第三方服务器或者其他位置,从而减少了攻击面。由于文件和存储是在企业的控制之下,这也促进了对其他法规的遵守。
  分散的云系统运行在区块链上,使网络的安全性远远强于当前基础设施提供的安全性,因为它是通过分区域来保证安全性的。即使攻击者能够访问数据块,他们也渗透不进去,因为得到的只是部分文件。这种架构还把文件分割成小部分,并在分布式文件系统之间复制数据,通过多个节点实现冗余。如果一个节点被黑客攻击或者关闭,其他节点会继续工作,这实现了一种故障保护机制,提高了云的稳定性。
  这种存储模型的变化不会一蹴而就。但是,考虑到数据增长量和新设备(包括物联网)加入到网络中的速度,云安全策略将从根本上发生转变。由于存储市场如此庞大,我们可以想象,会有更多的企业采用分散云计算方法。
  Ward说:“分散云或者边缘计算架构不同于文件同步和共享平台使用的集中模型。它改善了企业的安全状况,允许对所有存储的访问,保证了隐私,使企业文件的管理处于企业控制之下,并利用了企业现有的存储基础设施。”
  Michelle Drolet是馬萨诸塞州弗拉明翰市一家女性拥有的小型数据安全服务提供商Towerwall公司的创始人,该公司的客户包括Smith
其他文献
新的一年已经到来,戴尔易安信希望为客户提供一些未来技术突破性发展的预测,帮助他们探索并把握新的业务机会。在过去的一年里,技术创新日新月异,人工智能和机器学习、5G、云计算、AR/VR以及区块链,是戴尔易安信团队内部讨论和与客户交流中最常提及的话题。对技术发烧友来说,这是一个激动人心的时代,这些技术对我们自身以及我们的客户来说意味着什么,是我们需要更加深入地进行探索的。我们如何充分利用这些机会帮助他
物联网需要边缘计算。据市场研究公司IDC的数据显示,到2025年,全球将有416亿台联网的物联网设备,这些设备将产生79.4 ZB的数据。为了充分利用这些数据,企业开始投资位于网络边缘上的计算、存储和网络设备,包括物联网网关和超融合基础设施。  将处理和分析移到网络边缘可为物联网带来新的优势。例如,减少关键应用程序的延迟,在降低网络负载的同时提高警报速度等。  我们与三名来自不同行业的物联网早期采
作为敏捷投资战略的一部分,为响应前所未有的客户需求,全球云服务提供商正在迅速改变其业务模式,以提供新的云基础架构、应用程序和托管服务。  据IDC的一项最新调查显示,数字化转型所带来的云服务需求正在改变以业务为导向的解决方案的交付模式,为此服务提供商正不断增加对新产品的投资力度,以满足客户对新基础设施和应用程序的双重需求,并通过云服务提供托管服务和专业服务。调查发现,除日本以外的亚太地区(APeJ
“数字驱动产业创新年会暨2019中国优秀CIO颁奖典礼”现场国家工业信息安全发展研究中心副主任何小龙致开幕词國家工业信息安全发展研究中心副主任何小龙致开幕词中国工程院院士沈昌祥发表主题演讲  数字驱动增长正成为企业的核心竞争力,数字化团队毫无疑问是企业的中坚力量,数字化项目更是为企业量身定制的转型催化剂,而CIO们正是数字化转型的关键力量。1月12日,由计世传媒集团、《计算机世界》报和《新金融世界
随着人工智能越来越普及,组织机构必须要让开发人员更容易释放人工智能的潜能。  在业务用例和垂直行业中,工程师和领导者正在持续讨论人工智能可以带来的价值——通常,这样的机遇似乎无穷无尽。它们可以预测你的兴趣、你认识的人或你的下一份工作。  但是,我们时常会忽略执行大型人工智能驱动系统时所必须采取的步骤。人工智能的部署在人才、计算资源和时间方面成本高昂。然而要充分释放人工智能创新浪潮的潜力,开发人员必
公有云已成为数字化转型的战略工具。为了推动创新、增强灵活性和提升收益,IT领导者提出了向公有云服务迁移的建议。  公有云服务是首席信息官们的战略武器,它们不仅能够终结数据中心的运营,还能够让首席信息官们更加专注于旨在提高利润的战略项目。  Gartner的分析师Ed Anderson今年1月在博客中撰文称,“随着企业追求新的IT架构和运营理念,它们为数字业务的新机遇奠定了基础。”  无论是构建移动
谈及网龙,业内外鲜有不知其名者。自1999年以游戏起家后,凭借《魔域》《征服》《英魂之刃》等多款自主研发的著名游戏,网龙很快就成为较早走出国门并且成功运营的民族网游企业的先驱者。  其在2003年以2050万美元出售网游资讯门户网站17173.com和2013年以19亿美元出售“91无线”的两次成功案例,更是至今被业内津津乐道。  而从2010年成立教育业务子品牌“网龙华渔教育”开始,网龙开启了涉
没有任何一个社区能逃过全球性疫情带来的巨大冲击。在尽可能地维持一种常态化生活习惯的同时,每个居民为了保护自己都会在日常生活中做出或多或少的改变,这些改变汇集起来便形成了社区化的应对疫情的措施。  面对此类危机时,最先出现的往往是来自基层的响应,但是这些应对方式对于减缓传染病的扩散可能并不那么有效。从技术角度来看,这些解决方案均包含了集合远程协作、非接触式交易,以及用自动化、机器人和其他免人工流程替
企业领导人现在把网络安全列为最高优先事项,认为它是必须加以管理的战略风险。  然而,对高管和董事会成员的调查显示,他们这项任务进行的并不好。  来自威达信和微软的《2019年全球网络风险感知调查》发现,79%的受访者将网络风险列为自己企业最关注的五大问题之一,22%的受访者表示这是他们最关心的问题。而只有11%的受访者对他们企业的网络应变能力非常有信心。  与此同时,全美企业董事协会进行的《201
边缘上的人工智能:机器学习将成为主流,早期采用者已获得了回报。  机器学习热得不能再热了。機器学习作为人工智能领域的一员,使得计算机能够学习执行任务,进行预测,而不需要详细的编程,这一技术在众多的流行技术中非常火,但对于大多数企业而言仍然是有些遥远的概念。由于技术进步和新出现的体系架构,机器学习可能很快会成为主流。  咨询公司德勤预计,2018年机器学习的使用和采用会大幅度增加。这在很大程度上是因