大数据时代的互联网信息安全考试
考试时间： 120分钟 总分： 100分
单项选择题（每题2分，共20分）
-
大数据的核心特征“4V”不包括以下哪一项？ A. Volume（大量） B. Velocity（高速） C. Variety（多样） D. Veracity（真实） E. Virtualization（虚拟化）
-
在大数据环境中,对数据资产进行分类分级的主要目的是？ A. 提高数据存储效率 B. 实现差异化、精细化的安全防护策略 C. 方便数据查询和检索 D. 降低数据处理的成本
-
以下哪种攻击方式在大数据时代变得尤为突出和难以防范？ A. SQL注入攻击 B. 分布式拒绝服务攻击 C. 数据投毒攻击 D. 钓鱼邮件攻击
-
“数据脱敏”技术的主要作用是？ A. 加密数据，防止未授权访问 B. 从数据集中移除或替换敏感信息，保护个人隐私 C. 压缩数据，减少存储空间 D. 对数据进行格式化，使其更易于分析
（图片来源网络，侵删） -
大数据平台的分布式架构（如Hadoop、Spark）给传统网络安全带来了新挑战，主要体现在？ A. 网络边界变得模糊，传统防火墙难以有效防护 B. 数据传输速度过快，导致加密算法失效 C. 节点数量过多，无法进行有效的身份认证 D. 存储容量过大，无法进行病毒扫描
-
某电商平台利用用户的历史购买、浏览和搜索数据，构建了一个精准的用户画像模型，这主要体现了大数据的哪个价值？ A. 提升运营效率 B. 实现个性化推荐 C. 进行风险预测 D. 优化供应链
-
在大数据安全中,“数据生命周期管理”的关键环节不包括？ A. 数据生成与采集 B. 数据存储与备份 C. 数据销毁与归档 D. 数据展示与美化
-
以下哪项技术最常被用于大数据环境下的异常行为检测？ A. 对称加密算法 B. 数字签名 C. 机器学习/深度学习 D. 公钥基础设施
（图片来源网络，侵删） -
欧盟《通用数据保护条例》的核心原则强调，对个人数据的处理必须有“合法依据”，并遵循“数据最小化”原则，这反映了大数据时代对哪项权利的重视？ A. 数据财产权 B. 隐私权和自主决定权 C. 数据收益权 D. 数据访问权
-
针对大数据分析的“结果投毒”攻击，其目标是？ A. 破坏或污染原始训练数据，导致分析模型产生错误或偏见的结果 B. 窃取分析结果中的商业机密 C. 中断大数据分析服务器的运行 D. 在分析结果中植入恶意代码
多项选择题（每题3分，共15分，多选、少选、错选均不得分）
-
大数据时代,数据泄露的风险来源可能包括？ A. 外部黑客攻击 B. 内部员工的恶意或无意操作 C. 第三方服务提供商的安全漏洞 D. 云服务配置错误 E. 物理介质（如硬盘、U盘）丢失或被盗
-
为了保障大数据分析的隐私安全,可以采用的技术组合包括？ A. 数据加密（传输中、静态） B. 访问控制与身份认证 C. 数据脱敏与匿名化 D. 安全多方计算 E. 差分隐私
-
以下哪些是大数据平台面临的主要安全威胁？ A. 节点被植入挖矿程序 B. YARN资源被恶意抢占，导致服务拒绝 HDFS存储数据被未授权访问 D. Hive metastore元数据泄露 E. MapReduce任务被篡改，执行恶意代码
-
建立一个大数据安全体系,应遵循哪些核心原则？ A. 零信任架构原则 B. 数据驱动安全原则 C. 安全左移原则 D. 最小权限原则 E. 纵深防御原则
-
数据主权和数据本地化是近年来重要的数据治理议题,其主要原因包括？ A. 保护本国公民的个人信息和隐私 B. 维护国家安全和经济利益 C. 避免数据因跨境流动而受到不同司法管辖区的法律冲突 D. 降低跨国数据传输的成本 E. 提升全球数据治理的话语权
判断题（每题2分，共10分，正确的打“√”，错误的打“×”）
-
大数据的“3V”特征（Volume, Velocity, Variety）是绝对的，任何不符合这3个特征的数据集都不能被称为大数据。（ ）
-
数据加密是保障大数据安全的唯一有效手段。（ ）
-
在大数据环境下,由于数据量巨大，传统的基于签名的入侵检测系统已经完全失效。（ ）
-
“数据最小化”原则要求在处理数据时，只收集和保留实现特定目的所必需的最少数据。（ ）
-
隐私保护计算技术旨在实现“数据可用不可见”，即在不暴露原始数据的前提下进行联合计算和分析。（ ）
简答题（每题10分，共30分）
-
简述大数据时代信息安全面临的主要挑战。
- 答： 大数据时代信息安全面临的主要挑战包括：
- 攻击面扩大与威胁复杂化： 数据集中存储、分布式架构、API接口增多，导致攻击面急剧扩大，数据泄露、勒索软件、APT攻击等威胁更加复杂和隐蔽。
- 隐私保护压力剧增： 海量个人数据的收集和分析，使得隐私泄露风险空前提高，如何在数据价值挖掘与个人隐私保护之间取得平衡，成为核心难题。
- 数据安全防护难度提升： 海量、异构、高速流动的数据使得传统的边界防护技术（如防火墙）效果减弱，数据分类分级、访问控制、安全审计等操作的难度和成本都大幅增加。
- 新型攻击手段涌现： “数据投毒”攻击通过污染训练数据来误导机器学习模型；“逆向推理”攻击利用公开数据推断出敏感信息；“结果投毒”攻击污染分析结果。
- 安全合规要求趋严： 全球各国纷纷出台数据安全和个人信息保护相关法律法规（如GDPR、中国的《数据安全法》、《个人信息保护法》），对企业的数据治理能力提出了更高要求。
- 答： 大数据时代信息安全面临的主要挑战包括：
-
请解释什么是“数据生命周期安全”，并简述其在不同阶段应采取的关键安全措施。
- 答： “数据生命周期安全”是指对数据从产生、传输、存储、使用、共享、销毁直至归档的全过程进行系统性、连贯性的安全保护。
- 数据生成/采集阶段： 确保数据源的合法性、真实性，对采集行为进行授权和审计。
- 数据传输阶段： 采用强加密算法（如TLS/SSL）对传输中的数据进行加密，防止数据在传输过程中被窃听或篡改。
- 数据存储阶段： 对静态数据进行加密存储，实施严格的访问控制策略，进行数据备份和容灾，防止数据丢失或未授权访问。
- 数据使用/处理阶段： 遵循最小权限原则，对数据访问和操作进行授权和审计，采用数据脱敏、匿名化等技术，在开发、测试等非生产环境中使用“伪数据”。
- 数据共享/交换阶段： 建立数据共享审批流程，对共享出去的数据进行脱敏或使用安全多方计算、联邦学习等隐私计算技术。
- 数据销毁/归档阶段： 对不再需要的数据进行安全、彻底的销毁（如低级格式化、消磁、物理销毁），确保数据无法被恢复，对需要长期归档的数据，应进行加密并置于安全的环境中。
- 答： “数据生命周期安全”是指对数据从产生、传输、存储、使用、共享、销毁直至归档的全过程进行系统性、连贯性的安全保护。
-
什么是“零信任”（Zero Trust）架构？为什么说它非常适合应用于大数据安全防护？
- 答：
- 零信任架构的核心思想： “永不信任，始终验证”（Never Trust, Always Verify），它摒弃了传统的“内网比外网安全”的边界防护理念，认为网络内部和外部都充满了威胁，任何用户、设备或应用在访问资源之前，都必须经过严格的身份认证、授权和安全状态评估。
- 为什么适合大数据安全：
**适应分布式架构
- 答：
