《大數(shù)據(jù)基礎(chǔ)及大數(shù)據(jù)安全》

《大數(shù)據(jù)基礎(chǔ)及大數(shù)據(jù)安全》 ——段方 北京大學(xué)博士后
1 概述
1.1 大數(shù)據(jù)的概念和特點(diǎn)
1.1.1 大數(shù)據(jù)的基礎(chǔ)
1.1.2 大數(shù)據(jù)如何“ 與時(shí)俱進(jìn)”？
1.1.3 大數(shù)據(jù)發(fā)展趨勢(shì)
人工智能
物聯(lián)網(wǎng)結(jié)合
各個(gè)行業(yè)的深入
1.2 大數(shù)據(jù)的技術(shù)基礎(chǔ)
1.2.1 從數(shù)據(jù)倉(cāng)庫(kù)開始
1.2.2 HADOOP 生態(tài)圈
1.2.3 與云計(jì)算的關(guān)系
1.2.4 數(shù)據(jù)運(yùn)維能力提升
1.3 大數(shù)據(jù)的應(yīng)用舉例
1.3.1 大數(shù)據(jù)提升客戶分析能力
1.3.2 大數(shù)據(jù)提升產(chǎn)品分析能力
1.3.3 大數(shù)據(jù)提升管理水平
1.3.4 大數(shù)據(jù)提升各行業(yè)“智慧”
1.4 大數(shù)據(jù)下的人工智能（AI）
1.4.1 什么是人工智能
1.4.2 人工智能改變哪些行業(yè)？
1.4.3 大數(shù)據(jù)下的人工智能有何不同？
1.4.4 人工智能的“顛覆 ”
1.5 大數(shù)據(jù)如何精細(xì)化管理
1.5.1 量化管理的引出
1.5.2 大數(shù)據(jù)如何提升“量化”的維度和深度
1.5.3 從藝術(shù)到技術(shù)
1.5.4 自動(dòng)駕駛到自動(dòng)管理？
1.6 大數(shù)據(jù)業(yè)界趨勢(shì)
1.6.1 數(shù)據(jù)更加豐富（跨行業(yè)）
1.6.2 計(jì)算能力更強(qiáng)（邊緣計(jì)算）
1.6.3 結(jié)合業(yè)務(wù)應(yīng)用場(chǎng)景（行業(yè)解決方案）
1.6.4 開源改變了商務(wù)模式（生態(tài)圈）
1.7 大數(shù)據(jù)商業(yè)戰(zhàn)略
1.7.1 數(shù)據(jù)變現(xiàn)能力
1.7.2 分析變現(xiàn)能力
1.7.3 服務(wù)變現(xiàn)能力
1.7.4 產(chǎn)業(yè)鏈的服務(wù)模式
1.8 智慧銀行的概念
1.8.1 廣義概念
企業(yè)角度的智慧 服務(wù)的智慧
產(chǎn)品的智慧 管理的“顛覆 ”
1.8.2 狹義概念
智慧營(yíng)業(yè)廳
智慧化設(shè)備（排隊(duì)機(jī)、柜臺(tái)等）
1.9 大數(shù)據(jù)對(duì)傳統(tǒng)銀行的意義
1.9.1 對(duì)客戶的深度理解
1.9.2 服務(wù)客戶的每個(gè)金融需求
1.9.3 重塑輝煌的唯一機(jī)遇
1.9.4 逆轉(zhuǎn)“ 中介”的宿命
1.10 【思考】大數(shù)據(jù)為什么能夠成為中國(guó)的國(guó)家戰(zhàn)略？
2 大數(shù)據(jù)技術(shù)基礎(chǔ)（可選）
2.1 從數(shù)據(jù)倉(cāng)庫(kù)開始
2.1.1 數(shù)據(jù)倉(cāng)庫(kù)的“集中 ”
2.1.2 數(shù)據(jù)倉(cāng)庫(kù)的模型標(biāo)準(zhǔn)化
2.1.3 大數(shù)據(jù)的演進(jìn)
2.2 HADOOP 生態(tài)圈
2.2.1 開源社區(qū)概述
2.2.2 開源改變了什么？
2.2.3 HADOOP 生態(tài)圈內(nèi)容
2.2.4 HADOOP 的技術(shù)原則
2.2.5 HADOOP 的運(yùn)維
2.3 HADOOP 基礎(chǔ)
2.3.1 HDFS 的原理
2.3.2 MAP/REDUCE 原理
2.3.3 YARN 原理
2.4 HIVE/HBASE 技術(shù)
2.4.1 HIVE 的原理
2.4.2 HBASE 的原理
2.4.3 兩者的關(guān)系
2.5 SPARK 技術(shù)
2.5.1 基本原理
2.5.2 應(yīng)用案例
2.6 KAFKA/FLUME
2.6.1 基本原理
2.6.2 應(yīng)用案例
2.7 大數(shù)據(jù)如何助力智慧銀行
2.7.1 是所有新技術(shù)的基礎(chǔ)
2.7.2 數(shù)據(jù)維度前所未有豐富（物聯(lián)網(wǎng)、VR/AR、區(qū)塊鏈等收 集的數(shù)據(jù)）
2.7.3 分析能力前所未有（人工智能等算法突破）
2.8 人工智能在智慧銀行中的應(yīng)用
2.8.1 客戶的生物識(shí)別
2.8.2 算法精度改良
2.8.3 更強(qiáng)的風(fēng)險(xiǎn)監(jiān)控
2.9 【思考】各個(gè)技術(shù)的特點(diǎn)對(duì)比
3 大數(shù)據(jù)安全——定義及范圍
3.1 數(shù)據(jù)安全定義
3.2 與傳統(tǒng)安全技術(shù)的關(guān)系
3.3 相關(guān)數(shù)據(jù)安全的法律規(guī)定
3.4 敏感數(shù)據(jù)的定義和范圍
3.5 數(shù)據(jù)安全管控技術(shù)
3.6 加密與解密的方法綜述
3.7 數(shù)據(jù)使用權(quán)限管理
3.8 【案例】基于大數(shù)據(jù)進(jìn)行群體欺詐分析
4 大數(shù)據(jù)安全管理架構(gòu)
4.1 層層防御的技術(shù)理念
4.1.1 從敏感數(shù)據(jù)角度的層層防御
4.1.2 從數(shù)據(jù)出來環(huán)節(jié)的層層防御
4.1.3 從數(shù)據(jù)生命周期的層層防御
4.2 數(shù)據(jù)訪問策略
4.2.1 隱私數(shù)據(jù)策略管理
4.2.2 告警策略管理
4.3 “ 三分技術(shù)、七分管理 ”
4.3.1 安全管理的重要性
4.3.2 安全管理的內(nèi)容和范圍
4.3.3 技術(shù)圍繞管理需求
4.4 與網(wǎng)絡(luò)安全的關(guān)系
4.4.1 層次不同
4.4.2 解決網(wǎng)絡(luò)突破后的數(shù)據(jù)安全問題
4.5 數(shù)據(jù)導(dǎo)出管理與監(jiān)控
4.5.1 數(shù)據(jù)水印技術(shù)
4.5.2 訪問軌跡追蹤
4.6 安全管理的關(guān)鍵點(diǎn)
4.6.1 明確的規(guī)章制度
4.6.2 嚴(yán)格地執(zhí)行規(guī)章制度
4.7 訪問終端的安全管控
4.7.1 終端的安全管控原則
4.7.2 應(yīng)用的管控流程
4.8 機(jī)房的安全管控要求
4.8.1 設(shè)備隔離要求
4.8.2 訪問監(jiān)控要求等
4.9 【案例】某企業(yè)大數(shù)據(jù)安全架構(gòu)示例
5 數(shù)據(jù)加密方法（可選）
5.1 加密算法概述
5.1.1 算法的分類
5.1.2 算法的特點(diǎn)評(píng)估
5.2 加密算法的選擇和評(píng)估
5.2.1 選擇的原則
5.2.2 如何評(píng)估和對(duì)比
5.3 加密算法的原理
5.4 加密算法的對(duì)比
5.4.1 性能方面
5.4.2 可逆或不可逆
5.4.3 與數(shù)據(jù)特點(diǎn)的結(jié)合
5.5 數(shù)據(jù)脫敏算法效率考量
5.5.1 數(shù)據(jù)量的評(píng)估
5.5.2 加密、解密效率評(píng)估
5.5.3 安全等級(jí)選擇
6 數(shù)據(jù)金庫(kù)等管理應(yīng)用
6.1 4A 認(rèn)證模式
6.1.1 4A 概念
6.1.2 與大數(shù)據(jù)權(quán)限管理的關(guān)系
6.2 金庫(kù)管理模式
6.2.1 何為金庫(kù)模式？
6.2.2 金庫(kù)模式的要點(diǎn)
6.2.3 金庫(kù)模式的意義
6.3 管理規(guī)章制度設(shè)計(jì)
6.3.1 設(shè)計(jì)哪些規(guī)章制度
6.3.2 規(guī)章制度的設(shè)計(jì)原則
6.3.3 規(guī)章制度的設(shè)計(jì)分類
6.4 訪問日志管理
6.4.1 大數(shù)據(jù)的日志如何管理
6.4.2 日志的價(jià)值分析
6.4.3 日志的分析應(yīng)用
6.5 安全實(shí)時(shí)告警
6.5.1 如何進(jìn)行實(shí)時(shí)監(jiān)控
6.5.2 監(jiān)控規(guī)則的實(shí)時(shí)計(jì)算
6.5.3 告警信息的實(shí)時(shí)傳送
6.6 【案例】某企業(yè)數(shù)據(jù)金庫(kù)案例
7 安全的大數(shù)據(jù)分析（可選）
7.1 安全態(tài)勢(shì)感知概念和范圍
7.2 態(tài)勢(shì)感知的大數(shù)據(jù)收集
7.3 態(tài)勢(shì)感知的檢測(cè)
7.4 態(tài)勢(shì)感知的分析、響應(yīng)
7.5 態(tài)勢(shì)感知的預(yù)測(cè)
7.6 態(tài)勢(shì)感知的防御
7.7 還有哪些應(yīng)用？
7.8 【案例】安全態(tài)勢(shì)感知技術(shù)介紹
8 HADOOP 系統(tǒng)安全防護(hù)
8.1 開源系統(tǒng)的安全防護(hù)問題
8.2 與傳統(tǒng)數(shù)據(jù)倉(cāng)庫(kù)安全的對(duì)比
8.3 HADOOP 漏洞分析
8.4 HADOOP 生態(tài)補(bǔ)丁策略
8.5 加固 HADOOP 系統(tǒng)
9 大數(shù)據(jù)安全事故案例分析
9.1 內(nèi)部人員的安全事故案例
9.2 外部人員的安全事故案例
9.3 黑客攻擊的風(fēng)險(xiǎn)
10 一些思考
10.1 客戶隱私與客戶服務(wù)的矛盾
10.2 客戶隱私的規(guī)避思考
10.3 客戶隱私的防護(hù)成本
11 總結(jié)

段方老師的其它課程