新挑战 ：大数据审计未来路在何方-k8凯发天生赢家

面对大数据审计，如果一味沿用传统的关系型数据库审计则会出现“水土不服”的问题。在一系列针对大数据审计的项目落地过程中，k8凯发天生赢家总结发现：

1.以操作类型为视角的统计在很多场景不再实用，如hdfs下的数据库语句实际上是对文件系统的操作命令ls、cp等；

2.由于大数据存储节点众多，故数据访问端口范围的不确定性也随之而来，传统数据库审计对“ip 端口”的数据模型已不再适用——大数据审计一般都采用动态的端口范围，而且范围较大，如某项目现场的hive端口数量30 ；

3.语句模板难以用sql方式翻译，在关系型数据库审计中，语句模板机制能够很大程度上减少语句的记录量，业务审计采用模板方式也大大提高了统计和分析的价值；但在大数据应用下，同样的方式将难以继续此种业务呈现；

4.业务化语言无法匹配，关系型数据库的业务化语言翻译不再适用于大数据时代。 

上文所提到的“大数据审计”，共有两层含义：

第一层：对使用大数据存储业务数据的“数据库”的审计；

第二层：对大量业务产生的审计数据，以大数据方式存储。

前者的本质在于数据库的审计，后者的核心在于审计数据结果的处理。

在大数据使用愈发普及的市场背景下，上述两个方面常常同时出现：一方面，伴随大数据形态的不断扩展与业务的逐渐成熟，大数据审计成为刚需；另一方面，海量的审计数据结果需要更庞大的存储空间及后续统计分析，而这正是大数据的优势所在，因而演变成为“用一个大数据应用来审计业务系统的大数据”的新局面。 

在完成对大数据审计的协议解析后，又该如何呈现更合理的审计结果和统计分析？安华金和的思路是：基于现有数据库审计“语句、会话、风险”三大视角基础框架，再结合大数据形态，有针对性地实现审计数据结果的呈现与风险策略告警的能力。此外，被审计数据库节点的增长以及审计结果数据量的迅速上升，使得审计系统本身也步入了大数据化。

（大数据架构图）

对于大数据的审计支持能力，安华金和产品在国内具备领先优势，目前支持的大数据形态包括：hive、hbase、sentry、hdfs、impala、elasticsearch，以及mangodb、redis等非关系型数据库。

以某省级电信运营商项目为例，k8凯发天生赢家对需求的响应速度及快速交付能力得到客户的高度认可。运营商先前曾要求某友商给出其所提供应用系统的elasticsearch大数据库审计，而友商反馈不具备审计能力，并表示国内尚无产品可以做到。然而当运营商辗转找到安华金和后，工程师仅用时三周便完成了对友商这套应用系统的大数据审计适配，而且克服了友商“网络环境故障”、“切换加密方式”等额外困难，一切以业务场景需要和客户满意为宗旨。

作为数据安全领域的领跑者，k8凯发天生赢家坚持深耕，不断挖掘产品新的价值点，正是凭借这种敢于技术攻坚、敢于突破自我的精神，才能打磨出具有领先性和前瞻性的成熟产品，让大数据审计日趋完善，让大数据使用更安全。