与此同时，大数据也面临着日益严峻的安全风险，黑客攻击、“内鬼”泄密、防护缺失、技术滞后等问题频发，影响波及个人隐私、企业利益、社会安定乃至国家安全各个方面，亟需通过对大数据安全治理相关技术、产品和解决方案的研发与应用，实现“安全与发展”并举，让大数据使用更安全。

大数据安全治理势在必行，但在着手前，先要搞清楚大数据安全治理与传统数据安全防护之间的差异。为便于理解，安华金和分别从五个方面对二者进行了比较，详见下图：

1、大数据的安全评估

在实施大数据安全治理之前，必须整体进行一次大数据安全评估，用以了解当前大数据平台以及数据在流转、使用过程中的安全状态，继而明确安全目标并制定安全规划，为大数据安全治理工作奠定基础。

2、大数据的分级分类

基于对数据的有效理解和分析，对数据进行不同类别和密级的划分；根据数据的类别和密级制定不同的管理和使用原则，尽可能对数据做到有差别、有针对性的防护，从而实现数据在被适当安全保护下的自由流动。

3、大数据的授权管控

不仅要对大数据分级分类，更要针对不同角色制定不同的安全政策，从而知晓大数据被谁访问或使用过（增删改查）；常见的角色包括：业务人员、数据运维人员、开发测试人员、分析人员、外包人员、数据共享第三方等。

4、大数据的场景化安全

研究不同角色在不同场景下的数据使用需求，在尽可能满足数据被正常使用的前提下，选择适合的安全工具，完成相应的安全要求。例如：对于开发测试人员，在开发场景下，应侧重满足其对生产数据高度仿真模拟的需求，而非是对仿真数据进行加密、访问控制、审计等；对于运维人员，在备份和调优场景下，并不需要什么特殊权限，只对其做行为审计和敏感数据掩码即可。

作为一家成立已逾十年的专业数据安全厂商，安华金和认为：开展“大数据安全治理”的目的是要“让大数据使用更安全”！脱离了“使用”去谈大数据安全是不切实际的，大数据存在的目的就是为了被更充分、更高效、更准确的利用，从而发挥出更大的价值。