دور الامن السيبراني في حماية البيانات الضخمة وأثره على الاقتصاد الرقمى
إعداد د. محمد محسن رمضان
مستشار الامن السيبراني ومكافحة الجرائم الالكترونية
مستشار الامن السيبراني والذكاء الاصطناعي والمشرف على وحدة الذكاء الاصطناعي والامن السيبراني بمؤسسة رسالة السلام العالمية
الملخص
اصبحت "المعرفة قوة" مقولة صحيحة في عصر المعلومات الحالي ؛ حيث الوصول إلى المعلومات هو أساس المعرفة، كما أصبحت القدرة على جمع البيانات من كميات كبيرة منها قضية حاسمة. هذا وتعد تحليلات البيانات الضخمة هي نوع من الأبحاث التي تهدف إلى تحليل وتصور البيانات التي تم جمعها وتخزينها من قبل مختلف المنظمات. فالنمو السريع للإنترنت وصعود إنترنت الأشياء أضحت من العوامل التي ساهمت في زيادة كمية البيانات التي يتم إنتاجها. والتي يمكن استخدامها لدراسة الأنظمة التي تعمل في بيئتنا المعاصره . فأصبحت البيانات الضخمة جزءا لا يتجزأ من الأمن السيبراني نظرا لقيمتها في مساعدة المؤسسات على حماية أصولها. وتعترف جميع قطاعات الاقتصاد بأهمية الأمن السيبراني ، لأنه مرتبط بالامن القومي والأداء السلس للمجتمع. ويعد الأمن السيبراني جزءا لا يتجزأ من الاقتصاد الرقمي ويجب اعتباره أحد أصول النمو الاقتصادي . تستكشف هذه الدراسة الدراسات البحثية المختلفة التي أجريت في هذا المجال. نناقش أيضا إمكانات البيانات الضخمة للمساعدة في تحسين أمان المؤسسات. تهدف هذه الدراسة إلى تلخيص الأعمال المختلفة التي تم تقديمها في مجال تحليلات البيانات الضخمة في السنوات القليلة الماضية. كما يقدم نظرة عامة شاملة على الوضع الحالي للأمن السيبراني المتعلق بهذه التكنولوجيا واثره علي الاقتصاد الرقمي.
الكلمات
المفتاحيه :
الامن السيبراني؛ البيانات الضخمه ؛ استراتيجيات الدفاع العميق؛ نظام RC4 , BDA
مقدمة
أصبحت البيانات الضخمة جزءا لا يتجزأ من النظام البيئي لكل تطبيق بسبب الكمية المتزايدة من المعلومات التي تم جمعها وتخزينها على مدار ال 15 عاما الماضية. يمكن استخدام ميزاته المختلفة لاكتشاف الهجمات ومنعها. أدت التطورات التكنولوجية التي حدثت على مر السنين إلى زيادة المخاطر والنتائج المحتملة. وقال إن القرصنة أصبحت نشاطا محسوبا ومحفزا أكثر. اعتاد أن يكون مثل التشويه العام للأشياء ومع ذلك، اليوم، هو أكثر خطورة[1].
نظرا للعدد المتزايد من البلدان التي تتهم بعضها البعض بالقرصنة، أصبح التجسس الصناعي أكثر انتشارا. يمكن تنفيذ هذا النوع من النشاط إما من قبل الكيانات المتنافسة أو الدول القومية. يمكن أن يؤثر على صناعات مختلفة مثل الخدمات المالية والحكومة والرعاية الصحية. نظرا للعدد المتزايد من تطورات القرصنة وتعقيد التهديدات الإلكترونية، أصبح الأمن السيبراني مجالا حيويا في علوم الكمبيوتر. يهدف إلى تقليل عدد ناقلات الهجوم والنقاط التي يمكن استغلالها من قبل المهاجمين. يمكن أن تكون هذه العملية صعبة للغاية لأن المهاجم يجب أن يكون قادرا على اختراق النظام بنجاح مرة واحدة فقط[2].
تعد تحليلات البيانات الضخمة مكونا حاسما في تحليل الأمن السيبراني لأنها تتيح لنا التنبؤ بالهجمات الإلكترونية ومنعها. يمكن أن يساعدنا أيضا في تحسين إنتاجيتنا من خلال تزويدنا بمعلومات أكثر دقة وفي الوقت المناسب. من خلال استخدامها، يمكن أن تساعدنا تحليلات البيانات الضخمة في تحقيق أهداف المؤسسة المختلفة. يتم جمع البيانات وتصنيفها لتحليل وتصور الأنماط السلوكية والإحصاءات. يمكن تنفيذ هذه العملية بطرق مختلفة حسب احتياجات المنظمة. على مر التاريخ، أجريت دراسات مختلفة حول التنبؤ بالهجمات السيبرانية. نظرا للكم الهائل من المعلومات التي يمكن جمعها وتخزينها في البيانات الضخمة، فإن لديها القدرة على توفير رؤى قابلة للتنفيذ. لسوء الحظ، نظرا لتعقيدها، فإن التفسير التلقائي غير ممكن. هذا هو السبب في أن تقنيات التجميع وتجزئة البيانات المستخدمة في صناعة الأمن السيبراني أصبحت أكثر شيوعا[3].
يمكن استخدام تحليلات البيانات الضخمة لأداء مهام مختلفة، مثل استعادة البيانات ومنع فقدان البيانات واستعادة الأنظمة غير المعيبة. في مجال الأمن السيبراني، يمكن أن يساعد المسؤولين على تحديد الاختناقات وتحسين أداء إجراءاتهم. أحد التطبيقات الأكثر شيوعا لتحليلات البيانات الضخمة هو التجميع. يمكن أن تساعد هذه العملية الشركات في تحديد عملائها المثاليين. يمكن أن تساعد هذه التقنيات في تقليل الوقت المستغرق لتحليل البيانات الضخمة وتصورها. على سبيل المثال، من خلال الكشف التلقائي عن السلوك الشاذ في مجموعة بيانات ديناميكية وثابتة، يمكن للمرء تحسين كفاءتها وزيادة ربحتها [4].
مشكلة الدراسة
نظرا لوفرة المعلومات المتاحة عبر الإنترنت ، تزايد عدد المهاجمون، هناك مهاجمون أكثر من أولئك الذين يحاولون حمايتها. ولهذا السبب تحول تركيز الأمن السيبراني إلى نهج أكثر تطورا يعرف باسم نموذج الوقاية والكشف والاستجابة (PDR). والذي من المتوقع أن يكون لظهور نموذج التحول الرقمي تأثير كبير على تطوير صناعة الأمن السيبراني. تم استخدام مصطلح البيانات الضخمة هي كلمة طنانة شائعة تم استخدامها لوصف توليد كميات كبيرة من البيانات. ولتنامي عدد مستخدمي شبكه الإنترنت، أصبحت كمية البيانات التي تم جمعها وتخزينها مشكلة تنذر بالخطر مع تضخم البيانات.
مع تزايد كمية المعلومات المتاحة على الإنترنت، هناك حاجة إلى طرق أكثر فعالية وكفاءة لحمايتها. لذا تسعي هذه الدراسه إلى تقديم نظرة عامة شاملة على الأنشطة البحثية المختلفة التي يتم إجراؤها في مجال أمن البيانات الضخمة. على الرغم من وجود العديد من الدراسات حول هذا الموضوع، إلا أن هذه الدراسه تهدف إلى توفير فهم أعمق للجوانب المتعددة لهذه التكنولوجيا واثر ذلك علي اقتصاديات اللوجيستيات .
الهدف من الدراسة
تهدف هذه الدراسه إلى تقديم نظرة عامة شاملة على الأنشطة البحثية المختلفة التي يتم إجراؤها في مجال أمن البيانات الضخمة. كما تهدف الي استكشاف كيفية استخدام البيانات الضخمة كأداة أمنية وكيف يمكن تأمينها. تركز المساهمات الرئيسية لهذه الدراسة على تصنيف البيانات الضخمة إلى فئتين أمنيتين مختلفتين. تهدف هذه الدراسة إلى تقديم ملخص لمختلف الهجمات والتدابير المضادة التي يتم إجراؤها في مجال أمن البيانات الضخمة وفي النهايه كيف يؤثر ذلك على اقتصاديات اللوجيستيات.
II. الأمن باستخدام البيانات الضخمة
من خلال SecIntel Exchange، تعاونت مجموعة من أفضل شركات الأمن لجمع المعلومات الاستخباراتية من بعضها البعض من أجل تزويد عملائها بأفضل أدوات الأمان الممكنة. كان هدفهم هو التحسين المستمر لعروضهم وتزويد عملائهم بأكثر التدابير الأمنية فعالية وكفاءة. نظرا لظهور تهديدات جديدة، مثل البرامج الضارة متعددة الأشكال، احتاج محترفو الأمن السيبراني إلى الكثير من المعلومات لمكافحه عمليات القرصنه بشكل فعال. وقد تم ذلك من خلال تطوير استراتيجيات وأساليب جديدة ومجهودات كبيره ، حيث فشلت كل الطرق التقليديه في تحديد هذه التهديدات ومن ثم العمل علي الحد منها او التغلب عليها . ومع ذلك لم تكن الطرق التقليدية لتحديد هذه التهديدات ومنعها قادرة على العمل. من خلال استخدام بيانات SecIntel Exchange ، امكن، يمكن للمؤسسات مؤخرا الحصول على فهم أعمق لبياناتها. ولعدم قدره الطرق التقليدية علي مواكبة كمية البيانات التي يتم جمعها. بدءالبحث عن مناهج اكثر تطورا ومعاصره لتحليل هذه البيانات الضخمة واستخدامها في ظل حمايتها من المخاطر [5].
في دراسة حالة، أظهرت Zions Bancorporation أن الأمر سيستغرق حوالي 20 دقيقة لتحليل بيانات الأمان لمدة شهر باستخدام أدواتها التقليدية. باستخدام تقنية Hadoop، يمكنهم أداء نفس المهمة في دقيقة واحدة فقط. نظرا لتزايد انتشار BDA، فقد أصبح جزءا لا يتجزأ من صناعة الأمن السيبراني. وفقا للدراسات ، ثبت عدم الأساليب، فإن المحللين البشريين والأساليب التقليدية والمعتمده علي العامل البشري على مواكبة حجم البيانات التي يتم جمعها. ومع هذا توصلت الدراسات الي ان يمكن عن طريق ي تحليلات البيانات الضخمة منع الهجمات المتنوعة. وفقا لفن الحرب لصن تزو، يجب ألا يخشى الناس من نتائج مائة معركة لأنهم يعرفون أنفسهم وأعدائهم. بعبارة أخرى ، على الرغم من أنه قد لا يكون من الممكن معرفة كل شيء عن أعدائنا ، إلا أنه لا يزال من الممكن حمايه انفسنا وذلك باستخدام الأساليب التقنيه الحديثه لحمايه البيانات (Andrade et al., 2020).
يعد تحليل واستخراج الرؤى من البيانات التي تم إنشاؤها بواسطة أحد الأصول عملية تتطلب الكثير من المعرفة والمهارات. بمساعدة BDA، يمكن القيام بذلك بطريقة بسيطة نسبيا. ومع ذلك ، فإن تحليل واستخراج الرؤى من البيانات التي تم إنشاؤها بواسطة أحد الأصول ليس بالأمر السهل دائما بسبب تعقيد البيانات. في عملهم، طور الفريق في OwlSight منصة تم تصميمها لمساعدة المؤسسات على تحديد التهديدات السيبرانية وتصورها في الوقت الفعلي. تم بناء النظام الأساسي على مكونات مختلفة، مثل تحليلات البيانات الضخمة وخدمات الويب. كان قادرا على جمع وتحليل كميات كبيرة من البيانات. ومع ذلك ، فقد واجهوا بعض المشكلات عندما يتعلق الأمر بتنفيذ نظامهم الأساسي[7].
كانت إحدى المشكلات الرئيسية التي واجهها الفريق (عندما يتعلق الأمر بتنفيذ نظامهم الأساسي )هي تعقيد البيانات. نظرا لأن االمعدات غير قادرة على القيام بالمهمة بفعالية دون وجود عنصر بشري ، فقد قرروا إنشاء إطار يجمع بين تحليلات البيانات الضخمة والأساليب الاحصائيه. تهدف هذه الطريقة إلى توفير فهم أعمق للبيانات. يمكن استخدام تحليلات البيانات الضخمة لجمع رؤى حول عمليات المؤسسة وتحليلها ، وهو أمر مهم للغاية في الأمن السيبراني. ومع ذلك، قد يكون من الصعب للغاية استنتاج هذه الأفكار وتحليلها بسبب تعقيد البيانات. ان حوالي 62٪ من الهجمات التي تم الإبلاغ عنها كانت مرتبطة بالقرصنة، في حين أن 51٪ كانت هجمات اجتماعية ، و 14٪ كانت ناجمة عن خطأ بشري. في مثل هذه الحالات، يعتمد المهاجمون على العوامل البشرية لتنفيذ هجمات ناجحة. على سبيل المثال، في عمليات التصيد الاحتيالي والبريد الإلكتروني، عادة ما يكون الأشخاص ضحايا لهذه الهجمات[8].
كشفت دراسة أجراها باحثون[9] أن ما يقرب من نصف هجمات البريد الإلكتروني الناجحة قادرة على جعل ضحاياها يضغطون على رابط في غضون ساعة أو أقل. لمزيد من التحقيق في استخدام البيانات الضخمة في الأمن السيبراني، أجرى الباحثون دراستين. قام أحد هؤلاء بتحليل البيانات التي جمعتها شركة إنرون.كما أجريت دراسة ثانية على الطلاب الجامعيين لتحليل كيفية عمل القرصنه عبر البريد الإلكتروني. تم تحليل البيانات التي تم جمعها خلال الدراسة باستخدام برنامج يسمى Enronic. بعد تحليل البيانات، اكتشف المؤلفون أن المهاجمين يمكنهم تحديد سلوكيات ضحاياهم باستخدام تحليلات البيانات الضخمة. ثم وجدوا أنه يمكن استخدام هذه الأفكار لإنشاء رسائل بريد إلكتروني فعالة للتصيد الاحتيالي.
ثم خطط الباحثون[10] لتطوير إطار عمل يسمح لهم بتحليل ومنع تهديدات أمان البريد الإلكتروني. في دراسة أخرى، اقترحوا إطارا مدعوما بالبيانات الضخمة يسمح لهم بالدفاع ضد رسائل البريد الإلكتروني الاحتيالية والبريد العشوائي. تمكن الإطار من جمع البيانات من مصادر مختلفة، مثل الشبكات الاجتماعية والمواقع المدرجة في القائمة المحظوره. تم بناء إطار العمل على قمة Hadoop و Spark، وكان قادرا على معالجة البيانات التي جمعها الباحثون. لسوء الحظ، لم يكن قادرا على تقديم تحليل في الوقت الفعلي للبيانات. نوع آخر من الهجوم الذي تم استخدامه كان APT، وهو هجوم متطور ومخطط له جيدا.
من الصعب جدا اكتشاف APTs، ويمكن أن يساعد تحليل البيانات الضخمة في تحديدها ومنعها. يمكن أن تلعب هذه التقنيات دورا حاسما في الكشف المبكر ، خاصة عندما يتم تطبيقها على مجموعة متنوعة من مصادر البيانات. استجابة للعدد المتزايد من هجمات APT، تم تطوير إطار عمل يجمع بين استراتيجيات الدفاع العميق 3D. يسمح للنظام تحليل ومنع قرصنه البيانات المتعلقة بالمعلومات السرية[11].
في دراسة حول هجمات الروبوتات [3]، تمكن الباحثون من تحليل البيانات التي تم جمعها بواسطة تحليلات البيانات الضخمة لتطوير استراتيجيات فعالة للدفاع ضد هذه الأنواع من الهجمات. وقامت اللجنة بتنسيق أنشطة الدراسة. ثم خطط الباحثون لتطوير إطار عمل يسمح لهم بتحليل ومنع شبكات الروبوت من العمل. اقترحوا طريقة تسمح لهم بتحديد حركة المرور غير المعروفة باستخدام خريطة ذاتية التنظيم. ويمكن أيضا استخدام تحليل البيانات الضخمة لمنع الهجمات الإلكترونية والإجراءات الضارة أيضا في القطاع المالي.
في دراسة أخرى، تمكن الباحثون من تحليل البيانات التي تم جمعها بواسطة تحليلات البيانات الضخمة لتطوير استراتيجيات فعالة للدفاع ضد هذه الأنواع من الهجمات. نظرا للعدد المتزايد من الحوادث السيبرانية ،لهذا، أصبح استخدام البيانات الضخمة في التأمين أكثر انتشارا. في هذا القطاع، اقترح الباحثون إطارا يسمح لهم بتحليل البيانات التي جمعتها المنظمة من اجل نظرة ثاقبة لعملياتها. وركزت الدراسة على قضايا الأمن والخصوصية المتعلقة بمشاركة البيانات المالية. كما قامت بتحليل إطار عمل جديد قائم على وظائف الشبكة الافتراضية يعرف باسم SHIELD. تم تصميم إطار العمل هذا لتوفير حل الأمان كخدمة في بيئة اتصالات متطورة[12].
تم بناء إطار العمل على رأس BDA ، والذي امكنه أن يوفر تحليلا في الوقت الفعلي للبيانات التي جمعها الباحثون. في دراسة أخرى، خطط الباحثون لتطوير نظام يسمح لهم بتحليل البيانات التي جمعتها المنظمة للحصول على نظرة ثاقبة لعملياتها. تم بناء النظام المقترح على قمة Hadoop، ويحتوي على مكونات مختلفة، مثل منصة التخزين والتحليل. قام الباحثون ببناء نظام على قمة Hadoop يمكنه تخزين وتحليل البيانات التي تم جمعها من قبل المنظمة لتحسين كفاءة وموثوقية معالجة البيانات الخاصة بها. في دراسة أخرى، اقترح الباحثون إطارا يسمح لهم بتعزيز نظام إدارة المعلومات الأمنية باستخدام [13]BDA.
تم بناء النموذج المقترح لحماية بيئات الحوسبة السحابية على نظام Hadoop Distributed File. تم استخدامه لتخزين وجمع السجلات من جهاز ظاهري ضيف، وتم استخراج ميزات الهجوم باستخدام MapReduce وارتباط الأحداث المستند إلى الرسم البياني. ثم استخدم الباحثون طريقة التعلم الآلي المكونة من خطوتين لتحليل واكتشاف وجود الهجمات. تم بناء هذه الأداة على قمة SIEM، وهو مصدر جيد للبيانات لتحليل معلومات الأمن السيبراني. يمكن استخدامه لتحديد التهديدات الأمنية التي تؤثر على المؤسسة[14].
سلط الباحثون[15] الضوء على أهمية تحليلات الشكل في مساعدة الشركات على فهم احتياجاتها. قاموا ببناء أداة تجمع بين قدرات الأدوات الحالية وتحليل الرسم البياني لتوفير فهم أعمق لشبكاتهم. حالة استخدام أخرى للبيانات الضخمة هي تحليل أمان نظام RC4 الخاص بالمؤسسة. نظرا لطبيعة الهجمات، غالبا ما تكون متنوعة ويمكن أن تأتي في أشكال متعددة.
التعلم الآلي (ML) في الأمن السيبراني
في BDA للأمن السيبراني، تسير نماذج وخوارزميات التعلم الآلي جنبا إلى جنب في توفير الأمان من خلال تحليل واستخراج رؤى قابلة للتنفيذ من البيانات، تحتاج خوارزميات ML إلى التعلم منها. هناك ثلاثة أنواع من الخوارزميات التي يشيع استخدامها في هذا المجال: التعلم الخاضع للإشراف، والتعلم شبه الخاضع للإشراف، والتعلم غير الخاضع للإشراف. الفرق الرئيسي بين التعلم غير الخاضع للإشراف والتعلم الخاضع للإشراف هو طبيعة البيانات التي يستخدمونها. تستخدم طرق التعلم غير الخاضعة للإشراف بشكل شائع في الحالات التي تكون فيها نتيجة عينة التدريب غير معروفة. على سبيل المثال، في اكتشاف البرامج الضارة ، يمكننا استخراج الميزات من مجموعة بيانات البرامج الضارة والعثور على أوجه التشابه والمجموعات[16].
من أجل العثور على مجموعاته الخاصة، يستخدم نموذج التعلم غير الخاضع للإشراف ميزات مجموعة البيانات. على سبيل المثال، يتم استخدام خوارزميات التجميع و PCA لإجراء تحليل البرامج الضارة. يتم إجراء التعلم الخاضع للإشراف على البيانات التي تم جمعها من عينة تدريبية. بالنسبة للتعلم الخاضع للإشراف، تشمل بعض التقنيات المستخدمة الانحدار اللوجستي والانحدار الخطي والغابات العشوائية. هذا ويعدالتعلم العميق هو نوع من الخوارزميات التي يمكنها تحليل مجموعات البيانات الكبيرة ذات التنوع العالي وهي مثالية لتحليل بيانات الشبكة ل NIDS[17].
في دراسه بحثيه نشرت في عام [18] قدم الباحثون تقنية التعلم العميق المعروفة باسم التعلم الذاتي، والتي كانت قادرة على اكتشاف اختراق على الشبكة باستخدام مجموعة بيانات من NSL-KDD. على الرغم من مزاياه، يمكن أن يكون التعلم العميق هو نفسه عرضة للاستغلال من قبل المهاجمين بسبب قدرته على التكيف. من أجل الحصول على إخراج مختلف من نموذج ML، يمكن للمهاجم استخدام مثال خصم. كانت هناك محاولات مختلفة لتحسين هذه النماذج، ولكن تم اقتراح نهج جديد يسمى الضغط على الميزات. تتضمن هذه الطريقة دمج عينات متعددة في عينة واحدة لتقليل مساحة البحث المتاحة للمهاجم.
نظرا للعدد المتزايد من البيانات الضخمة وشبكات الخصومة التوليدية، يستخدم المهاجمون الآن الذكاء الاصطناعي لتجاوز عمليات التعلم الآلي. بدلا من ذلك، يجب أن يجمعوا بين العناصر البشرية والآلية. وفقا ل Vimod، سيسمح هذا النهج لكل من العناصر الآلية والبشرية بالعمل معا بكفاءة[19].
تأمين البيانات الضخمة
يستكشف هذا الجزء التقنيات المختلفة التي يمكن استخدامها لتأمين البيانات الضخمة. بالإضافة إلى ذلك، فإنه يعرض الخطوات النموذجية التي يمكن اتخاذها لمنع الوصول غير المصرح به إلى البيانات الضخمة. تعد البيانات الضخمة جزءا لا يتجزأ من عمليات المؤسسات ، وتقوم العديد من الشركات بالاستعانة بمصادر خارجية لإدارة قواعد البيانات الخاصة بها إلى السحابة. ومع ذلك، لا تزال هناك العديد من المخاطر المرتبطة بالحوسبة السحابية. لتقليل هذه المخاطر، أجرى الباحثون مسحا لمعرفة نقاط الضعف الأكثر شيوعا في السحابة. وأشاروا إلى أن سرية البيانات وسلامتها وتوافرها هي أهم العوامل التي يحتاج مقدمو الخدمات السحابية إلى أخذها في الاعتبار[20].
في هذا الاطار ، تعد سرية البيانات وسلامتها وتوافرها من أهم العوامل التي يحتاج موفرو الخدمات السحابية إلى مراعاتها. بالإضافة إلى حماية البيانات من الاستخدام غير المصرح به ، هذا و تعد النزاهة مهمة أيضا لمنع التعديل غير المصرح به وأخطاء الأجهزة والبرامج. ان أحد أهم العوامل التي تحتاج المؤسسات إلى مراعاتها عندما يتعلق الأمر بحماية بياناتها هو توافر السرية. وهناك العديد من التقنيات التي يمكن استخدامها لتأمين البيانات الضخمة، مثل التشفير والتحكم في الوصول. كلاهما مرتبط بمفهوم الوقاية والخصوصية[21].
بالإضافة إلى حماية البيانات من الاستخدام غير المصرح به، تعد النزاهة مهمة أيضا لمنع التعديل غير المصرح به وأخطاء الأجهزة والبرامج. أحد العوامل الأكثر شيوعا التي يحتاج مقدمو الخدمات السحابية إلى مراعاتها هو سرية بياناتهم. وذلك لأن التشفير يضمن أن الكيانات الموثوقة فقط هي التي يمكنها الوصول إلى البيانات. من ناحية أخرى، يقيس التحكم في الوصول الوصول إلى البيانات. أحد أهم العوامل التي تحتاج المؤسسات إلى مراعاتها عندما يتعلق الأمر بحماية بياناتها هو توافر السرية. هناك العديد من التقنيات التي يمكن استخدامها لتأمين البيانات الضخمة، مثل التشفير والتحكم في الوصول الي البيانات . ومع ذلك، فإن تنفيذ هذه التقنيات ليس سهلا كما يبدو. بالإضافة إلى كونه مكلفا، فإن التشفير له أيضا العديد من العيوب.
تتمثل إحدى مزايا التحكم في الوصول في أنه أسهل في التنفيذ، ويمكن استخدامه لمنع الوصول غير المصرح به إلى البيانات.و عندما يتعلق الأمر بحماية البيانات الضخمة، تتطلب معظم المؤسسات التشفير بسبب مشكلة الأمان التي تظهر عند إرسالها إلى السحابة. نظرا لانه عند إرسالها، لا يتم تشفير البيانات لأن الطرق المستخدمة لنقلها تتطلب فك تشفير البيانات. هذا يؤدي إلى هجمات، ويعتبر خرق السرية أكبر تهديد للبيانات الضخمة. لذلك، فإن التشفير هو أكثر تقنيات حماية البيانات الضخمة فعالية[22].
تبني البيانات الضخمة كأداة للأمن السيبراني
نظرا للعدد المتزايد من أجهزة إنترنت الأشياء وظهور BYOD، بدأت المؤسسات الآن في تبني استخدام BDA كأداة للأمن السيبراني. هذا لأنه يمكن أن يساعدهم في منع الوصول غير المصرح به إلى بياناتهم. هذا ويعد تحليل البيانات الضخمة جزءا أساسيا من استراتيجية المؤسسة لحماية بياناتها[1].
ومع ذلك، لا يزال لدى العديد من الشركات تحفظات حول استخدام BDA بسبب تعقيد العملية والتكلفة المحتملة. بالإضافة إلى ذلك، لا يشعر الموظفون أيضا بالراحة مع فكرة جمع المعلومات الشخصية وتخزينها. هناك أيضا العديد من التحديات التي تواجهها المؤسسات عندما يتعلق الأمر بحماية بياناتها الحساسة وإنترنت الأشياء. وتشمل هذه تحديد التصنيف المناسب وحماية البيانات[3].
لوائح البيانات الضخمة
نظرا للقرصنه التي تعرضت لها العديد من البيانات التي حدثت في السنوات الأخيرة، تم تنفيذ لوائح ونظم مختلفة استجابة لهذه المشكلة. وتشمل هذه خرق لوائح الأمان في كندا واللائحة العامة لحماية البيانات في أوروبا.ويعد أحد أهم العوامل التي توفرها اللائحة العامة لحماية البيانات (GDPR) هو الحق في النسيان. يتيح ذلك للأفراد القدرة على إزالة معلوماتهم الشخصية من المجال العام. وقد أجريت بالفعل البحوث على مفهوم بيانات التدمير الذاتي [4].
تم تطوير هذا المفهوم لحماية خصوصية البيانات القديمة التي تم تخزينها في قاعدة بيانات مركزية. تضمن بنيتها عدم أرشفة البيانات وإعادة استخدامها بعد الآن. من المتوقع أن ينمو هذا المجال من البحث بشكل كبير بسبب ظهور التخزين اللامركزي وblockchain. على الرغم من اللوائح المختلفة، لا تزال هناك العديد من التحديات التي تواجهها المؤسسات عندما يتعلق الأمر بحماية بياناتها الحساسة وإنترنت الأشياء. واحدة من هذه هي المشكلة حيث يتم نقل البيانات إلى السحابة.
اثر الامن السيبراني علي الاقتصاد الرقمي
من المتوقع أن تبلغ التكلفة الاقتصادية العالمية للجرائم الإلكترونية في عام 2025 حوالي 945 مليار دولار أمريكي ، وهو ما يقرب من ضعف رقم العام السابق البالغ 522.5 مليار دولار أمريكي. بالإضافة إلى ذلك، من المتوقع أن يصل الإنفاق على الأمن السيبراني إلى أكثر من 145 مليار دولار أمريكي، أي ما يعادل 1.3٪ من الناتج المحلي الإجمالي العالمي. في عام 2020 ، قدرت الجريمة الإلكترونية في إفريقيا بأنها كلفت القارة ما يقدر بنحو 3.5 مليار دولار أمريكي. لا تشمل هذه التقديرات التكاليف غير المباشرة مثل التوقف عن العمل ، والاستخفاف بالعلامة التجارية ، ومعنويات الموظفين ، وانتهاك الملكية الفكرية.
كما أنها تستبعد آثار تأثيرات سلسلة التوريد على عملاء المصب وموردي المنبع. قدرت التكلفة الإجمالية للجرائم السيبرانية ، بما في ذلك التكاليف غير المباشرة والمباشرة والأولية ، بحوالي 4 تريليونات دولار أمريكي ، وهو ما يعادل حوالي 4٪ من الناتج المحلي الإجمالي العالمي. مع استمرار تسارع الرقمنة ، تصبح الحاجة إلى الأمن السيبراني الفعال والكفء أكثر وضوحا. منذ عام 2010 ، تم تحديد الهجمات الإلكترونية كواحدة من أكبر التهديدات للأمن القومي في المملكة المتحدة. نظرا للأحداث الأخيرة ، مثل اختراق شركات متعددة والتدخل المحتمل في الانتخابات الرئاسية الأمريكية ، من المتوقع أن تصبح هذه الأنشطة أكثر انتشارا.
على الرغم من ظهور نماذج أعمال جديدة ، فقد خلق الاضطراب الرقمي أيضا طرقا جديدة للمهاجمين للاستفادة من الشركات والحكومات. إلى جانب التهديدات الخبيثة ، مثل تلك الناشئة عن الدول القومية المعادية والجماعات الإجرامية ، يمكن أن تساهم عوامل أخرى مثل التعليمات البرمجية المكتوبة بشكل سيئ في المشكلات الأمنية لأنظمة المدن الذكية. يعد التأكد من أن الكود يعمل بشكل صحيح جانبا مهما لضمان أمان الأنظمة.
تحتاج الحكومة ، وكذلك الشركات والأفراد ، إلى امتلاك الوسائل اللازمة لضمان ثقتهم في المعلوما