1、目前，大数据的安全存储采用虚拟化海量存储技术来存储数据资源，涉及数据传输、隔离、恢复等问题。解决大数据的安全存储，一是数据加密。
2、分散存储 利用已有的云存储技术，将数据块分散在多个位置上。采用分散保存的方式，不仅能保证其实用性，而且在一定程度上也提高了其安全性。
3、大数据在存储和管理时用到的关键技术主要包括：分布式存储技术：如Hadoop的HDFS，能够将数据分散地存储在多个节点上，从而实现对海量数据的处理。分布式计算框架：如Hadoop的MapReduce，能够在大量计算机集群上并行地处理大数据，实现大数据的快速分析。
4、大数据存储技术有以下一些主要技术：分布式文件系统 分布式文件系统是一种特殊的文件系统，它将数据分散存储在多个服务器或节点上，从而实现对大数据的存储和管理。它能够在分布式环境下提供高性能的文件服务，并且可以扩展系统规模以适应大数据量的增长。
5、常用的大数据安全保护技术有数据加密技术、身份认证与访问控制技术、数据脱敏技术、数据备份与恢复技术。数据加密技术：数据加密技术是大数据安全保障的核心技术之一。它通过将明文数据转化为密文数据，以保护数据的机密性和完整性。
大数据存储安全 通过大数据安全存储保护措施的规划和布局，协同技术的发展，增加安全保护投资，实现大数据平台的安全保护，实现业务数据的集中处理。大数据云安全 大数据一般需要在云端上传，下载和交互，以吸引越来越多的黑客和云端的病毒攻击和客户端安全保护至关重要。
一是加强基础保护技术的研发和推广应用。推广业务系统防攻击防入侵通用保护技术的普及和应用，引入并推广匿名技术、数据泄露保护模型技术等业已成熟的大数据安全保护专用技术。二是加强基础保护技术体系的建设和实施。
数据传输和存储环节主要通过密码技术保障数据机密性、完整性。在数据传输环节，可以通过HTTPS、VPN等技术建立不同安全域间的加密传输链路，也可以直接对数据进行加密，以密文形式传输，保障数据传输过程安全。在数据存储环节，可以采取数据加密、硬盘加密等多种技术方式保障数据存储安全。
大数据分析平台利用了大数据平台的可扩展性，以及安全分析与SIEM工具的分析功能。安全事件数据收集会有不同的颗粒度。比如网络包是一般层级较低、细粒度的数据，而修改服务器管理员密码的日志则会是粗颗粒的数据。要素3：可扩展数据提取 服务器、终端、网络与其他基础设施的状态都在不断变化。
数据加密：对敏感的个人数据进行加密，确保数据在传输和存储过程中的安全性。使用强大的加密算法和安全协议，如SSL（Secure Sockets Layer）和TLS（Transport Layer Security）。 访问控制和权限管理：实施严格的访问控制措施，仅允许授权人员访问敏感数据。
1、机密性。机密性数据机密性是指数据不被授权者、实体或进程利用或泄露的特性。为了保障大数据安全，数据常常被加密。
2、数据质量不一由于数据量庞大、来源复杂，大数据中的数据质量参差不齐，这要求对数据进行质量控制、清洗和审核，是大数据处理中的一个重要挑战。 数据非规范化大数据的非规范化特征体现在其多样的数据来源和类型，包括非结构化的文本、图片、音频、视频等，这些数据并不遵循传统的数据格式。
3、解析：大数据的特点包括：海量的数据规模、多样的数据类型、快速的数据流转、潜在的数据价值和数据的真实性。
4、大数据的特性不包括以下几点： Volume（大量）：指的是数据的规模非常庞大，超出了传统数据库处理能力的范围。 Velocity（高速）：指的是数据产生、传输和存储的速度非常快。 Variety（多样）：指的是数据类型和格式的多样性，包括结构化数据和非结构化数据。
5、数据的基本特征不包括整体化。大数据，是IT行业的术语，指的是那些超出常规软件工具处理能力范围的大量数据集合。这些数据集合需要新的处理模式，才能获得更强的决策支持、洞察发现和流程优化能力。它们通常是海量、高增长率和多样化的信息资产。简单来说，大数据就是海量的资料或巨量资料。
6、符合大数据的特点如下：大数据的定义多而杂，不同企业、行业等都从自身角度来定义大数据，意思都差不多，就一句话，大数据由巨型数据集组成，这些数据集规模超出了常用软件在可接受时间下的收集、管理、处理和使用能力。