首先，加固大数据计算平台，提升计算环境安全性。引入Kerberos，建立KDC安全认证中心，需要部署多个KDC，规避单点缺陷；基于Kerberos方式进行访问控制与授权；对所有元数据进行存储加密；在性能允许的情况下可借助KMS等工具对HDFS原始数据进行透明加密，同时配置Web控制台和MapReduce间的随机操作使用SSL进行加密，配置HDFS文件传输器为加密传输。
其次，加强各类大数据应用探针的安全防护，防止源端数据泄露或滥用。对探针设备进行安全加固，设置安全的登录账号和口令，及时更新系统补丁，设置防病毒与入侵检测；对远程操作进行严格访问控制，限制特定IP地址访问；对探针登录与操作行为进行细粒度审计；对存储在本地的数据进行加密保护；在探针公网出口实施异常流量监控与DDoS攻击防护。
最后，加强对大数据系统网络、主机、终端等基础设施运行环境的安全防护。应采用传统安全防护手段构建纵深安全防护体系，在网络层面进行安全域划分，部署边界访问控制、入侵检测/防御、异常流量监控、DDoS攻击防御、VPN等安全手段；在主机层面部署入侵检测、漏洞扫描、病毒防护、操作监控、补丁管理等安全手段；在终端层面部署准入控制、终端安全管理、漏洞扫描、病毒防护等安全手段。此外，应构建大数据统一安全管控、组件监测、资源监测等基础安全服务设施，对大数据平台主机、网络、大数据组件、租户应用等数据进行监控分析，实现大数据平台及时预警、全面分析、快速响应的安全运营能力。
大数据应用的新特点带来了新的挑战，隐私保护以及数据安全是大数据应用安全防护的重中之重，同时构建涵盖网络、主机、终端、应用等各层面基础设施的纵深安全防御体系也是其安全防护的重要方面。大数据应用服务提供商应根据“三同步”原则，在设计、建设、运营等阶段同步考虑大数据安全防护技术与方案，构建日益完善的大数据安全防护体系，进而持续推动大数据应用发展。