根據IDC數據顯示，目前互聯網上的數據每年增長50%，每兩年翻一番，全球互聯網90%以上的數據是最近幾年才產生的。

　　最早洞見大數據時代的數據科學家維克托·邁克·舍恩伯格在《大數據時代》一書中曾指出：大數據帶給人類生活的益處是多方面的，不僅是人們獲得新認知、創造新價值的源泉，還是改變市場、組織結構以及政府與公民關系的方法。但他同時也指出，大數據相比傳統互聯網，會給網絡安全帶來更多威脅，給用戶隱私帶來更大挑戰。

　　大數據技術給數據使用的隱私問題帶來了新挑戰。對于企業來說，企業決策從“業務驅動”轉變為“數據驅動”，企業需要遵守更嚴格的安全標準和保密規定，對數據存儲與使用的安全性和隱私性要求由此提高。

　　對于個人而言，大數據時代，個人數據是一種信息資產，但這種資產卻在用戶不知情的情況下被收集、分析，以正當或不正當的方式用以牟利，個人生活似乎時刻被置于“老大哥”的監視之下，隱私安全受到了巨大挑戰。

　　數據共享是大數據的現實價值，但隱私保護又關系到公民個體和國家整體的安全。如何平衡大數據使用和隱私保護是亟待解決的問題。

　　傳統的隱私規范采用“告知與許可”原則，即讓人們自主決定是否、如何以及經由誰來處理他們的信息，這就意味著將個人隱私保護的責任放在了每個公民個體的受眾。但在大數據時代，由于二次使用的存在，“告知與許可”缺乏現實可行性，學者因此提出應改變傳統的隱私保護體系，將隱私保護的責任由公民個體轉移到數據使用者身上，即由數據使用者為其行為承擔責任，而非停留于收集數據之初的是否取得個人同意。

　　圍繞這一原則，相關學者目前又提出了數據脫敏技術和數據分類分級等一系列隱私保護手段。信息脫敏技術是指將數據脫敏為不含用戶隱私的測試用數據，但是由于結構化數據在大數據時代關聯性非常緊密，使得單個數據集的脫敏不能解決兩個各自不敏感數據集放在一起就變為敏感數據集這類的問題，因此需要針對具體行業和具體問題開發、采用不同的脫敏技術。
　
　　數據分類分級從隱私安全與保護成本的角度出發，對數據進行分類和等級劃分，進而根據不同需要對關鍵數據進行重點防護。但是傳統的數據分級對于大數據時代來說過粗，許多研究機構正在探索進一步細化可行的分級標準。