---
title: OmniRuntime OmniShield机密大数据
description: "大数据分析业务场景中，随着数据的价值和敏感性增加，机密计算技术已成为保护数据隐私、满足合规要求、促进安全协作和保护知识产权的重要工具。在当今信息化和数字化的时代，机密计算技术的应用范围和重要性正在逐渐扩展和深化。OmniRuntime OmniShield机密大数据作为大数据引擎Spark的插件，提供数据源加解密的功能，通过在基础硬件的TEE环境中执行计算过程的方式，为使用中的数据提供保护，保证数据在整个计算链路中的安全性。"
url: https://www.hikunpeng.com/document/detail/zh/kunpengbds/twp/kunpengbds_19_0040.html
sourcePath: /source/zh/kunpengbds/twp/kunpengbds_19_0040.html
indexId: 76bc5dd95d336993cd58f8372e55be7e4eef6b0a1e4138408dd5ee406edeaeaa49
---
# OmniRuntime OmniShield机密大数据

大数据分析业务场景中，随着数据的价值和敏感性增加，机密计算技术已成为保护数据隐私、满足合规要求、促进安全协作和保护知识产权的重要工具。在当今信息化和数字化的时代，机密计算技术的应用范围和重要性正在逐渐扩展和深化。OmniRuntime OmniShield机密大数据作为大数据引擎Spark的插件，提供数据源加解密的功能，通过在基础硬件的TEE环境中执行计算过程的方式，为使用中的数据提供保护，保证数据在整个计算链路中的安全性。

OmniShield机密大数据对于行式数据源（CSV、JSON、TXT）通过Spark提供的插件机制实现DataFrame和Spark-SQL加解密能力，并支持AES/GCM和SM4/GCM算法。对于列式数据源（ORC）通过引入额外的JAR包实现Spark-SQL加解密能力，支持SM4/GCM算法。对于正在运算中的数据由机密计算TEE套件提供安全防护。


#### OmniShield机密大数据性能数据

OmniShield机密大数据基于TPC-DS 99条基准测试用例实现全计算链路安全相比，物理机平均性能损耗不超过20%。

图1 OmniShield机密大数据TPC-DS测试结果