京公网安备 11010802034615号
经营许可证编号:京B2-20210330
大数据时代亟待补齐法律短板_数据分析师考试
大数据时代也要求我们从法律体系、组织管理、产业方向、技术应用等多个层面构建协同联动的数据安全保障体系
2014年被看作是大数据(Big Data)分析应用的落地年,各个行业都开始尝试使用大数据技术。但与此同时,近年来频繁上演的信息泄露事件,则为人们敲响安全警钟。专家提醒,大数据时代,首先需要为数据筑好“安全围栏”。
作为时下最火热的IT行业词汇之一,大数据近年来成为各界关注的一大热点。一方面,网民数量不断增加;另一方面,以物联网和智能移动终端等为代表的网络设备数量飞速增长,使得人均网络接入带宽和流量也迅速提升。在大数据时代,每个人都是数据的使用者和贡献者。人们一边享受着基于移动通信技术和数据服务带来的快捷、高效,同时也笼罩在“个人信息泄露无处不在,人人‘裸奔’”的风险之中。在经济利益的驱动下,围绕个人信息采集、加工、开发、销售的庞大数据产业链在我国悄然形成。研究表明,我国互联网个人信息安全的灰色产业链规模已达近百亿,有众多黑客、广告商、中介及诈骗团伙从中牟取暴利。究其原因,是法律没有堵住泄密渠道的后门。正如一篇报道所言,我们个人信息的商业价值被发掘到极致,“从政府部门、电信运营商等信息掌握者,到数据平台和中间商等非法中介,再到非法调查公司,本该属于我们的信息,成为某些人牟利的工具。”
大数据对传统数据安全提出了新的挑战。以往我们的数据安全解决方案比如数据泄密防护,对象是局部的、受限的、确定的,而大数据时代,也许那些原本毫不起眼甚至毫无价值的数据,因其积聚从量变到质变,也必须要成为受保护对象。一项“谁来保护个人信息安全”的调查显示,90%的人“遭遇个人信息泄露”,89%的人“已不堪个人信息泄露之扰”。司法案例还表明,不少侵犯人权的犯罪行为及诈骗犯罪与个人信息的泄露有关。工信部“公众个人信息保护意识调研”显示,个人信息泄露已成为社会公害,超过60%的调查对象遇到过个人信息泄露、被盗用等问题,90%收到过垃圾短信或电话推销,13%以上的人遭遇过个人信息被冒用或公开。
大数据时代要用大数据的方法来进行数据保护。大数据时代针对个人信息的采集日趋便捷和全面,在信息安全保护方面,国家应该有组织、有计划地围绕大数据安全进行科技攻关,包括网络层面的安全解决方案,也包括应用层面的用户信息保护机制的架构等。当然,大数据时代也要求我们从法律体系、组织管理、产业方向、技术应用等多个层面构建协同联动的数据安全保障体系,以减少大数据时代信息安全的系统性风险。从国外的实践看,不少国家都通过立法保护个人信息安全。
针对当前严峻的信息泄密现状,增强数据安全保护已成为社会共识。短期内,如果无法从根本上改变互联网操作系统、芯片、核心技术等来自国外的事实,可采取“围栏式保护”的策略,在现有的互联网系统外围形成一层防护“围栏”,把威胁和风险框定在可防可控的范围内。一是如众人科技董事长谈剑峰所说的“围栏式密码保护”的策略,运用基于“国密算法”的密码技术把威胁和风险框定在可防可控的范围内。二是通过法律补漏,给信息安全托底。譬如,制定统一适用的公民信息安全保护法,确立公民个人信息安全保护的基本框架。又如,提高违法违规成本,加强问责和处罚力度。即在立法赋予公民救济信息泄露法律途径的基础上,提高出售或者非法提供给他人信息,以及窃取或者以其他方法非法获取上述信息的处罚力度,即便是单位犯罪的,其直接负责的主管人员和其他直接责任人员,也应当依法判刑,而不应仅判处罚金。
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
【核心关键词】统计学、互联网、知识、课程、学生、数学、软件、招聘、数据分析、实习经历、机器学习、理论基础、业务思维、统 ...
2026-07-10在互联网运营、产品设计、市场营销与商业数据分析领域,所有转化、成交、复购行为的底层逻辑,都依托于用户决策流程。用户从产生 ...
2026-07-10 很多数据分析师能熟练地计算指标、搭建标签体系,但当被问到“画像到底在解决什么问题”“画像和标签是什么关系”“画像如何 ...
2026-07-10数据透视表是数据分析中最常用、最高效的汇总分析工具,具备快速分组、聚合计算、维度拆解、数据可视化等优势,能够轻松完成求和 ...
2026-07-09在统计学、CDA数据分析、机器学习与商业数据研究中,正态分布是最基础、最重要的数据分布形态。绝大多数参数检验、数据建模、指 ...
2026-07-09 很多分析师在设计标签时思路清晰,但真到落地环节却面临“数据在手,不知如何转化为可用标签”的困境:或因加工方式选择不当 ...
2026-07-09【核心关键词】采购、周期、原材料、企业、产品、成本、要素、库存、供应商、数据分析、生产计划、生产制造、加工制造、技术工 ...
2026-07-08在数据分析、特征工程、机器学习建模的工作流程中,原始数据往往包含多个不同维度的数值指标,例如客户交易数据中的消费金额、交 ...
2026-07-08 很多分析师每天和数据打交道,但当被问到“标签是什么”“标签和指标有什么区别”“标签体系如何设计”时,却常常答不上来。 ...
2026-07-08商业谈判是企业采购合作、渠道签约、价格议价、项目合作、客户签约的核心关键环节,直接决定企业的合作成本、利润空间与经营风险 ...
2026-07-07在数据分析、业务效果验证、AB 测试、学术研究等场景中,T 检验是假设检验体系里最基础、应用最广泛的统计方法,也是均值差异分 ...
2026-07-07 很多数据分析师每天都在写SQL,但当被问到“数据查询语言(DQL)的本质是什么”“SELECT语句中各子句的书写顺序与实际执行顺 ...
2026-07-07【核心关键词】转化率、企业、策略、岗位、互联网、拆分、产品、运营、分析师、指标体系、数据分析、用户画像、数据诊断、产品 ...
2026-07-06在数据分析工作中,文本数据处理是高频刚需场景,用户评论、客服工单、日志信息、调研问卷、商品文案等数据都包含大量文本内容。 ...
2026-07-06 很多数据分析师写过无数个SELECT查询,但当被问到“如何新建一张表来固化中间数据”“创建视图和创建物理表有什么区别”“视 ...
2026-07-06在 CDA 数据分析师能力体系中,透视分析是数据探索、多维度汇总、业务复盘的核心基础技能。无论是 Excel 数据透视表,还是 Power ...
2026-07-03在市场竞争日趋激烈、获客成本持续攀升的当下,企业粗放式的“广撒网”获客模式早已无法适配经营需求。企业经营的核心逻辑,已经 ...
2026-07-03 很多数据分析师精通Excel函数和数据透视表,但当被问到“数据从哪里来”“表和视图有什么区别”“数据库管理系统和SQL是什么 ...
2026-07-03【核心关键词】运营、企业、核心、客户、新技术、数字化运营、数据分析、传统企业、人工录入、生产系统、技术人员、数据安全、 ...
2026-07-02在产品开发、项目立项、业务拓展、运营优化的工作中,市场调查、竞品分析、需求调研是三大核心基础工作。很多从业者容易将三者混 ...
2026-07-02