京公网安备 11010802034615号
经营许可证编号:京B2-20210330
给大数据装上安全阀
近年来,大数据应用领域十分广泛,涵盖了社会生活的主要方面。《2015年中国大数据发展调查报告》显示,超过55%的国内受访企业部署了大数据应用,2015年中国大数据市场规模达到115.9亿元,增速达38%,预计2016年至2018年将维持40%左右的高速增长——在未来5年到10年,中国大数据产业将迎来黄金增长期。
国家对大数据的反应相当及时。去年9月,国务院发布《促进大数据发展行动纲要》,从政府大数据、新兴产业大数据、安全保障体系三个方面着手推进大数据领域十大工程建设,也意味着中国大数据建设的全面提速。随着大数据的发展,政府与企业的决策、管理与控制正在从“业务驱动”转变为“数据驱动”。一只“看不见的手”,正在重写时代发展的新蓝图。
大数据在互联网时代遍地开花的同时,也面临着绕不过去的挑战,那就是安全问题。这里边不仅有公民个人信息和隐私安全隐患,也关乎行业和企业数据安全。网络上流行的“人肉”技术以及专业领域的“数据挖掘”,都是利用了数据海洋中大量的个人信息进行关联分析,再加上病毒与黑客攻击推波助澜,无论是个人隐私还是企业机密,都面临着前所未有的安全挑战。2014年发生的携程网数据泄露事件,就是一个典型案例。
除此之外,国家安全也有可能面临威胁。当今各国在能源、交通、金融、商业等重要基础设施与军事设备等方面都依赖信息网络,这大大增加了遭受网络攻击的可能性。若数据管理和技术防范不当,将会带来非常严重的后果。
他山之石,可以攻玉。目前,面对大数据安全这一普遍性问题,许多国家已有应对之策。例如美国就颁布了《2014年国家网络安全保护法案》,积极推动出台《网络安全信息共享法案》;欧盟通过了新版《数据保护法》,强调本地存储和禁止跨国分享;日本在2013年制定的《创建最尖端IT战略》,也明确阐述了开放公共数据和大数据保护的国家战略。
对中国而言,站在维护国家安全、社会稳定和公民权益的高度,将大数据产业作为国家战略进行统一谋划、统一部署、统一推进、统一实施,已显得十分必要而紧迫。
为大数据“立法”是当务之急。一方面是要加快立法调研,并由此搭建大数据法律法规的基础框架,另一方面则应加大对数据滥用、侵犯个人隐私乃至危害国家安全等网络侵权行为的打击力度。另外,要积极融入国际大数据安全规则的制定,谋求建立一个尊重主权的国际网络秩序。与此同时,还应强化大数据安全体系的建设,建立起政府主管、社会参与、企业为主的数据监管与行业自律机制。
强大的大数据产业离不开安全产业和人才培养的同步繁荣发展。当今时代,大数据无所不包,无所不在,也由此拥有了巨大的安全产业开发空间。传统的网络安全服务企业也闻风而动,开始瞄准这一新动向着手转型。在国家层面上,最宝贵的资源则是“人”。政府部门应构建起人才战略的网络,为大数据安全提供强大的人力支撑和保障。当大数据更深地进入生活之中,人民的数据安全责任意识和风险意识逐步显现,才更容易形成共享共治、齐抓共管的良好社会氛围。
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
在Power BI数据可视化分析中,切片器是连接用户与数据的核心交互工具,其核心价值在于帮助使用者快速筛选目标数据、聚焦分析重点 ...
2026-04-23以数为据,以析促优——数据分析结果指导临床技术改进的实践路径 临床技术是医疗服务的核心载体,其水平直接决定患者诊疗效果、 ...
2026-04-23很多数据分析师每天盯着GMV、DAU、转化率,但当被问到“哪些指标是所有企业都需要的”“哪些指标是因行业而异的”“北极星指标和 ...
2026-04-23近日,由 CDA 数据科学研究院重磅发布的《2026 全球数智化人才指数报告》,被中国教育科学研究院官方账号正式收录, ...
2026-04-22在数字化时代,客户每一次点击、浏览、下单、咨询等行为,都在传递其潜在需求与决策倾向——这些按时间顺序串联的行为轨迹,构成 ...
2026-04-22数据是数据分析、建模与业务决策的核心基石,而“数据清洗”作为数据预处理的核心环节,是打通数据从“原始杂乱”到“干净可用” ...
2026-04-22 很多数据分析师每天盯着GMV、转化率、DAU等数字看,但当被问到“什么是指标”“指标和维度有什么区别”“如何搭建一套完整的 ...
2026-04-22在数据分析与业务决策中,数据并非静止不变的数值,而是始终处于动态波动之中——股市收盘价的每日涨跌、企业月度销售额的起伏、 ...
2026-04-21在数据分析领域,当研究涉及多个自变量与多个因变量之间的复杂关联时,多变量一般线性分析(Multivariate General Linear Analys ...
2026-04-21很多数据分析师精通描述性统计,能熟练计算均值、中位数、标准差,但当被问到“用500个样本如何推断10万用户的真实满意度”“这 ...
2026-04-21在数据处理与分析的全流程中,日期数据是贯穿业务场景的核心维度之一——无论是业务报表统计、用户行为追踪,还是风控规则落地、 ...
2026-04-20在机器学习建模全流程中,特征工程是连接原始数据与模型效果的关键环节,而特征重要性分析则是特征工程的“灵魂”——它不仅能帮 ...
2026-04-20很多数据分析师沉迷于复杂的机器学习算法,却忽略了数据分析最基础也最核心的能力——描述性统计。事实上,80%的商业分析问题, ...
2026-04-20在数字化时代,数据已成为企业决策的核心驱动力,数据分析与数据挖掘作为解锁数据价值的关键手段,广泛应用于互联网、金融、医疗 ...
2026-04-17在数据处理、后端开发、报表生成与自动化脚本中,将 SQL 查询结果转换为字符串是一项高频且实用的操作。无论是拼接多行数据为逗 ...
2026-04-17面对一份上万行的销售明细表,要快速回答“哪个地区卖得最好”“哪款产品增长最快”“不同客户类型的购买力如何”——这些看似复 ...
2026-04-17数据分析师一天的工作,80% 的时间围绕表格结构数据展开。从一张销售明细表到一份完整的分析报告,表格结构数据贯穿始终。但你真 ...
2026-04-16在机器学习无监督学习领域,Kmeans聚类因其原理简洁、计算高效、可扩展性强的优势,成为数据聚类任务中的主流算法,广泛应用于用 ...
2026-04-16在机器学习建模实践中,特征工程是决定模型性能的核心环节之一。面对高维数据集,冗余特征、无关特征不仅会增加模型训练成本、延 ...
2026-04-16在数字化时代,用户是产品的核心资产,用户运营的本质的是通过科学的指标监测、分析与优化,实现“拉新、促活、留存、转化、复购 ...
2026-04-15