京公网安备 11010802034615号
经营许可证编号:京B2-20210330
大数据是把双刃剑,安全意识不容忽视
当前,大数据在提升政府治理能力、产业转型升级、服务改善民生中发挥的作用越来越大。但记者采访中发现,受立法滞后、交易秩序不稳定、核心技术与发达国家差距较大等因素影响,数据安全面临挑战。
在全国首个大数据综合试验区贵州,2015年大数据产业规模突破2000亿元,实现两年翻番。“近年来,国家先后出台了一系列政策推动大数据、电子商务领域发展,信息经济迎来发展黄金期。2015年,信息经济规模超过18万亿,电子商务交易额超过20万亿,数据总量占全球的13%。据预测,未来5年大数据产业规模年均增长率将超过50%,到2020年数据总量将占全球的20%,届时我国将成为世界第一数据资源大国和全球数据中心。”国家发展改革委副主任林念修说。
据国家发展改革委高技术产业司调研员刘勇介绍,京津冀以及贵阳、重庆、上海等地大数据产业集聚效应正在形成。数据铁笼、数据治税、精准扶贫等一批大数据应用正在推广,阿里、京东等企业大数据征信、大数据金融服务也不断推陈出新,新模式、新业态持续涌现,数据红利逐步显现。
但同时,信息安全问题不容忽视。中国互联网协会发布的《网民权益保护调查报告(2015)》显示,78.2%的网民个人身份信息被泄露过、63.4%的网民个人网上活动信息被泄露过。另据360网站安全检测,2015年共扫描各类网站231.2万个,其中,存在漏洞的网站101.5万个,占扫描网站总数的43.9%;存在高危安全漏洞的30.8万个,占扫描网站总数的13%。
“大数据是把‘双刃剑’,它能够造福社会,但如果被一些不法分子利用,将会损害社会利益和公众利益。传统解决网络安全的方法是把内外网隔离开,用终端设备隔离风险,但是随着移动互联网、云技术的出现,移动终端在4G、WiFi信号、电缆当中穿梭,网络边界已经消失,传统保障安全的办法效果差。”奇虎360科技有限公司总裁齐向东说。
值得注意的是,在交易主体审核中,一些交易所选择了较为宽松的审核程序,仅进行邮箱、手机验证方式对会员进行审核,宽松的准入机制给数据安全留下隐患。
“从实践来看,跟大数据相关的法律法规还有很大的完善和建设空间,比如在数据价值和产权没有明确分类和清晰界定的时候,数据收集者的动机可能被隐藏,数据安全和各类隐私存在着一定的风险。”中国互联网协会秘书长卢卫说。
中国信息通信研究院产业与规划研究所所长胡坚波认为,当前,大数据开放安全法规不明晰。比如,数据开放的安全分类、分级标准缺失等。“立法还面临很多挑战,包括大数据资源开发利用界限、跨境数据流动、隐私保护等问题。”胡坚波说。
据了解,针对大数据安全问题,国家有关部门正在推动网络安全立法,加快关键基础设施保护、网络安全审查、个人信息保护等法律法规的增补完善。在标准制定方面,正在组织开展涉及国家金融、能源、互联网企业的大数据安全调研活动,并启动了大数据安全标准研制工作。
业内人士建议,应树立大数据整体安全观,平衡产业发展和隐私保护、国家安全之间的关系,协同促进大数据安全与发展,具体可从三方面入手。一是用大数据技术解决大数据时代的安全问题。中国工程院院士邬贺铨说,大数据已成为信息社会的热点,也是信息安全博弈的焦点。应加快数据采集、存储、清洗等关键技术攻关,集中力量突破信息管理、信息保护和基础支撑关键技术,提高自主保障能力。二是完善数据安全法律体系。中国政法大学党委书记石亚军教授说,大数据立法应把握四个原则:超前性与可操作性;时代性与地域性,既要把脉潮流,还要立足本土;实践性,既要科学规范、有效,又要通俗易懂、易用;国际性,取人之长,补己之短。三是引导公众加强数据安全意识,守住个人“数据底线”。开展数据安全宣传活动,通过多种形式向全社会普及网络安全知识,提升全社会的数据安全意识和防护技能。
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
在数据驱动决策的体系中,数据分析按照分析目的可分为描述性分析、诊断性分析、预测性分析与指导性分析四大类型。其中,诊断性分 ...
2026-09-01网络请求是Python爬虫开发、接口测试、数据拉取的核心基础功能,Python生态中主要依靠 urllib 和 requests 两大库实现HTTP请求操 ...
2026-09-01 很多数据分析师面对业务问题时,常常感到“知道要分析,却不知道用什么方法”。其实,数据分析并非无章可循——从三大基础范 ...
2026-09-01在数据库设计与业务数据维护中,自增ID是数据表最常用的主键字段,用于唯一标识每一条业务数据,正常状态下ID应保持连续递增。但 ...
2026-08-31在数理统计、数据分析、经济测算与日常量化评估中,平均值是刻画数据集中趋势、反映整体水平的基础核心指标。在实际应用中,最常 ...
2026-08-31在数据驱动的时代,数据分析早已不是“凭经验、靠感觉”的零散操作,而是一套具备固定逻辑、标准化流程的系统方法——这就是数据 ...
2026-08-31在大数据时代背景下,海量行业数据亟需通过专业化工具挖掘潜在价值,辅助企业业务决策、优化运营模式、规避经营风险。Python凭借 ...
2026-08-28SQL是数据分析领域最基础、最核心的工具,承担着取数、清洗、统计、分层、归因的全流程工作。不同于单纯的语法练习,实战化SQL数 ...
2026-08-28 很多企业团队并非缺乏指标,而是陷入“指标失控”:仪表盘上堆满实时跳动的数据,却无法回答“当前瓶颈在哪、下一步该做什么 ...
2026-08-28随着新零售模式的快速普及,零售行业从传统的“货品驱动”全面转向“用户驱动”。门店交易数据、线上消费记录、浏览轨迹、复购频 ...
2026-08-27在数据分析、爬虫采集、接口开发、数据归档等场景中,JSON与CSV是两种使用率最高的数据存储格式。JSON为键值对结构化格式,适配 ...
2026-08-27 很多数据分析师每天都在计算指标、制作报表,但当被问到“什么叫指标数据元”“指标数据标准包含哪些核心维度”“指标数据质 ...
2026-08-27在数据分析工作中,时间序列是最常见的数据类型之一,订单时间、日志时间、交易时段、统计周期等数据均离不开时间处理。原始数据 ...
2026-08-26在数据分析与数据预处理工作中,原始数据普遍存在录入错误、系统故障、偶然极值等问题,极易产生异常数据。异常数据会严重干扰数 ...
2026-08-26 很多数据分析师能熟练写SQL、做透视表,但当被问到“数据是从哪里来的?经过哪些加工才进入数据仓库?ETL具体做了什么?”时 ...
2026-08-26在数理统计与数据分析领域,多因素方差分析与线性回归模型是研究变量关系、因素影响、数据差异规律的两大核心工具。二者均属于经 ...
2026-08-25数据分析的核心价值不在于数据计算与图表制作,而在于清晰、精准、有逻辑地输出结论、支撑业务决策。日常数据分析报告普遍存在结 ...
2026-08-25 很多数据分析师能熟练地写SQL、做透视表、算描述性统计,但当被问到“如何预测用户流失概率”“如何归因销量下滑的关键因素 ...
2026-08-25平均数是数据分析、数理统计与日常运算中最基础、最常用的统计量,核心作用是浓缩一组数据的整体水平、刻画数据集中趋势。在众多 ...
2026-08-24在MySQL数据库中,InnoDB存储引擎作为主流事务型引擎,默认事务隔离级别为可重复读(Repeatable Read,RR),这与SQL Server、Or ...
2026-08-24