
为大数据安全和科技金融建设支招
大数据安全和科技金融是备受业界人士关注的热点话题,今年年初,作为牵头人,何春潮、王克照主导并组织推进了 《关于重视和加强我国大数据领域数据安全的提案》《关于加快建设国家科技金融创新中心的提案》的提出和编写工作。两个提案成为民建中央向全国政协十二届五次会议提交38篇集体提案的一部分,在今年两会期间引起广泛关注。
“告诉你一个好消息,今年,我们IT小组的两个提案成为民建中央向全国政协十二届五次会议提交38篇集体提案的一部分。 ”民建中央企业委员会IT专业小组(简称“民建中央IT小组”)副组长兼秘书长何春潮对中国经济时报记者说。
“我们每年都会提出1-2篇与时俱进、反映社会热点、关注国家信息化建设的提案。今年这两篇提案是经过层层筛选、在民建633篇提案素材中脱颖而出的。 ”民建中央企业委员会IT专业小组副组长王克照补充说道。
大数据安全和科技金融是备受业界人士关注的热点话题,今年年初,作为牵头人,何春潮、王克照主导并组织推进了《关于重视和加强我国大数据领域数据安全的提案》《关于加快建设国家科技金融创新中心的提案》的提出和编写工作,包括杜承霖、白春红、马东晖、门嘉平等小组成员,中关村软联大数据专业小组及多个业内专家也共同参与了提案的编写。上述两个提案在今年两会期间引起广泛关注。
重视和加强大数据领域数据安全
目前,我国大数据产业正处于高速发展期,国家大数据体系正在形成,多种商业模式正在得到市场印证。
同时大数据时代也面临很多挑战,主要表现在数据的有效性、数据的复杂度、当前数据架构不能满足大数据的发展,大数据准确的服务能力不够,最为重要的是大数据的发展中数据安全问题正在对国家安全和个人安全带来新的威胁和风险。
王克照介绍,为建立自主可控的大数据安全评估例行程序,推行至各行业领域,防范日后出现严重的大数据安全隐患,在今年年初,由中关村软件和信息服务产业创新联盟发起,民建中央企业委员会IT专业小组参与,成立了“中关村软联大数据专业小组”,旨在研究大数据标准治理、大数据应用和大数据安全。经过多次论证研讨,民建中央IT小组提出了四方面建议。
首先,加快大数据安全领域的立法和完善相关法律。针对目前已有的《中华人民共和国网络安全法(草案)》,完善涉及国家数据安全的相关法律和法条,为大数据安全提供司法基础和法律依据;尽快颁布2008年全国人大常委会已启动立法程序的“个人信息数据保护法”,明确数据的所有权、使用权、知情权、交易权、隐私权等权益,明确违法的责任和后果。
其次,成立国家级大数据治理和安全标准工作组,建立健全我国数据治理及安全标准体系。一是建立政府主导、行业协会牵头、企业为主、产学研用联合的大数据安全标准工作组。二是建立多方沟通合作机制,通过标准化活动实施国家大数据安全标准体系作为监管、治理和发展的基本依据,作为大数据基础的安全保障。制定国家大数据安全关键标准。制定国家大数据治理、大数据安全标准。三是积极参与国际大数据相关标准制定,占据主导权。
再次,提升执法力和管控能力。建议主管政府部门牵头,针对涉及大数据安全的各类行为和事件,协同公安、电信、银行等执法部门和机构,对泄密、诈骗、危害社会和公共安全的违法行为,形成固定有效及时的处理流程和机制,使违法可被及时制止。对于各类型和性质的数据和信息安全违法的责任人,都要给予依法的刑事处罚,违法必究。
最后,形成自主可控的大数据核心技术和安全评价程序。建议积极发展基础、核心和前沿技术,使我国的大数据的关键领域不再有求于人。另外,建立自主可控的大数据安全评估例行程序,推行至各行业领域,防范日后出现严重的大数据安全隐患。
加快建设国家科技金融创新中心
“建设国家科技金融创新中心是势在必行的选择。 ”何春潮说,当前,全世界各经济体都试图通过创新来赢得增长,在这种背景下,以创新驱动作为重要抓手的过程中,如何引导金融资源向科技领域有效配置、财经科技与金融有效结合与双向驱动,形成科技金融(FinTech)产业在我国的快速发展,既是加快科技成果转化与产业化的重要举措,也是建设创新型国家的战略需要。
为解决当前科技金融创新中心存在的物理承载空间有限、难以起到示范效应、金融创新的速度跟不上科技创新的需求步伐、各层次资本市场的联动机制欠缺等问题,在《关于加快建设国家科技金融创新中心的提案》中,民建中央IT小组提出了如下对策。
一是进一步明确国家科技金融创新中心功能区的定位,加快国家科技金融创新中心功能区的规划建设及空间功能布局。中心应明确定位于科技研发中心、科技服务中心及政策发源地,更多地起到枢纽性作用,而将科技制造剥离,集约发展、集聚创新。
二是充分发挥高校和科研院所在科技金融领域的资源优势,促使其成为国家科技金融创新中心建设的核心单位。
三是借助互联网手段建立科技金融服务新模式,鼓励充分应用平台模式的互联网金融的发展思维,通过金融机构与互联网公司的合作,构建“互联网+金融”、集线上数据整合与线下金融服务于一体的全新商务平台模式。
四是明确并重视大数据建设工作,以完善科技金融信息与数据库建设为基础打造全球大数据中心,尝试打造大数据交易中心(交易所)。
此外,提案还建议推动知识产权资本化,为企业创新提供保障;加强科技金融人才队伍建设,尝试建立科技金融人才银行;注重科技金融的组织创新、产品创新以及资本市场创新;建立战略合作联盟,构建有效的科技金融生态环境。
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
随机森林算法的核心特点:原理、优势与应用解析 在机器学习领域,随机森林(Random Forest)作为集成学习(Ensemble Learning) ...
2025-09-05Excel 区域名定义:从基础到进阶的高效应用指南 在 Excel 数据处理中,频繁引用单元格区域(如A2:A100、B3:D20)不仅容易出错, ...
2025-09-05CDA 数据分析师:以六大分析方法构建数据驱动业务的核心能力 在数据驱动决策成为企业共识的当下,CDA(Certified Data Analyst) ...
2025-09-05SQL 日期截取:从基础方法到业务实战的全维度解析 在数据处理与业务分析中,日期数据是连接 “业务行为” 与 “时间维度” 的核 ...
2025-09-04在卷积神经网络(CNN)的发展历程中,解决 “梯度消失”“特征复用不足”“模型参数冗余” 一直是核心命题。2017 年提出的密集连 ...
2025-09-04CDA 数据分析师:驾驭数据范式,释放数据价值 在数字化转型浪潮席卷全球的当下,数据已成为企业核心生产要素。而 CDA(Certified ...
2025-09-04K-Means 聚类:无监督学习中数据分群的核心算法 在数据分析领域,当我们面对海量无标签数据(如用户行为记录、商品属性数据、图 ...
2025-09-03特征值、特征向量与主成分:数据降维背后的线性代数逻辑 在机器学习、数据分析与信号处理领域,“降维” 是破解高维数据复杂性的 ...
2025-09-03CDA 数据分析师与数据分析:解锁数据价值的关键 在数字经济高速发展的今天,数据已成为企业核心资产与社会发展的重要驱动力。无 ...
2025-09-03解析 loss.backward ():深度学习中梯度汇总与同步的自动触发核心 在深度学习模型训练流程中,loss.backward()是连接 “前向计算 ...
2025-09-02要解答 “画 K-S 图时横轴是等距还是等频” 的问题,需先明确 K-S 图的核心用途(检验样本分布与理论分布的一致性),再结合横轴 ...
2025-09-02CDA 数据分析师:助力企业破解数据需求与数据分析需求难题 在数字化浪潮席卷全球的当下,数据已成为企业核心战略资产。无论是市 ...
2025-09-02Power BI 度量值实战:基于每月收入与税金占比计算累计税金分摊金额 在企业财务分析中,税金分摊是成本核算与利润统计的核心环节 ...
2025-09-01巧用 ALTER TABLE rent ADD INDEX:租房系统数据库性能优化实践 在租房管理系统中,rent表是核心业务表之一,通常存储租赁订单信 ...
2025-09-01CDA 数据分析师:企业数字化转型的核心引擎 —— 从能力落地到价值跃迁 当数字化转型从 “选择题” 变为企业生存的 “必答题”, ...
2025-09-01数据清洗工具全景指南:从入门到进阶的实操路径 在数据驱动决策的链条中,“数据清洗” 是决定后续分析与建模有效性的 “第一道 ...
2025-08-29机器学习中的参数优化:以预测结果为核心的闭环调优路径 在机器学习模型落地中,“参数” 是连接 “数据” 与 “预测结果” 的关 ...
2025-08-29CDA 数据分析与量化策略分析流程:协同落地数据驱动价值 在数据驱动决策的实践中,“流程” 是确保价值落地的核心骨架 ——CDA ...
2025-08-29CDA含金量分析 在数字经济与人工智能深度融合的时代,数据驱动决策已成为企业核心竞争力的关键要素。CDA(Certified Data Analys ...
2025-08-28CDA认证:数据时代的职业通行证 当海通证券的交易大厅里闪烁的屏幕实时跳动着市场数据,当苏州银行的数字金融部连夜部署新的风控 ...
2025-08-28