京公网安备 11010802034615号
经营许可证编号:京B2-20210330
大数据时代信息安全问题待解
对海量数据的分析挖掘能创造巨大的物质财富和社会价值。然而,数据的大量聚集导致隐私泄露无处不在,个人、企业的信息安全面临严重威胁,亟待通过完善法律法规等方式予以解决。
“大数据”产业蕴藏巨大潜力
大数据的价值不可估量,被誉为未来世界的“石油”。企业通过对海量数据的分析挖掘,能从中发现商机,清晰掌握客户需求,准确锁定目标客户。
2013年,美剧《纸牌屋》的成功,让全世界都意识到了大数据的力量。《纸牌屋》的出品方N etflix仅在当年第一季度就新增300多万用户,半年之内股价涨幅超三倍。这是因为《纸牌屋》是从3000万付费用户的收视选择、400万条评论、300万条搜索记录中总结收视习惯,根据对用户喜好的精准分析进行创作的。
“大数据产业蕴藏着巨大潜力,能创造巨大的物质财富。”梦芭莎集团董事长佘晓成说,“每个企业都应该打造自己的数据库,大数据技术让我们在生产过程中就能进行及时调整,使用大数据技术后,库存售罄率从80%大幅提升到95%。
大数据不仅能创造物质财富,还能创造社会价值。中国工程院院士邬贺铨表示,海量的交通信息、社保信息、消费记录、地理信息等掌握在政府部门、通信运营商、互联网企业等机构手中,将成为解决交通拥堵、雾霾、看病难、食品安全等问题的利器,以及政府了解社情民意的重要窗口。
信息安全成发展主要障碍
记者调研发现,尽管大数据蕴藏巨大潜力,但也给个人、企业的信息安全带来巨大风险,信息安全问题已成为产业发展的主要障碍。
首先,大数据时代,隐私信息将“无处遁形”,公民个人将面临安全风险。信息安全专家、南京瀚海源信息科技有限公司首席执行官方兴说,大数据分析的前提是海量的数据,只要连接到网络,公民的姓名、身份证号、手机号码、银行账号密码、位置信息等隐私数据都会在其不知情的情况下被全部抓取,现行法律法规并未对此类行为作出任何规定。
“无处遁形”的隐私信息和大数据分析的广泛使用,将给公民个人带来巨大的安全风险。国际关系学院信息科技系副主任王标说,大数据时代,个人隐私数据越来越多地被连接和分析,公民的账号密码、手机号码、身份证号等敏感信息会被不法分子轻易获取,为账户盗刷、诈骗、抢劫等犯罪打开方便之门。
其次,大数据时代,数据的大量聚集大大增加了大规模数据泄露事件发生的可能,企业的信息安全也面临严重威胁。
世界知名信息安全厂商赛门铁克近日发布报告称,随着大数据时代的到来,2013年超过5 .52亿条个人身份信息被泄露,泄露数据的数量是2012年的4倍,大规模泄露事件从2012年的1起增加到8起,每一起事件泄露的信息都超过千万。
方兴说,大数据时代,保存海量数据的企业极易引来黑客攻击,因为数据的大量汇集使得黑客一次攻击就能获得大量有效数据,加之企业的信息安全意识有待提高,一旦发生数据泄露,不仅给用户带来安全风险,对企业声誉、经济效益也是重大打击。
应制定产业“游戏规则”
受访专家建议,国家宜根据大数据的特点,及时完善相关法律法规,制定大数据时代的“游戏规则”。同时,要建立企业信息泄露问责机制,倒逼企业用户加强信息安全防护,促进大数据产业健康发展。
王标、方兴等专家建议,应通过完善法律法规,制定大数据时代的“游戏规则”。一是对企业如何保护收集来的个人隐私做出明确规定;二是企业如何使用收集到的个人隐私必须提前告知用户;三是对于用户个人而言,必须要有数据的准入权、删除权和修改权。
同时,艾媒咨询首席执行官张毅表示,近两年我国携程网、如家快捷酒店等多家企业曾发生大规模数据泄露事件,却从未见到企业负责人被问责。按照美国的法律,企业发生一次信息泄露事件就可能被罚得倾家荡产。“必须建立严格的问责机制,加大对涉事企业的处罚力度,倒逼企业加强信息安全防护。”张毅说。
此外,专家表示,在大数据时代,公安部门也应与时俱进,增强侦破能力,只有让利用大数据技术实施犯罪的人被绳之以法,才能真正威慑不法分子,为个人、企业的信息安全保驾护航。
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
在数据分析全流程中,数据处理是基础,图形可视化是核心呈现手段——前者负责将杂乱无章的原始数据转化为干净、规范、可分析的格 ...
2026-04-07在数据分析与统计推断中,p值是衡量假设检验结果显著性的核心指标,其本质是在原假设(通常为“无效应”“无差异”)成立的前提 ...
2026-04-07在数字经济深度渗透的今天,数据已成为企业生存发展的核心资产,企业的竞争本质已转变为数据利用能力的竞争。然而,大量来自生产 ...
2026-04-07Python凭借简洁的语法、丰富的生态库,成为算法开发、数据处理、机器学习等领域的首选语言。但受限于动态类型、解释性执行的特性 ...
2026-04-03在深度学习神经网络中,卷积操作是实现数据特征提取的核心引擎,更是让模型“看懂”数据、“解读”数据的关键所在。不同于传统机 ...
2026-04-03当数字化转型从企业的“战略口号”落地为“生存之战”,越来越多的企业意识到,转型的核心并非技术的堆砌,而是数据价值的深度挖 ...
2026-04-03在日常办公数据分析中,数据透视表凭借高效的汇总、分组功能,成为Excel、WPS等办公软件中最常用的数据分析工具之一。其中,“计 ...
2026-04-02在数字化交互的全场景中,用户的每一次操作都在生成动态的行为轨迹——电商用户的“浏览商品→点击详情→加入购物车”,内容APP ...
2026-04-02在数字化转型深度推进的今天,企业数据已成为驱动业务增长、构建核心竞争力的战略资产,而数据安全则是守护这份资产的“生命线” ...
2026-04-02在数据驱动决策的浪潮中,数据挖掘与数据分析是两个高频出现且极易被混淆的概念。有人将二者等同看待,认为“做数据分析就是做数 ...
2026-04-01在数据驱动决策的时代,企业与从业者每天都会面对海量数据——电商平台的用户行为数据、金融机构的信贷风险数据、快消品牌的营销 ...
2026-04-01在数字化转型的浪潮中,企业数据已从“辅助运营的附属资源”升级为“驱动增长的核心资产”,而一套科学、可落地的企业数据管理方 ...
2026-04-01在数字化时代,每一位用户与产品的交互都会留下可追溯的行为轨迹——电商用户的浏览、加购、下单,APP用户的注册、登录、功能使 ...
2026-03-31在日常数据统计、市场调研、学术分析等场景中,我们常常需要判断两个分类变量之间是否存在关联(如性别与消费偏好、产品类型与满 ...
2026-03-31在CDA(Certified Data Analyst)数据分析师的职场实战与认证考核中,“可解释性建模”是核心需求之一——企业决策中,不仅需要 ...
2026-03-31多层感知机(MLP,Multilayer Perceptron)作为深度学习中最基础、最经典的神经网络模型,其结构设计直接决定了模型的拟合能力、 ...
2026-03-30在TensorFlow深度学习实战中,数据集的加载与预处理是基础且关键的第一步。手动下载、解压、解析数据集不仅耗时费力,还容易出现 ...
2026-03-30在CDA(Certified Data Analyst)数据分析师的日常工作中,“无监督分组、挖掘数据内在聚类规律”是高频核心需求——电商场景中 ...
2026-03-30机器学习的本质,是让模型通过对数据的学习,自主挖掘规律、实现预测与决策,而这一过程的核心驱动力,并非单一参数的独立作用, ...
2026-03-27在SQL Server数据库操作中,日期时间处理是高频核心需求——无论是报表统计中的日期格式化、数据筛选时的日期类型匹配,还是业务 ...
2026-03-27