京公网安备 11010802034615号
经营许可证编号:京B2-20210330
构建大数据健康发展的安全生态环境
大数据等颠覆性技术快速发展的同时,大数据安全面临的挑战也日益尖锐。5月26日至28日在贵州贵阳举办的2017中国国际大数据产业博览会上,大数据安全成为业界热议的焦点话题。专家认为,大数据产业的发展与创新必须直面数据安全的严峻挑战,急需打造和构建一个促进大数据健康发展的安全生态环境。
辨识、管控大数据风险成为国家安全“晴雨表”
在数字经济时代,无论从事哪行哪业,都需要通过对数据资源的收集、整理、挖掘来提升效率。大数据将成为未来最有价值的资源。“数据是数字经济时代最重要的生产资料,也是继土地、能源之后最重要的生产资料。”浪潮集团董事长兼CEO孙丕恕说。
为保障大数据安全,中央网信办近年来开展了一系列切实有效的指挥协调与落地部署工作。在顶层设计方面,中央网信办协同相关单位,在网络安全、信息化发展和大数据应用等方面,共同促进国家相关法律法规的增补完善和相应国家战略政策的落地出台;在安全审查方面,进一步防范信息安全产品与技术应用领域的潜在隐患和安全风险,为国家信息主权和数据主权的保护提供切实支撑。
“短短几年里,大数据战略已经从全面总体布局,向各大行业、细分领域扩展延伸。一系列战略规划的大布局体现了大数据发展驱动效应日趋凸现。”在2017中国国际大数据产业博览会期间举办的大数据安全高层论坛上,中国信息安全测评中心专家委员会副主任黄殿中表示,辨识和管控大数据风险成为监控国家安全能力的试金石,也是体现国家安全的“晴雨表”。
“我国大数据发展已进入关键时期,大数据深刻改变了人们的思维方式、生产方式和生活方式。”中国信息安全测评中心主任朱胜涛也认为,大数据时代的安全威胁成为全人类面临的共同问题,任何国家都难以独善其身,也无法置身事外。
大数据风险隐患多
通付盾科技有限公司总裁王梅坦言,2016年共有超过十亿数据被窃取,其中95%属于科技、金融等行业;数据欺诈行为也凸显非接触性和隐蔽性,欺诈方式更加智能化、专业化,诈骗手段不断翻新,尤其金融欺诈越来越呈集团化、职业化态势。
中国工程院院士倪光南表示,过去传统的安全在保密性、完整性和可用性方面,基本都是技术因素,也有一套比较完整的测评体系,但对于网络安全、大数据安全显然不够。“网络安全很重要的一点是强调可控性。”倪光南说。
“网络安全威胁无处不在。漏洞是绝对存在的,没有攻不破的网络。”奇虎360公司副总裁石晓虹表示,除了基础设施安全,还包括系统漏洞和后门、外部攻击和窃密、数据资产泄露、内部非授权访问、违规交易等。此外,风险还存在于大数据的采集、传输、存储、应用等整个生命周期中。
“与保护静态文件或数据库等传统安全相比,‘大数据环境下的数据安全’具有特殊性。”阿里巴巴技术副总裁、首席安全专家杜跃进也认为,在万物互联的环境下,用户几乎每时每刻都在产生数据,用户隐私、自身权益和安全如何保障成为面临的新问题。此外,大量网站或应用的安全防护水平不高,导致不法分子可以从中大量窃取数据,令人防不胜防。
期待建立统一数据平台和共享机制
“赢安全者赢未来。”在黄殿中看来,大数据安全成为推进全国安全建设的压舱石,而大数据的开放是双刃剑,只有做好准备才能不伤及自身,“对于涉及国家机密确又有利于大数据发展的,应该有利引导;对涉及大是大非问题的,必须坚守底线”。
黄殿中认为,在强化大数据安全治理问题上,要综合运用政策法规、技术保障、人才培养和市场引领等施策手段,充分调动和发挥国家、企业和个人的优势力量,切实加强大数据发展的安全治理与综合施策。
“构筑安全管理体系,才能应对各种漏洞,让攻击者进不去,进去了也拿不到东西,即便拿到了也看不懂、改不了……”中国工程院院士沈昌祥提到,要开启网络安全主动防御时代,唯有主动免疫的可信计算才能解决大数据安全问题。
数据作为一项重要资产,也是下一代“石油”。中石化集团信息管理部主任李德芳常常这样比喻。他认为,从应用层面看,应该通过利用大数据构建应用体系来打造产业竞争新优势。“要建立统一的数据平台,实现数据资产的统筹管理和高效管控;做到管理和技术并重,做好态势感知,实现协同共享,构建一个相对全面、安全、牢固的保障系统。”李德芳说。
“期待数据可以安全地流动、共享。”天空卫士CEO刘霖也表示,安全厂商不能故步自封,应打破壁垒,加强合作,形成数据共享模式,“不要把保障数据安全当成一种可有可无、锦上添花的技术,而是要根据业务需求与企业的管理真正整合起来。”
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
很多数据分析师写过无数个 SELECT,但当被问到“新建一张表,该如何定义字段类型来保证数据质量”“创建视图和存储物理表有 ...
2026-05-26在数据清洗、统计分析与数据质量检测工作中,箱型图(又称箱线图、Box Plot)是最直观、最高效的可视化分析工具之一。相较于柱状 ...
2026-05-25在大数据分析、数据清洗、质量管控、风险监测等领域,异常数据识别是保障数据质量、确保分析结论精准、规避业务决策失误的核心基 ...
2026-05-25 很多数据分析师精通Excel函数和透视表,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是什么关系 ...
2026-05-25数字化经营时代,企业的市场竞争早已从经验决策转向数据决策。门店营收、用户转化、产品销量、成本损耗、存量资产等所有经营行为 ...
2026-05-22在MySQL数据库日常运维、业务数据校验、数据迁移与数据清洗场景中,自增主键ID的连续性校验是一项基础且关键的工作。MySQL的Auto ...
2026-05-22 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 ...
2026-05-22【核心关键词】大数据、可视化、存储、架构、客户、离线、产品、同步、实时、数据仓库、数据分析、数据可视化、存储数据、离线 ...
2026-05-21在电商流量红利消退、公域获客成本持续走高的当下,存量用户深度挖掘已成为店铺增收增效的核心抓手。相较于付费投放获取的陌生新 ...
2026-05-21 很多数据分析师每天盯着几十个指标,但当被问到“这套指标要支撑什么业务目标”“指标之间是什么逻辑关系”“业务变化时如何 ...
2026-05-21在数据驱动决策的时代,数据质量直接决定分析结果的可靠性与准确性,而异常值作为数据清洗中的核心痛点,往往会扭曲分析结论、误 ...
2026-05-20 很多数据分析师每天盯着GMV、DAU、转化率,但当被问到“哪些指标在所有行业都适用”“哪些指标只对电商有意义”“二者如何搭 ...
2026-05-20Agent的能力边界,很大程度上取决于其掌握的Skill质量和数量。传统做法是靠人工编写和维护Skill,但这条路很快会遇到瓶颈。业务 ...
2026-05-20在统计分析中,方差分析(ANOVA)是一种常用的假设检验方法,核心用于分析“一个或多个自变量对单个因变量的影响”,广泛应用于 ...
2026-05-19 很多数据分析师每天盯着GMV、DAU、转化率,但当被问到“什么是指标”“指标和维度有什么区别”“如何定义指标值的计算规则和 ...
2026-05-19想高效备考 CDA 一级,拒绝盲目刷题、冗余学习?《CDA 一级教材知识手册》重磅来袭!以官方教材为核心,浓缩 13 章 103 个核心考 ...
2026-05-19在数据统计分析中,卡方检验是一种常用的非参数检验方法,核心用于判断两个或多个分类变量之间是否存在显著关联,广泛应用于市场 ...
2026-05-18在企业数字化转型的浪潮中,很多企业陷入了“技术堆砌”的误区——上线了ERP、CRM、BI等各类系统,积累了海量数据,却依然面临“ ...
2026-05-18小陈是某电商平台的数据分析师。老板交给他一个任务:“我们平台的注册用户已经突破1000万了,想了解一下用户的平均月消费金额。 ...
2026-05-18【专访摘要】本次CDA持证专访邀请到拥有丰富物流供应链数据分析经验的赖尧,他结合自身在京东、华莱士、兰格赛等企业的从业经历 ...
2026-05-15