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
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 很多数据分析师拿到数据就开始清洗、建模,但当被问到“这批数据属于什么类型——结构化还是非结构化?分类变量还是数值变量 ...
2026-08-24 很多数据分析师画过趋势图、做过业绩预测,但当被问到“这个月销售额增长20%,到底是长期趋势自然增长,还是促销活动的短期 ...
2026-08-21在数据分析与数据可视化工作中,直方图是展示数据分布特征、离散程度、集中区间的核心图表,能够直观呈现数值数据的频次分布规律 ...
2026-08-20在数据分析领域有一句核心准则:垃圾数据进,垃圾数据出。数据清洗是数据分析、数据建模、数据可视化之前的必经前置工序,也是保 ...
2026-08-20 很多数据分析师做过按月份的销售额趋势图,画过按天的流量折线图,但当被问到“时间序列和普通数据有什么本质区别”“季节性 ...
2026-08-20在Python数据分析与数据清洗工作中,Pandas是最核心的数据处理库,DataFrame是结构化数据的标准存储格式。在实时数据采集、循环 ...
2026-08-19在零售行业大数据分析与精细化运营领域,纸尿裤旁摆放啤酒是最经典、最具代表性的商业案例。两种看似毫无关联的商品,一个是婴幼 ...
2026-08-19 很多数据分析师能熟练地计算指标、搭建标签体系,但当被问到“画像到底在解决什么问题”“画像和标签是什么关系”“画像如何 ...
2026-08-19在数据分析、业务监控、质量检测与风险管控工作中,数据波动性是衡量数据稳定性、业务健康度、结果可信度的核心依据。数据波动代 ...
2026-08-18很多分析师在设计标签时思路清晰,但真到落地环节却面临“数据在手,不知如何转化为可用标签”的困境:或因加工方式选择不当导致 ...
2026-08-18在数据分析、业务评价、产品评级、用户分层与综合决策场景中,单一指标往往无法全面、客观地评价事物整体水平。现实中的评价对象 ...
2026-08-18在数理统计、假设检验、数据分析与机器学习领域中,卡方分布(χ²分布)是继正态分布、t分布之后最重要的连续型概率分布之一。 ...
2026-08-17在Python数据清洗、文本校验、账号密码规则校验、脏数据过滤、字符串规整化处理中,正则表达式是最高效、最常用的文本匹配工具。 ...
2026-08-17 很多分析师每天和数据打交道,但当被问到“标签是什么”“标签和指标有什么区别”“标签体系如何设计”时,却常常答不上来。 ...
2026-08-17手游行业具备用户迭代快、竞争激烈、用户粘性易流失的典型特征。随着新游持续上线、玩家审美升级、玩法疲劳等问题出现,存量用户 ...
2026-08-14在数字化产品运营、商业数据分析、业务增长管理中,零散的指标统计无法支撑系统性的业务决策。单一的点击率、转化率、销量数据只 ...
2026-08-14 很多数据分析师每天都在写SQL,但当被问到“数据查询语言(DQL)的本质是什么”“SELECT语句中各子句的书写顺序与实际执行顺 ...
2026-08-14在数据库数据分析、数据清洗、报表统计与业务查询场景中,日期时间是最高频、最核心的基础字段。数据库中存储的日期格式多样,包 ...
2026-08-13