
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
Python HTTP 请求工具对比:urllib.request 与 requests 的核心差异与选择指南 在 Python 处理 HTTP 请求(如接口调用、数据爬取 ...
2025-09-12解决 pd.read_csv 读取长浮点数据的科学计数法问题 为帮助 Python 数据从业者解决pd.read_csv读取长浮点数据时的科学计数法问题 ...
2025-09-12CDA 数据分析师:业务数据分析步骤的落地者与价值优化者 业务数据分析是企业解决日常运营问题、提升执行效率的核心手段,其价值 ...
2025-09-12用 SQL 验证业务逻辑:从规则拆解到数据把关的实战指南 在业务系统落地过程中,“业务逻辑” 是连接 “需求设计” 与 “用户体验 ...
2025-09-11塔吉特百货孕妇营销案例:数据驱动下的精准零售革命与启示 在零售行业 “流量红利见顶” 的当下,精准营销成为企业突围的核心方 ...
2025-09-11CDA 数据分析师与战略 / 业务数据分析:概念辨析与协同价值 在数据驱动决策的体系中,“战略数据分析”“业务数据分析” 是企业 ...
2025-09-11Excel 数据聚类分析:从操作实践到业务价值挖掘 在数据分析场景中,聚类分析作为 “无监督分组” 的核心工具,能从杂乱数据中挖 ...
2025-09-10统计模型的核心目的:从数据解读到决策支撑的价值导向 统计模型作为数据分析的核心工具,并非简单的 “公式堆砌”,而是围绕特定 ...
2025-09-10CDA 数据分析师:商业数据分析实践的落地者与价值创造者 商业数据分析的价值,最终要在 “实践” 中体现 —— 脱离业务场景的分 ...
2025-09-10机器学习解决实际问题的核心关键:从业务到落地的全流程解析 在人工智能技术落地的浪潮中,机器学习作为核心工具,已广泛应用于 ...
2025-09-09SPSS 编码状态区域中 Unicode 的功能与价值解析 在 SPSS(Statistical Product and Service Solutions,统计产品与服务解决方案 ...
2025-09-09CDA 数据分析师:驾驭商业数据分析流程的核心力量 在商业决策从 “经验驱动” 向 “数据驱动” 转型的过程中,商业数据分析总体 ...
2025-09-09R 语言:数据科学与科研领域的核心工具及优势解析 一、引言 在数据驱动决策的时代,无论是科研人员验证实验假设(如前文中的 T ...
2025-09-08T 检验在假设检验中的应用与实践 一、引言 在科研数据分析、医学实验验证、经济指标对比等领域,常常需要判断 “样本间的差异是 ...
2025-09-08在商业竞争日益激烈的当下,“用数据说话” 已从企业的 “加分项” 变为 “生存必需”。然而,零散的数据分析无法持续为业务赋能 ...
2025-09-08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 ...
2025-09-04