京公网安备 11010802034615号
经营许可证编号:京B2-20210330
周鸿祎警示大数据时代六大挑战 倡议重塑信息安全"三原则"
24日上午,2014中国互联网安全大会(ISC 2014)在北京国家会议中心召开。360公司董事长兼CEO周鸿祎在主题演讲中表示,随着IoT(Internet of Things)万物互联时代的到来,任何设备都将接入互联网,由此带来的信息安全挑战前所未有。
对于众多工业时代都未曾涉及过的安全问题,周鸿祎坦言,很难以通过一套完整的安全产品和服务从根本上杜绝安全隐患。
对此,周鸿祎提出,大数据时代必须重塑信息安全的三个基本原则,以保护用户隐私和数据安全为前提,明确用户对信息数据的所有权,明确企业对信息数据的保障义务,并保障用户在信息交换和使用时的知情权,是IoT时代保护信息安全的基础。
警示信息安全六大挑战
周鸿祎在演讲中指出,IoT是时代的机遇,但对信息安全方面同样存在重大的隐患。
周鸿祎认为,IoT时代所有的设备都会内置智能芯片和操作系统,所有东西都会变成智能终端,因此随着信息安全将面临六大挑战。第一,随着设备“接入点”范围的不断扩大,传统的边界防护概念已经被改变;第二,所有的企业都面临着向互联网企业的转型和升级;第三,随着IoT技术的普及,透明人时代的到来,用户隐私安全更加受到威胁;第四,智能设备的自动化,引发更多远程控制的安全隐患;第五,大数据一旦被篡改、污染,其后果损失严重;第六,未来当云脑出现以后,一旦机器产生自我意识,将通过万物互联实现设计、制造和自主行为,人类将面对重大危胁来临的安全奇点。
倡议重塑信息安全三原则
对此,为了应对万物互联时代新的信息安全威胁,周鸿祎提出,大数据时代信息保护必须遵循三原则:首先,信息是用户的个人资产,只是托管在服务器上,必须明确用户对信息数据的所有权;其次,安全传输,安全存储,是企业的责任,必须提升安全防护水平;再次,使用用户的信息,要让用户有知情权选择权,平等交换、授权使用。
周鸿祎指出,未来安全的问题不会被彻底解决掉,随着人们对各种先进技术的使用越来越多,带来的安全挑战随之增多;只有在信息安全三原则的基础上,用户才能在进入IoT时代后,对下一代互联网感觉更放心,更好的使用。
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
在数据可视化领域,单一图表往往难以承载多维度信息 —— 力导向图擅长展现节点间的关联结构与空间分布,却无法直观呈现 “流量 ...
2025-10-27这个问题问到了 Tableau 中两个核心行级函数的经典组合,理解它能帮你快速实现 “相对位置占比” 的分析需求。“index ()/size ( ...
2025-10-27对 CDA(Certified Data Analyst)数据分析师而言,“假设检验” 绝非 “套用统计公式的机械操作”,而是 “将模糊的业务猜想转 ...
2025-10-27在数字化运营中,“凭感觉做决策” 早已成为过去式 —— 运营指标作为业务增长的 “晴雨表” 与 “导航仪”,直接决定了运营动作 ...
2025-10-24在卷积神经网络(CNN)的训练中,“卷积层(Conv)后是否添加归一化(如 BN、LN)和激活函数(如 ReLU、GELU)” 是每个开发者都 ...
2025-10-24在数据决策链条中,“统计分析” 是挖掘数据规律的核心,“可视化” 是呈现规律的桥梁 ——CDA(Certified Data Analyst)数据分 ...
2025-10-24在 “神经网络与卡尔曼滤波融合” 的理论基础上,Python 凭借其丰富的科学计算库(NumPy、FilterPy)、深度学习框架(PyTorch、T ...
2025-10-23在工业控制、自动驾驶、机器人导航、气象预测等领域,“状态估计” 是核心任务 —— 即从含噪声的观测数据中,精准推断系统的真 ...
2025-10-23在数据分析全流程中,“数据清洗” 恰似烹饪前的食材处理:若食材(数据)腐烂变质、混杂异物(脏数据),即便拥有精湛的烹饪技 ...
2025-10-23在人工智能领域,“大模型” 已成为近年来的热点标签:从参数超 1750 亿的 GPT-3,到万亿级参数的 PaLM,再到多模态大模型 GPT-4 ...
2025-10-22在 MySQL 数据库的日常运维与开发中,“更新数据是否会影响读数据” 是一个高频疑问。这个问题的答案并非简单的 “是” 或 “否 ...
2025-10-22在企业数据分析中,“数据孤岛” 是制约分析深度的核心瓶颈 —— 用户数据散落在注册系统、APP 日志、客服记录中,订单数据分散 ...
2025-10-22在神经网络设计中,“隐藏层个数” 是决定模型能力的关键参数 —— 太少会导致 “欠拟合”(模型无法捕捉复杂数据规律,如用单隐 ...
2025-10-21在特征工程流程中,“单变量筛选” 是承上启下的关键步骤 —— 它通过分析单个特征与目标变量的关联强度,剔除无意义、冗余的特 ...
2025-10-21在数据分析全流程中,“数据读取” 常被误解为 “简单的文件打开”—— 双击 Excel、执行基础 SQL 查询即可完成。但对 CDA(Cert ...
2025-10-21在实际业务数据分析中,我们遇到的大多数数据并非理想的正态分布 —— 电商平台的用户消费金额(少数用户单次消费上万元,多数集 ...
2025-10-20在数字化交互中,用户的每一次操作 —— 从电商平台的 “浏览商品→加入购物车→查看评价→放弃下单”,到内容 APP 的 “点击短 ...
2025-10-20在数据分析的全流程中,“数据采集” 是最基础也最关键的环节 —— 如同烹饪前需备好新鲜食材,若采集的数据不完整、不准确或不 ...
2025-10-20在数据成为新时代“石油”的今天,几乎每个职场人都在焦虑: “为什么别人能用数据驱动决策、升职加薪,而我面对Excel表格却无从 ...
2025-10-18数据清洗是 “数据价值挖掘的前置关卡”—— 其核心目标是 “去除噪声、修正错误、规范格式”,但前提是不破坏数据的真实业务含 ...
2025-10-17