京公网安备 11010802034615号
经营许可证编号:京B2-20210330
大数据时代,医疗数据安全不容忽视
在网络信息爆炸的今天,我们已经听过很多有关金融服务公司和零售商出现安全漏洞的事件了。令人惊讶的是,据最新的调查报告显示,与金融服务公司及零售商相比,医疗机构网络被攻击的频率才是最高的。
黑客从漏洞系统下手
令人担忧的是,很多医院目前都拥有不少基于互联网的医疗设备,包括起搏器、呼吸机等生命维持装置。一旦黑客破解了医院的设备网络系统后,就可以获取心脏起搏器、呼吸机的访问权限,其后果不堪设想。尽管以往这样的事件只会出现在科幻小说里,但是现在,很可能变为现实。
黑客已经将目光日渐瞄准了那些还在使用有漏洞的旧版操作系统的医疗机构,通过将一些新技术植入软件中,能够成功绕过传统安全防火墙进入医院网络,对其中的敏感数据进行访问。
患者数据存在黑市交易
不过,有一点可以减轻黑客所引起的恐慌的是,即这些黑客其实大多只是想获取可以卖出的数据,而不是真的想制造混乱。
有证据表明,熟练的黑客在袭击医疗机构之后,会费尽心思地去获取有价值的病人病历,以此通过黑市获取可观收益。
2016年年末的一份报告显示,美国医疗行业每年因数据泄露平均损失62亿美元。随着互联网和医疗的结合越来越紧密,医疗数据泄露也变得越来越容易。
健康医疗大数据利用的前提:对数据的控制和保护
在健康医疗大数据背景下,医疗信息化建设必然打破传统的数据孤岛,转而走向共享、开放。因此,健康医疗大数据将呈现日益活跃的“流动”趋势,在“流动”中发挥价值。比如,分级诊疗、远程医疗、健康管理等新业态的产生,必然驱动数据的有序流动、合理利用和安全分享。
但是,在数据“流动”的过程中,存在诸多隐患问题:对个体而言,特别关心数据的隐私泄露问题;对卫生医疗机构和主管部门来说,则关心数据是否“健康”,也即数据是否真实、完整、可信,关心敏感的大数据分析结果、政策依据等是否会泄露。安全,已经成为了健康医疗大数据的核心关切点。
当前,我国健康医疗大数据面临着前所未有的安全挑战。在互联共享的时代,数据全生命周期的每一个环节都无法独善其身,根据木桶效应,任何环节的短板都会导致全生命周期的崩溃。而互联网+时代导致数据的边界越来越模糊、越来越开放,进而导致各类网络攻击的手段越来越先进、越来越隐蔽、功利性越来越强。另一方面,业界的数据安全意识和保护手段还很薄弱,信息系统多采用用户名+口令等较弱的访问控制方式,对于数据更是无任何的保护措施,可以说,很多数据正在“裸奔”。
保护健康医疗数据安全
为了更好地保护健康数据,欧洲开启了一项名为KONFIDO的项目,旨在通过识别和阻止网络攻击加强网络安全。项目由欧盟2020地平线( Horizon 2020)项目出资,并且有15家来自行业、学术界和健康产业的不同合伙人加入。计划的目标之一,是开发出一种可以快速识别对健康数据存在潜在网络威胁的电脑程序。这种电脑程序不但可以很好地识别网络威胁,并且可以通过互联网络,把受到威胁的数据转移到更为安全的地方,从而规避网络攻击。
在大数据时代,健康医疗信息的安全需求归根结底就是两点:控制与保护!而数据的控制与保护,都必须在“网络可信体系”中实现。健康医疗大数据需要的“网络可信体系”又是什么呢?对此,《国务院办公厅关于促进和规范健康医疗大数据应用发展的指导意见》(国办发〔2016〕47号)的出台特别在12条中进行了权威解释:“推进网络可信体系建设:强化健康医疗数字身份管理,建设全国统一标识的医疗卫生人员和医疗卫生机构可信医学数字身份、电子实名认证、数据访问控制信息系统,积极推进电子签名应用,逐步建立服务管理留痕可溯、诊疗数据安全运行、多方协作参与的健康医疗管理新模式。”其中,可信医学数字身份、电子实名认证、电子签名应用等关键词,需要特别标红提示!
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
在大数据时代背景下,海量行业数据亟需通过专业化工具挖掘潜在价值,辅助企业业务决策、优化运营模式、规避经营风险。Python凭借 ...
2026-08-28SQL是数据分析领域最基础、最核心的工具,承担着取数、清洗、统计、分层、归因的全流程工作。不同于单纯的语法练习,实战化SQL数 ...
2026-08-28 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 ...
2026-08-28随着新零售模式的快速普及,零售行业从传统的“货品驱动”全面转向“用户驱动”。门店交易数据、线上消费记录、浏览轨迹、复购频 ...
2026-08-27在数据分析、爬虫采集、接口开发、数据归档等场景中,JSON与CSV是两种使用率最高的数据存储格式。JSON为键值对结构化格式,适配 ...
2026-08-27 很多数据分析师每天都在计算指标、制作报表,但当被问到“什么叫指标数据元”“指标数据标准包含哪些核心维度”“指标数据质 ...
2026-08-27在数据分析工作中,时间序列是最常见的数据类型之一,订单时间、日志时间、交易时段、统计周期等数据均离不开时间处理。原始数据 ...
2026-08-26在数据分析与数据预处理工作中,原始数据普遍存在录入错误、系统故障、偶然极值等问题,极易产生异常数据。异常数据会严重干扰数 ...
2026-08-26 很多数据分析师能熟练写SQL、做透视表,但当被问到“数据是从哪里来的?经过哪些加工才进入数据仓库?ETL具体做了什么?”时 ...
2026-08-26在数理统计与数据分析领域,多因素方差分析与线性回归模型是研究变量关系、因素影响、数据差异规律的两大核心工具。二者均属于经 ...
2026-08-25数据分析的核心价值不在于数据计算与图表制作,而在于清晰、精准、有逻辑地输出结论、支撑业务决策。日常数据分析报告普遍存在结 ...
2026-08-25 很多数据分析师能熟练地写SQL、做透视表、算描述性统计,但当被问到“如何预测用户流失概率”“如何归因销量下滑的关键因素 ...
2026-08-25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