
大数据好是好,安全怎么办
作为观测人类社会行为的显微镜和检测大自然的仪表盘,大数据改变了我们的认知方式。
按理说,我国是有条件发挥大数据优势实现其集约化利用的。信息化进程在政府主导下,通过顶层设计,形成以区域为中心、分层级的信息资源平台,不仅为科学决策提供依据,还会为市民、企业提供有效的社会服务。比如,一个地级市为老百姓提供的服务有2500多项,分布在不同部门,服务和数据的分割降低了办事效率。如果能够集约化利用,不仅能避免浪费,还能为市民提供更有价值的服务。
而与此同时,大数据应用首先要考虑到保护信息数据安全问题。只有加强数据安全的保护,才能保障大数据工作在法律保护和制约下有序发展。如身份证号码、电子病例等数据具有个人不可侵犯的隐私权。如果没有信息数据的保护,大数据应用将难以为继。
当然,安全这件事情是永远研究不完的,涉及到很多方面。比如,数据统合与共同隐私的矛盾,数据开放和国家机密的矛盾,公共隐私和反恐之间的矛盾等。一系列的问题需要在发展过程中解决。一个基本的发展逻辑应该是:以法律为基础,以技术为支撑,应该是管理者透明,个人隐私被保护,掌控者负担责任,使用者受益。有可能选一些边界、隐私敏感度比较小的部分先做起来,慢慢把它做大,这可能就会为未来的发展奠定很好的基础。
具体建议如下:
政府要在观念上大力宣传,让大众对大数据的利用形成正确的认识,哪些是合理合法的,有积极的社会意义的;哪些是属于非法滥用的,有损社会建设的。通过宣传打击买卖个人隐私信息、传播非法短信和垃圾邮件等违法犯罪活动的案例,给公民个人以及有关企事业单位以应有的警示,从而建立社会共识和良好的道德氛围。
推进与个人隐私保护相关的政策法规框架的建立,综合考虑社会治理的需要和个人权益保护之间的平衡。形成适合中国国情的个人隐私保护的法律框架,是对信息时代人类文明进步的一个贡献,这中间有很多重要的细节值得斟酌。比如,是不是要限制一个电子商务网站保留其客户交易信息的最长时限对政府部门也有要求,对公民的有些信息是能存尽量存,还是应该安排一些制度性的遗忘,也就是在一定的时候就要删除。
要重视个人隐私保护的大数据技术的发展和应用。现在出于国家安全需要,在信息安全技术上的投入是比较大的,也形成了一些重要成果。但是在对个人隐私保护政策与技术方面的研究还很不够,相对的人员也很少。个人隐私保护是大数据时代的重要民生。个人隐私保护远远不只是信息技术的问题,还有很多社会科学、交叉学科的问题。建议在适当的部门建立个人数据保护机构,系统开展和协调有关工作。
应当借助大数据应用,扎实地推进信用体系、民生体系、公共服务体系、科学决策体系等体系建设,创新性地建设面向未来的现代化体系。现代化不是技术的应用,是利用技术全面提升社会幸福指数。同时大数据发展一定要结合我国市场经济发展和完善的进程。大数据的应用和产业化发展,必须结合且以尽快完善社会主义市场经济体系为前提。
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
在大模型从实验室走向生产环境的过程中,“稳定性” 是决定其能否实用的关键 —— 一个在单轮测试中表现优异的模型,若在高并发 ...
2025-10-15在机器学习入门领域,“鸢尾花数据集(Iris Dataset)” 是理解 “特征值” 与 “目标值” 的最佳案例 —— 它结构清晰、维度适 ...
2025-10-15在数据驱动的业务场景中,零散的指标(如 “GMV”“复购率”)就像 “散落的零件”,无法支撑系统性决策;而科学的指标体系,则 ...
2025-10-15在神经网络模型设计中,“隐藏层层数” 是决定模型能力与效率的核心参数之一 —— 层数过少,模型可能 “欠拟合”(无法捕捉数据 ...
2025-10-14在数字化浪潮中,数据分析师已成为企业 “从数据中挖掘价值” 的核心角色 —— 他们既要能从海量数据中提取有效信息,又要能将分 ...
2025-10-14在企业数据驱动的实践中,“指标混乱” 是最常见的痛点:运营部门说 “复购率 15%”,产品部门说 “复购率 8%”,实则是两者对 ...
2025-10-14在手游行业,“次日留存率” 是衡量一款游戏生死的 “第一道关卡”—— 它不仅反映了玩家对游戏的初始接受度,更直接决定了后续 ...
2025-10-13分库分表,为何而生? 在信息技术发展的早期阶段,数据量相对较小,业务逻辑也较为简单,单库单表的数据库架构就能够满足大多数 ...
2025-10-13在企业数字化转型过程中,“数据孤岛” 是普遍面临的痛点:用户数据散落在 APP 日志、注册系统、客服记录中,订单数据分散在交易 ...
2025-10-13在数字化时代,用户的每一次行为 —— 从电商平台的 “浏览→加购→购买”,到视频 APP 的 “打开→搜索→观看→收藏”,再到银 ...
2025-10-11在机器学习建模流程中,“特征重要性分析” 是连接 “数据” 与 “业务” 的关键桥梁 —— 它不仅能帮我们筛选冗余特征、提升模 ...
2025-10-11在企业的数据体系中,未经分类的数据如同 “杂乱无章的仓库”—— 用户行为日志、订单记录、商品信息混杂存储,CDA(Certified D ...
2025-10-11在 SQL Server 数据库操作中,“数据类型转换” 是高频需求 —— 无论是将字符串格式的日期转为datetime用于筛选,还是将数值转 ...
2025-10-10在科研攻关、工业优化、产品开发中,正交试验(Orthogonal Experiment)因 “用少量试验覆盖多因素多水平组合” 的高效性,成为 ...
2025-10-10在企业数据量从 “GB 级” 迈向 “PB 级” 的过程中,“数据混乱” 的痛点逐渐从 “隐性问题” 变为 “显性瓶颈”:各部门数据口 ...
2025-10-10在深度学习中,“模型如何从错误中学习” 是最关键的问题 —— 而损失函数与反向传播正是回答这一问题的核心技术:损失函数负责 ...
2025-10-09本文将从 “检验本质” 切入,拆解两种方法的核心适用条件、场景边界与实战选择逻辑,结合医学、工业、教育领域的案例,让你明确 ...
2025-10-09在 CDA 数据分析师的日常工作中,常会遇到这样的困惑:某电商平台 11 月 GMV 同比增长 20%,但究竟是 “长期趋势自然增长”,还 ...
2025-10-09Pandas 选取特定值所在行:6 类核心方法与实战指南 在使用 pandas 处理结构化数据时,“选取特定值所在的行” 是最高频的操作之 ...
2025-09-30球面卷积神经网络(SCNN) 为解决这一痛点,球面卷积神经网络(Spherical Convolutional Neural Network, SCNN) 应运而生。它通 ...
2025-09-30