
大数据时代信息安全问题待解
对海量数据的分析挖掘能创造巨大的物质财富和社会价值。然而,数据的大量聚集导致隐私泄露无处不在,个人、企业的信息安全面临严重威胁,亟待通过完善法律法规等方式予以解决。
“大数据”产业蕴藏巨大潜力
大数据的价值不可估量,被誉为未来世界的“石油”。企业通过对海量数据的分析挖掘,能从中发现商机,清晰掌握客户需求,准确锁定目标客户。
2013年,美剧《纸牌屋》的成功,让全世界都意识到了大数据的力量。《纸牌屋》的出品方N etflix仅在当年第一季度就新增300多万用户,半年之内股价涨幅超三倍。这是因为《纸牌屋》是从3000万付费用户的收视选择、400万条评论、300万条搜索记录中总结收视习惯,根据对用户喜好的精准分析进行创作的。
“大数据产业蕴藏着巨大潜力,能创造巨大的物质财富。”梦芭莎集团董事长佘晓成说,“每个企业都应该打造自己的数据库,大数据技术让我们在生产过程中就能进行及时调整,使用大数据技术后,库存售罄率从80%大幅提升到95%。
大数据不仅能创造物质财富,还能创造社会价值。中国工程院院士邬贺铨表示,海量的交通信息、社保信息、消费记录、地理信息等掌握在政府部门、通信运营商、互联网企业等机构手中,将成为解决交通拥堵、雾霾、看病难、食品安全等问题的利器,以及政府了解社情民意的重要窗口。
信息安全成发展主要障碍
记者调研发现,尽管大数据蕴藏巨大潜力,但也给个人、企业的信息安全带来巨大风险,信息安全问题已成为产业发展的主要障碍。
首先,大数据时代,隐私信息将“无处遁形”,公民个人将面临安全风险。信息安全专家、南京瀚海源信息科技有限公司首席执行官方兴说,大数据分析的前提是海量的数据,只要连接到网络,公民的姓名、身份证号、手机号码、银行账号密码、位置信息等隐私数据都会在其不知情的情况下被全部抓取,现行法律法规并未对此类行为作出任何规定。
“无处遁形”的隐私信息和大数据分析的广泛使用,将给公民个人带来巨大的安全风险。国际关系学院信息科技系副主任王标说,大数据时代,个人隐私数据越来越多地被连接和分析,公民的账号密码、手机号码、身份证号等敏感信息会被不法分子轻易获取,为账户盗刷、诈骗、抢劫等犯罪打开方便之门。
其次,大数据时代,数据的大量聚集大大增加了大规模数据泄露事件发生的可能,企业的信息安全也面临严重威胁。
世界知名信息安全厂商赛门铁克近日发布报告称,随着大数据时代的到来,2013年超过5 .52亿条个人身份信息被泄露,泄露数据的数量是2012年的4倍,大规模泄露事件从2012年的1起增加到8起,每一起事件泄露的信息都超过千万。
方兴说,大数据时代,保存海量数据的企业极易引来黑客攻击,因为数据的大量汇集使得黑客一次攻击就能获得大量有效数据,加之企业的信息安全意识有待提高,一旦发生数据泄露,不仅给用户带来安全风险,对企业声誉、经济效益也是重大打击。
应制定产业“游戏规则”
受访专家建议,国家宜根据大数据的特点,及时完善相关法律法规,制定大数据时代的“游戏规则”。同时,要建立企业信息泄露问责机制,倒逼企业用户加强信息安全防护,促进大数据产业健康发展。
王标、方兴等专家建议,应通过完善法律法规,制定大数据时代的“游戏规则”。一是对企业如何保护收集来的个人隐私做出明确规定;二是企业如何使用收集到的个人隐私必须提前告知用户;三是对于用户个人而言,必须要有数据的准入权、删除权和修改权。
同时,艾媒咨询首席执行官张毅表示,近两年我国携程网、如家快捷酒店等多家企业曾发生大规模数据泄露事件,却从未见到企业负责人被问责。按照美国的法律,企业发生一次信息泄露事件就可能被罚得倾家荡产。“必须建立严格的问责机制,加大对涉事企业的处罚力度,倒逼企业加强信息安全防护。”张毅说。
此外,专家表示,在大数据时代,公安部门也应与时俱进,增强侦破能力,只有让利用大数据技术实施犯罪的人被绳之以法,才能真正威慑不法分子,为个人、企业的信息安全保驾护航。
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
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在数据汇总分析中,透视表凭借灵活的字段重组能力成为核心工具,但原始透视表仅能呈现数值结果,缺乏对数据背景、异常原因或业务 ...
2025-10-17在企业管理中,“凭经验定策略” 的传统模式正逐渐失效 —— 金融机构靠 “研究员主观判断” 选股可能错失收益,电商靠 “运营拍 ...
2025-10-17在数据库日常操作中,INSERT INTO SELECT是实现 “批量数据迁移” 的核心 SQL 语句 —— 它能直接将一个表(或查询结果集)的数 ...
2025-10-16在机器学习建模中,“参数” 是决定模型效果的关键变量 —— 无论是线性回归的系数、随机森林的树深度,还是神经网络的权重,这 ...
2025-10-16在数字化浪潮中,“数据” 已从 “辅助决策的工具” 升级为 “驱动业务的核心资产”—— 电商平台靠用户行为数据优化推荐算法, ...
2025-10-16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