京公网安备 11010802034615号
经营许可证编号:京B2-20210330
百度总裁张亚勤:互联网大数据更安全
3月27日,百度总裁张亚勤应邀参加博鳌亚洲论坛2015年年会举办的一场电视辩论,与国内外众多知名人士共同讨论当下互联网大数据的局限、误区与真相。
第一财经日报总编辑秦朔作为主持人,表示IDC预测2020年大数据总量将相当于地球上所有海滩上沙粒总和的57倍,每两年数据就会翻倍。现在大数据已经和每个人的生活息息相关,成为了一种生活方式。但大数据同样也面临诸多方面的挑战,例如个人隐私安全,大数据应用不当造成的浪费等等。由此也引发了现场有关个人隐私安全的问题讨论。
个人隐私“三个维度”
在谈到个人隐私问题时,张亚勤提出了三个维度。第一个维度是数据是不是可靠。第二个维度是隐私问题,这里面既有技术问题,有法规的问题,有政府政策问题,也有用户使用习惯问题。第三个维度则是安全问题。
“人们正在从将实物与虚拟信息连接的‘信息化生存’,向着将互联网技术运用到物理世界中的‘互联网化生存’转变。”这是此前张亚勤对互联网大数据安全形势的一句概括。
当下包括移动的、云端的、数据的安全都面对前所未有的威胁与挑战,财产安全甚至人身安全也开始与信息相关。移动支付、在线消费、互联网金融等互联网安全,已经涉及到用户财产安全的问题。
但张亚勤认为事情总是存在两面性的,例如“斯诺登事件”带来的正面影响是大于负面的。张亚勤形象的举了个例子:“你把钱放到银行里面安全,还是把钱放到米枕头底下,或者是藏在家里面挖个洞,哪种方式更安全?答案是:还是银行是最安全的。虽然大家会对大数据存有一些顾虑,但是整体来讲大数据、云计算是更安全的,所以还是应该放心地去使用大数据。”
百度护航“互联网化生存”
基于对这个新形势的认识,事实上百度目前已经在手机、PC、云端三位一体地构筑了完整的安全生态体系,形成联动,以满足用户多平台的使用需求。在手机端,百度手机卫士提供“泛安全”的全面支持;PC端的百度杀毒和百度卫士,让电脑更安全也更快;云端安全技术则让网站的速度更快,让用户找到最短的上网路径。除了技术层外,百度在安全生态上通过信誉V等体系的建设,做到了从端到端的安全保障。
在众多互联网公司中,百度在互联网安全方面的研发投入也是中国最大的。百度希望提供给用户的安全保障不仅是一台电脑、一部手机,或是一次网页浏览的操作,也不仅是百度卫士、百度杀毒、百度浏览器等产品的独立运行,而是建立起一个大的安全生态,帮助每一个在数字时代生存的个体,以及所有仰仗互联网运行的软硬件设备,建立新的安全秩序,为用户创造一个更为安全、绿色、美好的互联网使用环境。
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
在数据分析中,“正态分布” 是许多统计方法(如 t 检验、方差分析、线性回归)的核心假设 —— 数据符合正态分布时,统计检验的 ...
2025-10-28箱线图(Box Plot)作为展示数据分布的核心统计图表,能直观呈现数据的中位数、四分位数、离散程度与异常值,是质量控制、实验分 ...
2025-10-28在 CDA(Certified Data Analyst)数据分析师的工作中,“分类变量关联分析” 是高频需求 —— 例如 “用户性别是否影响支付方式 ...
2025-10-28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