京公网安备 11010802034615号
经营许可证编号:京B2-20210330
大数据时代数据安全保障的举措分析
大数据时代已经到来,大数据技术及应用蓬勃发展,大数据数量和价值快速攀升。除数据资源自身蕴含的丰富价值外,元数据资源经挖掘分析可创造出更为巨大的经济和社会价值。随着互联网+行动计划进一步推进实施,大数据将加速从互联网向更广泛的领域渗透,与此同时,大数据安全威胁也将全面辐射到各行各业。2015年开年发生的12306网站用户信息泄露等多起数据泄露事件,再次给我们敲响警钟,数据资源安全正面临严峻挑战。
一、大数据时代数据安全面临的主要挑战
1、数据基础设施频受攻击,数据丢失及泄露风险加大
数据中心、移动智能终端承载大量重要业务数据和用户个人信息,安全地位日益凸显。然而,近年来针对IDC的攻击日趋增加,2014年12月阿里云称遭遇全球最大规模DDoS攻击,2015年初一家亚洲网络运营商的数据中心遭遇334Gbps的垃圾数据流攻击。同时,侵犯数据安全的恶意应用、木马等日益增多,对用户隐私和财产安全构成极大隐患。2014全年,安全企业监测到的Android用户感染恶意程序达3.19亿人次,平均每天恶意程序感染量达到了87.5万人次。
2、新型网络威胁层出不穷,倒逼数据保护技术革新
新型网络威胁的技术复杂性和隐蔽性越来越高,危害范围不断扩大。2014年心脏出血漏洞威胁全球约2/3的网络服务器内存储的用户名、密码以及服务器证书、私钥等敏感数据安全;同年索尼公司遭遇ATP攻击,大量员工信息及影视拷贝遭泄露。新型网络威胁的层出不穷倒逼网络数据保护技术创新突破。
3、数据交易地下产业链活动猖獗,治理仍需长期展开
在利益驱动下,针对用户信息的非法收集、窃取、贩卖和利用行为日渐猖獗,国内倒卖用户信息的地下产业链总规模已超过百亿。为防范和治理黑客地下产业链,2014年工信部开展了专项行动并取得一定成效,但同时也面临技术手段多样、涉及环节多、隐蔽性强等执法挑战,长期治理任重道远。
4、数据跨境流动成为关注热点,监管机制面临挑战
互联网和移动数据在全球范围内的自由流动在成为经济增长、就业创造和社会福利重要推动力的同时,也日益成为信息主权、知识产权、公民隐私权的重要威胁。由于数据跨境流动可能导致国家关键数据资源流失,各国高度重视数据跨境流动监管这一国际性难题,但目前仍缺乏指导数据跨境流动监管的统一规范和国际规则。
5、数据资源需求强烈,开放共享与安全保护矛盾凸显
随着智慧城市的建设发展与两化融合的不断深入,以经济和民生需求为导向的数据开放共享需求日益强烈。交通、旅游等机构为优化服务对人群分布和流动数据提出诉求;商业客户为产品定制和精准营销,需要用户行为特征数据进行决策支撑。目前数据资源开放共享缺乏统筹有力的管理和安全保障,国家数据资源的开放共享与安全保护已成为长期存在矛盾难题。
二、国际数据安全保障实践
伴随各国对于数据安全重要性认识的不断加深,国际主要国家纷纷已从法律法规、战略政策、技术手段、标准评估等方面展开了数据安全保障实践。
1、聚焦信息共享和跨境流动,完善数据保护法律体系
美国颁布《2014年国家网络安全保护法案》、积极推动出台《网络安全信息共享法案》,敦促私企与政府分享网络安全信息。欧盟通过新版《数据保护法》,强调本地存储和禁止跨国分享。俄罗斯2015年起实行新法规定,互联网企业需将收集的俄罗斯公民信息存储在俄罗斯国内。
2、顶层设计与政策落实并重,深化数据安全政策导向
各国纷纷将数据安全作为国家战略的重要组成部分,对数据安全政策进行单独说明。日本2013年《创建最尖端IT战略》明确阐述了开放公共数据和大数据保护的国家战略;印度2014年国家电信安全政策指导意见草案对移动数据保护作出规定。同时,创新政策的落实方式,通过项目模式引导政策落地。法国“未来投资计划”有力推动云计算数据安全保护政策落实;英国“Data.Gov.uk”项目实测开放政府数据保护政策的应用效果。
3、从关键数据保护关键环节出发,强化安全技术手段
世界各国数据安全保障技术已覆盖数据采集、存储、挖掘和发布等关键环节,已具备传输安全和SSL/VPN技术、数字加密和数据恢复技术、基于生物特征等的身份认证和强制访问控制技术、基于日志的安全审计和数字水印等溯源技术等保护数据安全的通用技术手段。此外,数据防泄漏(DLP)技术、云平台数据安全等数据安全防护专用技术的研发与应用正不断提速。
4、完善数据安全标准体系,开展数据安全评估和认证实践
各国和国际标准组织纷纷出台数据安全相关标准指南。美国国家标准与技术研究院(NIST)发布了用户身份识别指南;ISO/IEC制定了公共云计算服务的数据保护控制措施实用规则。同时,对于数据安全的评估和相关认证体系日渐成熟。美国TRUSTe隐私认证得到全球很多国家消费者认可和信赖;欧盟委员会开展数据跨境流动安全评估,成为评判数据能否转移的重要依据。此外,国际安全港认证、合同范本及公司绑定规则等实践促进了数据安全保护水平的提升。
三、我国数据安全保障工作思考
近年来,我国高度重视数据安全,相继出台《加强网络信息保护的决定》、《电信和互联网用户个人信息保护规定》等法律法规以及多部涉及数据保护的部门规章,发布国家和行业的网络个人信息保护相关标准,在国家和行业层面开展了以数据安全为重点的安全防护检查,取得一定成效。但总体看,我国数据安全单行立法缺失、专用保护技术不足、数据安全评估不够等问题突出,数据安全保障能力亟待进一步提升。因此,应从当前面临的数据安全挑战出发,多管齐下,多措并举,构建全面的数据安全保护体系,着力提升数据安全保障能力。
一是推进数据安全保护立法进程。加快数据安全立法进程,明确数据保护的对象、范畴和违法责任等,制定关于数据开放共享和跨境流动监管的法律条款。同时,拓宽现有法律的调整范围,将工业互联网、云计算等新技术新应用场景下的数据保护纳入法律调整范畴。
二是出台国家数据安全保护战略。从国家安全、国家战略资源的高度定位数据安全,强化数据战略统筹。制定通信、金融等重点行业的关键数据和用户信息的跨境流动监管政策,推动立法规范我国公民个人信息的境内存储。积极参与国际规则的制定,提升我国在数据保护领域的话语权,为我国开展数据安全保护营造良好的国际环境。
三是加强数据安全保护技术攻关。加强数据保护关键技术手段建设,加快身份管理、APT攻击防御、DDoS攻击溯源等关键技术研发。加快数据安全监管支撑技术研究,提升针对敏感数据泄露、违法跨境数据流动等安全隐患的监测发现与处置能力。
四是健全数据安全标准体系和评估体系。统筹规划数据安全相关标准制定,积极开展通用和专用的数据安全标准研发。强化数据安全相关检测与评估,推动开展数据跨境流动安全评估。
四、结语
大数据时代,机遇与挑战并存。面对新形势新问题,坚持安全与发展并重,筑牢我国大数据安全管理的防线,守卫好我国信息主权和用户隐私,才能防止大而无序、大而无安,真正实现大有所长、大有所用。
CDA学员免费下载查看报告全文:2026全球数智化人才指数报告【CDA数据科学研究院】.pdf
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
在大数据技术飞速迭代、数字营销竞争日趋激烈的今天,“精准触达、高效转化、成本可控”已成为企业营销的核心诉求。传统广告投放 ...
2026-04-24在游戏行业竞争白热化的当下,用户流失已成为制约游戏生命周期、影响营收增长的核心痛点。据行业报告显示,2024年移动游戏平均次 ...
2026-04-24 很多业务负责人开会常说“我们要数据驱动”,最后却变成“看哪张报表数据多就用哪个”,往往因为缺乏一套结构性的方法去搭建 ...
2026-04-24在Power BI数据可视化分析中,切片器是连接用户与数据的核心交互工具,其核心价值在于帮助使用者快速筛选目标数据、聚焦分析重点 ...
2026-04-23以数为据,以析促优——数据分析结果指导临床技术改进的实践路径 临床技术是医疗服务的核心载体,其水平直接决定患者诊疗效果、 ...
2026-04-23很多数据分析师每天盯着GMV、DAU、转化率,但当被问到“哪些指标是所有企业都需要的”“哪些指标是因行业而异的”“北极星指标和 ...
2026-04-23近日,由 CDA 数据科学研究院重磅发布的《2026 全球数智化人才指数报告》,被中国教育科学研究院官方账号正式收录, ...
2026-04-22在数字化时代,客户每一次点击、浏览、下单、咨询等行为,都在传递其潜在需求与决策倾向——这些按时间顺序串联的行为轨迹,构成 ...
2026-04-22数据是数据分析、建模与业务决策的核心基石,而“数据清洗”作为数据预处理的核心环节,是打通数据从“原始杂乱”到“干净可用” ...
2026-04-22 很多数据分析师每天盯着GMV、转化率、DAU等数字看,但当被问到“什么是指标”“指标和维度有什么区别”“如何搭建一套完整的 ...
2026-04-22在数据分析与业务决策中,数据并非静止不变的数值,而是始终处于动态波动之中——股市收盘价的每日涨跌、企业月度销售额的起伏、 ...
2026-04-21在数据分析领域,当研究涉及多个自变量与多个因变量之间的复杂关联时,多变量一般线性分析(Multivariate General Linear Analys ...
2026-04-21很多数据分析师精通描述性统计,能熟练计算均值、中位数、标准差,但当被问到“用500个样本如何推断10万用户的真实满意度”“这 ...
2026-04-21在数据处理与分析的全流程中,日期数据是贯穿业务场景的核心维度之一——无论是业务报表统计、用户行为追踪,还是风控规则落地、 ...
2026-04-20在机器学习建模全流程中,特征工程是连接原始数据与模型效果的关键环节,而特征重要性分析则是特征工程的“灵魂”——它不仅能帮 ...
2026-04-20很多数据分析师沉迷于复杂的机器学习算法,却忽略了数据分析最基础也最核心的能力——描述性统计。事实上,80%的商业分析问题, ...
2026-04-20在数字化时代,数据已成为企业决策的核心驱动力,数据分析与数据挖掘作为解锁数据价值的关键手段,广泛应用于互联网、金融、医疗 ...
2026-04-17在数据处理、后端开发、报表生成与自动化脚本中,将 SQL 查询结果转换为字符串是一项高频且实用的操作。无论是拼接多行数据为逗 ...
2026-04-17面对一份上万行的销售明细表,要快速回答“哪个地区卖得最好”“哪款产品增长最快”“不同客户类型的购买力如何”——这些看似复 ...
2026-04-17数据分析师一天的工作,80% 的时间围绕表格结构数据展开。从一张销售明细表到一份完整的分析报告,表格结构数据贯穿始终。但你真 ...
2026-04-16