大数据时代的安全边界.docxVIP

PAGE 1 PAGE 1 大数据时代的安全边界  依据IDC数据显示，目前互联网上的数据每年增长50%，每两年翻一番，全球互联网90%以上的数据是最近几年才产生的。  　　依据IDC数据显示，目前互联网上的数据每年增长50%，每两年翻一番，全球互联网90%以上的数据是最近几年才产生的。  　　最早洞见大数据时代的数据科学家维克托·迈克·舍恩伯格在《大数据时代》一书中曾指出：大数据带给人类生活的益处是多方面的，不仅是人们获得新认知、创造新价值的源泉，还是转变市场、组织结构以及政府与公民关系的方法。但他同时也指出，大数据相比传统互联网，会给网络安全带来更多威逼，给用户隐私带来更大挑战。  　　大数据技术给数据使用的隐私问题带来了新挑战。对于企业来说，企业决策从“业务驱动”转变为“数据驱动”，企业需要遵守更严格的安全标准和保密规定，对数据存储与使用的安全性和隐私性要求由此提高。  　　对于个人而言，大数据时代，个人数据是一种信息资产，但这种资产却在用户不知情的状况下被收集、分析，以正值或不正值的方式用以牟利，个人生活好像时刻被置于“老大哥”的监视之下，隐私安全受到了巨大挑战。  　　数据共享是大数据的现实价值，但隐私保护又关系到公民个体和国家整体的安全。如何平衡大数据使用和隐私保护是亟待解决的问题。  　　传统的隐私规范采用“告知与许可”原则，即让人们自主打算是否、如何以及经由谁来处理他们的信息，这就意味着将个人隐私保护的责任放在了每个公民个体的受众。但在大数据时代，由于二次使用的存在，“告知与许可”缺乏现实可行性，学者因此提出应转变传统的隐私保护体系，将隐私保护的责任由公民个体转移到数据使用者身上，即由数据使用者为其行为担当责任，而非停留于收集数据之初的是否取得个人同意。  　　围绕这一原则，相关学者目前又提出了数据脱敏技术和数据分类分级等一系列隐私保护手段。信息脱敏技术是指将数据脱敏为不含用户隐私的测试用数据，但是由于结构化数据在大数据时代关联性特别紧密，使得单个数据集的脱敏不能解决两个各自不敏感数据集放在一起就变为敏感数据集这类的问题，因此需要针对详细行业和详细问题开发、采用不同的脱敏技术。  　　数据分类分级从隐私安全与保护成本的角度动身，对数据进行分类和等级划分，进而依据不同需要对关键数据进行重点防护。但是传统的数据分级对于大数据时代来说过粗，很多研究机构正在探索进一步细化可行的分级标准。