Page 115 - 大数据背景下计算机信息安全及防护

第四章 大数据安全防护技术

打车平台、个人政务办理等数字化服务，会向服务运营商注册并提供身份证、个
人照片、住址、性别、年龄等敏感信息；企业使用商业云计算和大数据平台执行
企业协同办公、业务流程、财务管理等应用，同样会导致企业敏感信息被置于第
三方运营商中，一些运营商为了提升服务能力，会基于用户数据进行分析处理。

而这些具有挖掘价值的数据，往往成为黑客攻击的对象。因此，随着社会数字化
进程加快，数据成为描述实体信息的基础要素，但数据收集和使用的不可控导致
数据隐私泄露风险高。
数据融合安全能力弱。数据作为一种生产要素，能够通过数据挖掘、联合分

析来产生价值，促进企业生产力的提升。随着数据挖掘和人工智能技术的发展，
需要大量高质量的数据集来生成准确的算法模型，这促进了多个机构间的数据形
成特征互补、数据量扩充，以联合协作的方式执行数据融合计算。但数据涉及用
户和机构的隐私，必须采用安全手段保护数据融合过程的安全。传统安全防护以

边界防护为主，无法实施数据流通的动态防护。同时，常用的基础加密技术会破
坏数据结构，导致无法执行加密计算，而执行密态处理的同态加密计算、安全多
方计算等技术的效率还不能满足大规模应用的需求。因此，数据作为生产要素需
要被汇聚和计算，仅凭当前安全防护技术和加密技术，无法满足海量密态数据处

理需求，呈现出数据融合安全能力弱的问题。
数据流转全程监管难。合规性是当前数据安全治理的重要内容，在当前政务
数据开放共享、互联网企业联盟数据共享等背景下，以及国家不断增强的数据安

全法律法规约束下，实施数据内容和数据行为的全程监管是一个具有挑战性的难
题。数据在采集汇聚时，来自不同的终端和用户，其类型多样，敏感程度不同，
难以实施细粒度的管理。数据流转使得数据形成一张复杂的数据网络，其流向复
杂、与计算任务深度耦合，难以跟踪。数据在融合计算时，关联数据方较多、权
重不一、融合计算行为多样，难以进行授权和可信度量化。因此，数据动态流动

频繁、数据类型丰富、数据利用行为多样，使数据采集、存储、传输、处理、交
换、销毁等全程监管能力实施难度加大。数据隐私泄露风险高、数据融合安全能
力弱、数据流转全程监管难是当前开放环境下数据安全面临的主要挑战。

·105·