大數據具有數據體量巨大、數據類型繁多、價值密度低、處理速度快的特點。在帶來各種光鮮機遇的同時，大數據也帶來了新的挑戰，尤其是關系國計民生的統計大數據，如應用不慎，達摩克利斯之劍可能隨時落下。
面臨的挑戰
在大數據被討論得最熱火朝天時，“棱鏡門”為全世界敲響了警鐘。但多數人忽視了一個關鍵問題，正是有了大數據，才讓“棱鏡”項目得以順利實施，大數據技術在帶來機遇的同時，帶來很多問題。
巨大體量使得信息管理成本陡增。海量數據的管理是每一個大數據管理者的極大挑戰。在互聯網上，大數據是非常容易被發現的目標，已成為網絡黑客攻擊的首選對象。大量數據的集中存儲增加了泄露風險，黑客的一次攻擊成功就能獲得比以往更多的數據，黑客的攻擊收益遠遠大于進攻成本。在大數據時代，數據加工和存儲鏈條上的時空先后順序已被模糊，可擴展的數據聯系使得安全防護更加困難。
在國家統計局聯網直報平臺上，有企業一套表、采購經理調查、工業生產者價格調查等網上直報項目，數以萬計的被調查單位的數據匯聚在一起，是實實在在的統計大數據，這里面蘊藏著更復雜、更敏感、價值巨大的信息。從微觀角度來看，被調查單位的指標直接反映了自身生產經營狀況；從宏觀角度來看，如果通過專業人員分析，透過這些數據更可以對經濟運行狀況和未來走勢一探端倪。目前，網上直報項目的登陸賬號多為被調查單位的法人代碼，默認密碼一般為法人代碼，初次登陸后一般修改為“12356”、“11111111”等過于簡單的密碼，這些數據在某種程度上會引來潛在攻擊者。
類型繁多加大了信息有效性驗證難度。大數據時代，由于不再拘泥于特定的數據收集模式，數據來自于多維空間，各種非結構化的數據與結構化的數據混雜在一起。太多無用的信息造成信息不足或信息不匹配，如何從海量的數據中去偽存真，提取需要的數據，是每一個大數據應用者面臨的挑戰。
日常統計調查工作收集了大量統計數據，通常可以依托算法處理得出走勢和預測。但是，如果被調查單位上報的數據存在人為失誤，或者在收集數據的過程中出現了偶然的非人為失誤，導致數據本身出現了問題，通過數據分析得出的結果也將不盡準確。
低密度價值分布使得安全防御邊界有所擴展。第一，大量的數據匯集，包括大量的企業運營數據、個人隱私和各種行為的細節記錄，數據的集中存儲增加了泄露風險。第二，一些敏感數據的所有權和使用權并沒有被明確界定，很多基于大數據的分析都未考慮到其中涉及的個體隱私問題。第三，大數據對數據完整性、可用性和秘密性帶來挑戰，在防止數據丟失、被盜取、被濫用和被破壞上存在一定的技術難度，傳統的安全工具不再像以前那么有用。
統計調查工作涉及了大量企業、家庭和個人的隱私數據，如企業投資方向、人員信息、家庭收入、日常支出、消費記錄等。《統計法》第九條明確規定：“統計機構和統計人員對在統計工作中知悉的國家秘密、商業秘密和個人信息，應當予以保密。”而在大數據時代，任何人都可以是信息的提供者和維護者，這種由先天的結構性導入設計所帶來的變化，要采取必要的技術手段實現隱私保密。
快速處理要求使得獨立決策的比例顯著降低。大數據時代，對事物因果關系的關注，轉變為對事物相關關系的關注。大數據系統是一種輔助決策系統，事實上，大數據分析日益成為一項重要的業務決策流程。
宏觀經濟失衡的發生，會給國民經濟發展造成巨大損失，并引起經濟大起大落、強烈波動。國家統計局發布的經濟預警指數包括工業生產指數、固定資產投資、城鎮居民人均可支配收入、居民消費價格指數等十余個指標。在經濟運行過程中，如何快速準確地對經濟的發展變化情況進行預測，在失衡發生前發出警報，事先采取措施加以調節，避免不良后果，是檢驗統計大數據運用效果最直接的體現。
應對的策略
通過安全評估體系確保統計大數據安全。一是打造一支可靠的專業團隊。大數據建設的每個環節都需要依靠專業人員完成，因此，必須培養和造就一支懂技術、懂管理、懂指揮的統計大數據建設專業團隊，為統計大數據管理人才提供保障。二是使用基于威脅特征建立實時匹配檢測，基于統一的時間源消除高級可持續攻擊(APT)的可能性，精確控制大數據設計規模，削弱黑客可以利用的空間。三是建立安全評估體系，對于不同安全域要進行準確評估，加強保護關鍵信息索引，做好重要數據多重災難備份工作，應對大數據的災難性損毀。
通過有效性驗證確保統計大數據可靠。固定的傳播渠道所發布的數據往往有其針對性和傾向性，甚至帶有誤導性，這時就需要數據使用者具備一定的甄別能力，才能真正充分利用大數據實現自身價值。一是通過研究相關的算法，確保數據有效性，盡可能使數據類型具體化，增加對數據更細粒度的了解，縮小數據的聚焦范圍，定義數據的相關參數，對數據進行精細篩選。二是進一步健全特征庫，加強數據的交叉驗證，通過邏輯沖突去偽存真。
通過確立權限邊界確保統計大數據隱私。一是在流程設計上，一定要將數據分散存儲，任何一個存儲單元被黑客攻破，都不可能拿到數據的全集。同時，使用過濾器監控，一旦發現數據離開了用戶的網絡，就自動阻止數據的再次傳輸。二是確立權限管理邊界，構建一體化的數據安全管理體系。使用加密手段把數據使用與數據保管分離，把密鑰與要保護的數據隔離開，通過USBKEY等硬件輔助對敏感數據的調用啟動身份驗證機制，定義產生、存儲、備份、恢復等密鑰管理生命周期，實現對數據的動態加密管理。
通過科學建模實現統計大數據快速預警。大數據分析技術經過這幾年的發展，已經形成了一些比較成熟穩定的模型算法，常見的模型算法有關聯規則分析(Apriori)、決策樹、神經網絡、K-MEANS聚類等。這些算法模型有的適合預測趨勢和行為，有的適合關聯分析，有的適合聚類分析。每種模型算法都有其優劣性，我們可以針對不同的需求，選擇合適的算法模型進行統計大數據分析挖掘，從而利用實時數據進行快速、精準的經濟預警。
京公網安備 11010502049343號