在網絡時代的今天，數據信息是否安全時刻觸動著每個人的心弦。有關專家告訴《中國科學報》記者，盡管大數據已使用多年，但在技術監管領域，各環節仍存在諸多技術難點。
數據來源是否可靠待鑒定
據了解，此次大數據安全整治檢查中一項重點工作是對合法采集內容與非法采集內容進行分類。其中，對于非法采集信息，將進行集中打擊、銷毀;對合法、合規采集的信息，則納入保護監管范圍。
浙江大學網絡空間安全研究中心主任任奎表示，從網絡安全的角度來看，首先，大數據在采集的過程中一方面需要考慮對數據源進行認證，確保數據本身的可靠性，如何在不增加負荷的情況下，特別是針對物聯網中計算處理能力相對較弱的設備，實現有效的認證還有待研究。另一方面需要重視隱私保護，如何有效地對數據進行脫敏仍然存在挑戰，當前比較熱門的方法諸如差分隱私技術仍在積極發展中。
“公民的信息是公民的私有財產，如果不對數據進行溯源來證明數據來源渠道，那么很可能助長非法數據來源的氣焰。”上海交通大學計算機科學與工程系教授朱浩瑾說。
中國科學院信息工程研究所DCS中心副研究員王躍武告訴記者，對于大數據而言，關鍵還是盡量將技術做到更完善，來保證數據分析結果的真實性、可靠性。
非關系型數據庫為數據存儲主流
提及目前大數據存儲環節存在的問題，任奎告訴記者，目前的主要問題是如何在有效保護數據的前提下，完整支持傳統的功能，諸如常見的搜索、排序、聚合分析等，當前相關安全技術與明文應用相比，尚存在功能和性能上的差距，有待提高。
“此外，還應該考慮如何進行安全去重等實際需求，從而減輕數據存儲的壓力，但這與‘備份’這種主動的防災機制是不同的，相關安全技術在安全與性能的平衡方面仍然需要進一步研究。”任奎補充道。
采訪中，針對大數據的存儲技術，王躍武與任奎一致認為，從軟件層面比較主流的是基于分布式系統的非關系型數據庫。
據了解，非關系型數據庫的優點主要在于易擴展、高性能等，但是也存在諸如標準化不足、功能支持不夠豐富等缺點。常見的分類有鍵值存儲、列存儲、文檔存儲以及圖存儲。但是，如何權衡實際應用中的需求，比如系統的一致性、可用性以及分區容錯性等，并提供定制化的技術，仍有大量工作要做。
如何避免“中間人”的攻擊?
任奎表示，數據在網絡中進行傳輸，也需要防止監聽、篡改這類傳統的“中間人”攻擊等，因此端到端加密是很有必要的。但是，端到端加密技術仍然面臨很多新型側信道攻擊來窺探隱私的挑戰，尤其是最近一些以人工智能方法來展開的側信道分析工作也說明了這一領域仍然有很多問題需要解決。“除此以外，端對端加密雖然好用，但同時也給網絡入侵檢測、加密數據防火墻的設計帶來更多的挑戰，如何安全、高效地支持這類應用還需要進一步研究。”任奎說。
360安全專家劉洋曾在接受記者采訪時表示，傳統的網絡安全思路已經無法保障大數據時代的安全。傳統網絡安全的防護思路是劃分邊界，將內網、外網分開，業務網和公眾網分離，用終端設備將潛在風險隔離。通過在每個邊界設立網關設備和網絡流量設備來守住“邊界”，以期解決安全問題。但隨著移動互聯網、云服務的出現，移動終端在4G信號、Wi-Fi信號、電纜之間穿梭，網絡邊界實際上已經消亡。
大數據銷毀并非簡單的“刪除”“清空”
在朱浩瑾看來，在我國，數據銷毀仍是一個不小的問題。他指出，歐盟出臺的《通用數據保護條例》中明文規定了用戶的“被遺忘權”，即用戶個人可以要求責任方刪除關于自己的數據記錄，而國內的法律無此規定。此外，企業究竟有無對數據進行銷毀，在技術上并不好驗證。“比如你的手機移動端可以進行一些設置，但是服務器端你怎么知道有沒有銷毀?”朱浩瑾補充道。
近日，走向智能研究院工業大數據首席專家郭朝暉博士撰文，通過不同視角梳理工業大數據的理論體系，強調工業大數據的終極目標是創造價值，方向是提升智能化，核心問題是知識的獲取和應用。本文來自：蟈蟈創新隨筆(guoguo_innovation)，經作者授權由《走向智能論壇》微信公眾號推薦閱讀。
郭朝暉：工業大數據的理論體系
走向智能研究院工業大數據首席專家郭朝暉博士
大數據的課程我講過多次。除了給專業人人士講，我個人幾乎都不滿意。有個問題一直困惑著我：“工業大數據”到底該講什么，才不至于以偏概全?或者說，理論體系應該包含哪些內容? 下面是我想到的一點原則性的觀點——可以從哪些視角看待它。
1、工業大數據的意義：從DIKW體系的角度看
我用DIKW體系的觀點解釋大數據的意義：將人類帶入智能社會。大數據夠把人類帶入智能社會的核心優勢在于“知識”的生產和應用。我們把智能理解為“感知、決策和執行”的統一，則大數據能很好地提供“感知”和“決策”所需要的知識。
2、大數據與業務系統的關系：概念。
很多人把數據和大數據混淆起來。一個典型的表現是把業務系統(如MES、ERP)的功能說成大數據的應用，似乎只要數據都是大數據。在我看來業務系統看數據，側重數據用于完成特定業務的一次利用。數據作為信息的載體，數據的生命周期相對較短。
大數據則側重數據的二次利用或重復利用，數據主要作為知識的載體。當然：大數據主要由業務系統(如ERP、MES)產生、積累，并最終服務于業務系統。
3、大數據的特征：甲乙方的視角
甲乙雙方看待大數據的特征是不同的。
其中，甲方就是希望通過大數據創造價值、改進業務的業務人員，而乙方是幫助甲方實現目標的IT技術人員。
大數據的甲方視角：有三個特征(樣本=全體等，后面詳細展開)，都與獲取知識相關。而獲取了知識才能創造價值。大數據的乙方視角即“4V特征”。這四個特征關注的是IT技術人員數據處理的困難。
顯然，乙方的工作應該服從甲方的業務需求。從這個意義上講，乙方可能遇到4V涉及的困難、也可能遇不到，視甲方的實際情況而定。我講的課主要是甲方視角，而IT專業人士講的課主要是乙方視角。
4、大數據與知識獲取的可行性(甲方視角、大數據特征)
(從甲方看)大數據的價值在于產生知識。人們經常提到的大數據的幾個特征(樣本=全體、相關非因果、混雜性)，都可以歸結為便于獲得知識。
l 樣本=全體。解決知識的存在性問題。人類的一切知識都來源于歷史;如果大數據能夠完整地記錄歷史，就會蘊含知識。這一點強調的是樣本分布的完整性。
l 不拘泥于因果。一般說法的是“相關關系而非因果關系”，而我將其改為“不拘泥于因果”。人類的知識有很多種，一種是說不出來的“默會知識”、一種是說的清楚的知識;而說得清楚的知識又包括理論知識和經驗知識。其中，理論知識是講究因果的;如果有把知識拘泥于因果則是不完備的。所以，“不拘泥于因果”解決了知識完的整性問題。
l 混雜性。本質是知識的可獲得、可驗證性，保證知識的質量。獲得知識的一個本質要求是區分偶然聯系和非偶然聯系?；祀s性可以用于解決這個問題。
換句話說，這三個特點保證了知識的存在性、完整性和可獲得性。這就是大數據的意義所在。我們知道：智能制造需要知識才能形成閉環、互聯網可以讓知識的價值放大。所以，在智能制造、工業互聯網的背景下，大數據的價值猛增。
5、知識類型的角度：多角度觀察
我一直認為，大數據的價值在于獲得、存儲和運用知識的能力。而“知識”可以分類——可以從多個維度來看：
l 默會知識、經驗知識、理論知識。
默會知識就是說不清楚、難以變成程序代碼的感性知識。例如，從圖像中人是一個人、下棋時對“勢”的理解，都是感性知識。
感性知識之外的經驗知識。這些知識說得清楚怎么做，不一定需要說明原因。如某種方法較好、哪條路走的快等——實際上好就是好了，不一定需要解釋。
理論知識就是說得清楚原因、可以解釋、甚至可計算的知識。
如前所述，大數據的優勢在于可以更容易地獲得默會和經驗知識——這在過去是很難的。過去計算機用到的知識，往往需要人們寫成代碼——但這只是人們大腦中的一部分知識。單純依靠理性知識，難以實現智能化。
l 正向知識(建模獲得)、逆向知識(根因分析)。
從原因到結果的知識，我稱其為正向知識。數學建模過程就是建立正向知識。從結果到原因的知識，我稱為逆向知識。就是所謂的根因分析。
l 聯系型知識、設計型知識。
因果知識、感性知識等體現的都是信息之間的聯系。而設計型的知識指的是產品、工藝設計等。設計型知識占用的計算機存儲量很大。在大數據時代，設計型知識容易存儲、處理了。
6、大數據獲得知識的途徑：承載知識和提煉知識
用大數據獲得知識有兩種方式：一種就是數據本身就承載知識;一種是數據承載的是信息、需要從數據提煉出知識。
第一種典型的就是產品設計數據、各種標準、成功案例等。快速響應、個性化定制的前提和手段，就是這種知識的共享。
對于這些知識，有時候會面臨的困難之一是如何找到它們。而找到這些知識本身就可能是需要獲得的知識。典型的就是谷歌搜索。AI算法對解決這個問題可能是有用的。
第二種知識就是前面說的、通過建?；蚋蚍治龅玫降闹R。工業上對知識是有明確需求的、以至于難以達到;但機理卻是相對明確的。我談的很多方法論，其實就是在這兩個方面的。下面還會提到。
7、通過大數據獲得價值：轉型升級才能創造藍海
從某種意義上說，大數據創造價值就是促進知識創造價值。這些知識要用在提高質量、效率，降低成本等具體問題上，才能創造價值。
人們遇到的真正困惑，或許是如何找到這些“問題”。這些問題大概可以分成兩類：一類是現有業務的痛點;第二類是轉型升級以后面臨新的要求。
對于業務痛點，往往是：“該做的都做了，剩下的往往是難以做的。”所以，難以找到合適的問題。對于這類困惑，大數據只是手段之一。往往要綜合運用各種手段，大數據才能給創造價值。
對于第二類困惑，往往是業務本身或外部變化引發的。例如，采用了新的生產方式或技術手段、用戶對質量要求提高了、數字化水平提高了、企業的業務重心轉移了(創新和服務的比重增大了)等等。這些變化，我統稱為“轉型升級”。對于這類新的問題，大數據方法比較容易發揮作用。
數據分析曾經被認為是“沒有辦法的辦法”。我把最近突然變熱的原因，歸結到智能制造相關技術引發的企業轉型升級。這時，大數據技術進入了一個藍海。大數據進入藍海的原因，不僅是獲得知識更方便等原因，更是知識的放大：把知識變成計算機可執行的代碼、實現人機知識的共享，知識在互聯網上實現共享，都會讓知識的價值倍增。從而讓“知識生產”的經濟性大大提升。
總體上看，轉型升級是戰略問題，大數據應用是戰術問題。戰略重點的改變，才能給大數據的應用創造條件。否則，再好的技術都可能成為屠龍之技。
8、大數據建模分析的方法論：算法只是細節問題
談到大數據分析與建模，很多人馬上想到各種算法。在我看來，對數據分析與建模問題來說，算法問題其實是戰術問題——也就是說，還需要有個戰略問題，用來決定分析什么問題、分析問題的次序和路徑等。CRISP_DM就是這個層面上的邏輯。我還想將其邏輯進一步簡化：
1、明確業務需求;確定需求是真實的、一旦分析成功則具有可行性。
2、數據分析方法：解決問題的次序和切入點的問題。
3、分析問題的具體算法。如回歸、決策樹、深度學習等。
其中，前面兩步做得好的話，后面的算法會比較簡單。我總覺得，學術界把算法看得太重、過度重視算法技巧。技巧易于發論文，但不符合工程邏輯。
9、總結
人們關注工業大數據的終極目標是創造價值;方向是提升智能化;核心問題是知識的獲取和應用。用好大數據的關鍵是搞清楚戰略和戰術的關系，也就是做什么事情、做事的次序和切入點等問題。單純從分析方法或數據角度看問題，是看不清楚問題全貌的。
任奎指出，大數據的銷毀是實現數據有效管理的必要過程，其過程并非簡單的“刪除”“清空”，如何保證指定的內容確實被“清除”與“銷毀”，除了技術層面的發展，仍需要建立行之有效的規范，例如美國國防部的DoD 5220.22-M規范。
對此，王躍武表達了不同意見。他表示，大數據時代，數據來源是一個由線到面的過程，銷毀從本質上來講是一種消極的做法。“大數據如同金礦，我們盡力從中淘出金子，然后將其保護好，這才是我們該做的。”王躍武說。
京公網安備 11010502049343號