在網(wǎng)絡(luò)時(shí)代的今天，數(shù)據(jù)信息是否安全時(shí)刻觸動(dòng)著每個(gè)人的心弦。有關(guān)專家告訴《中國(guó)科學(xué)報(bào)》記者，盡管大數(shù)據(jù)已使用多年，但在技術(shù)監(jiān)管領(lǐng)域，各環(huán)節(jié)仍存在諸多技術(shù)難點(diǎn)。
數(shù)據(jù)來(lái)源是否可靠待鑒定
據(jù)了解，此次大數(shù)據(jù)安全整治檢查中一項(xiàng)重點(diǎn)工作是對(duì)合法采集內(nèi)容與非法采集內(nèi)容進(jìn)行分類。其中，對(duì)于非法采集信息，將進(jìn)行集中打擊、銷毀;對(duì)合法、合規(guī)采集的信息，則納入保護(hù)監(jiān)管范圍。
浙江大學(xué)網(wǎng)絡(luò)空間安全研究中心主任任奎表示，從網(wǎng)絡(luò)安全的角度來(lái)看，首先，大數(shù)據(jù)在采集的過(guò)程中一方面需要考慮對(duì)數(shù)據(jù)源進(jìn)行認(rèn)證，確保數(shù)據(jù)本身的可靠性，如何在不增加負(fù)荷的情況下，特別是針對(duì)物聯(lián)網(wǎng)中計(jì)算處理能力相對(duì)較弱的設(shè)備，實(shí)現(xiàn)有效的認(rèn)證還有待研究。另一方面需要重視隱私保護(hù)，如何有效地對(duì)數(shù)據(jù)進(jìn)行脫敏仍然存在挑戰(zhàn)，當(dāng)前比較熱門的方法諸如差分隱私技術(shù)仍在積極發(fā)展中。
“公民的信息是公民的私有財(cái)產(chǎn)，如果不對(duì)數(shù)據(jù)進(jìn)行溯源來(lái)證明數(shù)據(jù)來(lái)源渠道，那么很可能助長(zhǎng)非法數(shù)據(jù)來(lái)源的氣焰。”上海交通大學(xué)計(jì)算機(jī)科學(xué)與工程系教授朱浩瑾說(shuō)。
中國(guó)科學(xué)院信息工程研究所DCS中心副研究員王躍武告訴記者，對(duì)于大數(shù)據(jù)而言，關(guān)鍵還是盡量將技術(shù)做到更完善，來(lái)保證數(shù)據(jù)分析結(jié)果的真實(shí)性、可靠性。
非關(guān)系型數(shù)據(jù)庫(kù)為數(shù)據(jù)存儲(chǔ)主流
提及目前大數(shù)據(jù)存儲(chǔ)環(huán)節(jié)存在的問(wèn)題，任奎告訴記者，目前的主要問(wèn)題是如何在有效保護(hù)數(shù)據(jù)的前提下，完整支持傳統(tǒng)的功能，諸如常見的搜索、排序、聚合分析等，當(dāng)前相關(guān)安全技術(shù)與明文應(yīng)用相比，尚存在功能和性能上的差距，有待提高。
“此外，還應(yīng)該考慮如何進(jìn)行安全去重等實(shí)際需求，從而減輕數(shù)據(jù)存儲(chǔ)的壓力，但這與‘備份’這種主動(dòng)的防災(zāi)機(jī)制是不同的，相關(guān)安全技術(shù)在安全與性能的平衡方面仍然需要進(jìn)一步研究。”任奎補(bǔ)充道。
采訪中，針對(duì)大數(shù)據(jù)的存儲(chǔ)技術(shù)，王躍武與任奎一致認(rèn)為，從軟件層面比較主流的是基于分布式系統(tǒng)的非關(guān)系型數(shù)據(jù)庫(kù)。
據(jù)了解，非關(guān)系型數(shù)據(jù)庫(kù)的優(yōu)點(diǎn)主要在于易擴(kuò)展、高性能等，但是也存在諸如標(biāo)準(zhǔn)化不足、功能支持不夠豐富等缺點(diǎn)。常見的分類有鍵值存儲(chǔ)、列存儲(chǔ)、文檔存儲(chǔ)以及圖存儲(chǔ)。但是，如何權(quán)衡實(shí)際應(yīng)用中的需求，比如系統(tǒng)的一致性、可用性以及分區(qū)容錯(cuò)性等，并提供定制化的技術(shù)，仍有大量工作要做。
如何避免“中間人”的攻擊?
任奎表示，數(shù)據(jù)在網(wǎng)絡(luò)中進(jìn)行傳輸，也需要防止監(jiān)聽、篡改這類傳統(tǒng)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(shù)仍然面臨很多新型側(cè)信道攻擊來(lái)窺探隱私的挑戰(zhàn)，尤其是最近一些以人工智能方法來(lái)展開的側(cè)信道分析工作也說(shuō)明了這一領(lǐng)域仍然有很多問(wèn)題需要解決。“除此以外，端對(duì)端加密雖然好用，但同時(shí)也給網(wǎng)絡(luò)入侵檢測(cè)、加密數(shù)據(jù)防火墻的設(shè)計(jì)帶來(lái)更多的挑戰(zhàn)，如何安全、高效地支持這類應(yīng)用還需要進(jìn)一步研究。”任奎說(shuō)。
360安全專家劉洋曾在接受記者采訪時(shí)表示，傳統(tǒng)的網(wǎng)絡(luò)安全思路已經(jīng)無(wú)法保障大數(shù)據(jù)時(shí)代的安全。傳統(tǒng)網(wǎng)絡(luò)安全的防護(hù)思路是劃分邊界，將內(nèi)網(wǎng)、外網(wǎng)分開，業(yè)務(wù)網(wǎng)和公眾網(wǎng)分離，用終端設(shè)備將潛在風(fēng)險(xiǎn)隔離。通過(guò)在每個(gè)邊界設(shè)立網(wǎng)關(guān)設(shè)備和網(wǎng)絡(luò)流量設(shè)備來(lái)守住“邊界”，以期解決安全問(wèn)題。但隨著移動(dòng)互聯(lián)網(wǎng)、云服務(wù)的出現(xiàn)，移動(dòng)終端在4G信號(hào)、Wi-Fi信號(hào)、電纜之間穿梭，網(wǎng)絡(luò)邊界實(shí)際上已經(jīng)消亡。
大數(shù)據(jù)銷毀并非簡(jiǎn)單的“刪除”“清空”
在朱浩瑾看來(lái)，在我國(guó)，數(shù)據(jù)銷毀仍是一個(gè)不小的問(wèn)題。他指出，歐盟出臺(tái)的《通用數(shù)據(jù)保護(hù)條例》中明文規(guī)定了用戶的“被遺忘權(quán)”，即用戶個(gè)人可以要求責(zé)任方刪除關(guān)于自己的數(shù)據(jù)記錄，而國(guó)內(nèi)的法律無(wú)此規(guī)定。此外，企業(yè)究竟有無(wú)對(duì)數(shù)據(jù)進(jìn)行銷毀，在技術(shù)上并不好驗(yàn)證。“比如你的手機(jī)移動(dòng)端可以進(jìn)行一些設(shè)置，但是服務(wù)器端你怎么知道有沒(méi)有銷毀?”朱浩瑾補(bǔ)充道。
近日，走向智能研究院工業(yè)大數(shù)據(jù)首席專家郭朝暉博士撰文，通過(guò)不同視角梳理工業(yè)大數(shù)據(jù)的理論體系，強(qiáng)調(diào)工業(yè)大數(shù)據(jù)的終極目標(biāo)是創(chuàng)造價(jià)值，方向是提升智能化，核心問(wèn)題是知識(shí)的獲取和應(yīng)用。本文來(lái)自：蟈蟈創(chuàng)新隨筆(guoguo_innovation)，經(jīng)作者授權(quán)由《走向智能論壇》微信公眾號(hào)推薦閱讀。
郭朝暉：工業(yè)大數(shù)據(jù)的理論體系
走向智能研究院工業(yè)大數(shù)據(jù)首席專家郭朝暉博士
大數(shù)據(jù)的課程我講過(guò)多次。除了給專業(yè)人人士講，我個(gè)人幾乎都不滿意。有個(gè)問(wèn)題一直困惑著我：“工業(yè)大數(shù)據(jù)”到底該講什么，才不至于以偏概全?或者說(shuō)，理論體系應(yīng)該包含哪些內(nèi)容? 下面是我想到的一點(diǎn)原則性的觀點(diǎn)——可以從哪些視角看待它。
1、工業(yè)大數(shù)據(jù)的意義：從DIKW體系的角度看
我用DIKW體系的觀點(diǎn)解釋大數(shù)據(jù)的意義：將人類帶入智能社會(huì)。大數(shù)據(jù)夠把人類帶入智能社會(huì)的核心優(yōu)勢(shì)在于“知識(shí)”的生產(chǎn)和應(yīng)用。我們把智能理解為“感知、決策和執(zhí)行”的統(tǒng)一，則大數(shù)據(jù)能很好地提供“感知”和“決策”所需要的知識(shí)。
史蒂夫·喬布斯生前飽受癌癥折磨，為了挽救生命，他嘗試了非常多的治療方案。在2004年，喬布斯花費(fèi)幾十萬(wàn)美元做了基因檢測(cè)，成為世界上第一個(gè)對(duì)自身所有DNA和腫瘤DNA進(jìn)行排序的人，他還得到了整個(gè)基因密碼的數(shù)據(jù)文檔。
這樣昂貴花費(fèi)的結(jié)果是，通過(guò)這些基因數(shù)據(jù)，醫(yī)生們可以根據(jù)喬布斯特定的DNA為他設(shè)計(jì)藥物，并觀察藥效，如果由于癌癥的病變導(dǎo)致藥物失效，醫(yī)生可以及時(shí)的更換藥物，以免延誤治療期。
從結(jié)果上看，喬布斯自罹患胰腺神經(jīng)內(nèi)分泌腫瘤至離世，與癌癥抗?fàn)?8 年之久，幾乎創(chuàng)造了胰腺癌歷史上的奇跡。在治療期間，喬布斯決定了自身的治療方案，根據(jù)自己的癌癥分子來(lái)精心挑選的靶向治療，記錄和監(jiān)控自己的進(jìn)步，在術(shù)后也記錄所有關(guān)鍵參數(shù)并每天與他的醫(yī)生討論，他的妻子將每個(gè)專家的問(wèn)題匯總。
在喬布斯的胰腺治療奇跡中，大數(shù)據(jù)功不可沒(méi)。1996 年，美國(guó)計(jì)算機(jī)專家尼葛洛龐帝曾在其書《數(shù)字化生存》中預(yù)言道，互聯(lián)網(wǎng)將首先改變銷售、出版、汽車和醫(yī)療事業(yè)。如今這些曾被視為荒誕的預(yù)言正慢慢變成現(xiàn)實(shí)。
其實(shí)，除了醫(yī)療，大數(shù)據(jù)還能夠運(yùn)用到更多的場(chǎng)景中，比如游戲、制造等等行業(yè)，能夠顯著提升企業(yè)效率。基于國(guó)內(nèi)互聯(lián)網(wǎng)企業(yè)近20年如火如荼的發(fā)展局面，現(xiàn)在眾多的企業(yè)管理者已經(jīng)認(rèn)識(shí)到數(shù)據(jù)不僅僅是單純的存儲(chǔ)信息，而是已經(jīng)成為從中獲取巨大商業(yè)價(jià)值的重要戰(zhàn)略資產(chǎn)。在這樣的背景下，UCloud邀請(qǐng)了多位技術(shù)專家，探討數(shù)據(jù)價(jià)值，為數(shù)字時(shí)代快速發(fā)展群策群力。
2、大數(shù)據(jù)與業(yè)務(wù)系統(tǒng)的關(guān)系：概念。
很多人把數(shù)據(jù)和大數(shù)據(jù)混淆起來(lái)。一個(gè)典型的表現(xiàn)是把業(yè)務(wù)系統(tǒng)(如MES、ERP)的功能說(shuō)成大數(shù)據(jù)的應(yīng)用，似乎只要數(shù)據(jù)都是大數(shù)據(jù)。在我看來(lái)業(yè)務(wù)系統(tǒng)看數(shù)據(jù)，側(cè)重?cái)?shù)據(jù)用于完成特定業(yè)務(wù)的一次利用。數(shù)據(jù)作為信息的載體，數(shù)據(jù)的生命周期相對(duì)較短。
大數(shù)據(jù)則側(cè)重?cái)?shù)據(jù)的二次利用或重復(fù)利用，數(shù)據(jù)主要作為知識(shí)的載體。當(dāng)然：大數(shù)據(jù)主要由業(yè)務(wù)系統(tǒng)(如ERP、MES)產(chǎn)生、積累，并最終服務(wù)于業(yè)務(wù)系統(tǒng)。
3、大數(shù)據(jù)的特征：甲乙方的視角
甲乙雙方看待大數(shù)據(jù)的特征是不同的。
其中，甲方就是希望通過(guò)大數(shù)據(jù)創(chuàng)造價(jià)值、改進(jìn)業(yè)務(wù)的業(yè)務(wù)人員，而乙方是幫助甲方實(shí)現(xiàn)目標(biāo)的IT技術(shù)人員。
大數(shù)據(jù)的甲方視角：有三個(gè)特征(樣本=全體等，后面詳細(xì)展開)，都與獲取知識(shí)相關(guān)。而獲取了知識(shí)才能創(chuàng)造價(jià)值。大數(shù)據(jù)的乙方視角即“4V特征”。這四個(gè)特征關(guān)注的是IT技術(shù)人員數(shù)據(jù)處理的困難。
顯然，乙方的工作應(yīng)該服從甲方的業(yè)務(wù)需求。從這個(gè)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(shí)際情況而定。我講的課主要是甲方視角，而IT專業(yè)人士講的課主要是乙方視角。
4、大數(shù)據(jù)與知識(shí)獲取的可行性(甲方視角、大數(shù)據(jù)特征)
(從甲方看)大數(shù)據(jù)的價(jià)值在于產(chǎn)生知識(shí)。人們經(jīng)常提到的大數(shù)據(jù)的幾個(gè)特征(樣本=全體、相關(guān)非因果、混雜性)，都可以歸結(jié)為便于獲得知識(shí)。
l 樣本=全體。解決知識(shí)的存在性問(wèn)題。人類的一切知識(shí)都來(lái)源于歷史;如果大數(shù)據(jù)能夠完整地記錄歷史，就會(huì)蘊(yùn)含知識(shí)。這一點(diǎn)強(qiáng)調(diào)的是樣本分布的完整性。
l 不拘泥于因果。一般說(shuō)法的是“相關(guān)關(guān)系而非因果關(guān)系”，而我將其改為“不拘泥于因果”。人類的知識(shí)有很多種，一種是說(shuō)不出來(lái)的“默會(huì)知識(shí)”、一種是說(shuō)的清楚的知識(shí);而說(shuō)得清楚的知識(shí)又包括理論知識(shí)和經(jīng)驗(yàn)知識(shí)。其中，理論知識(shí)是講究因果的;如果有把知識(shí)拘泥于因果則是不完備的。所以，“不拘泥于因果”解決了知識(shí)完的整性問(wèn)題。
l 混雜性。本質(zhì)是知識(shí)的可獲得、可驗(yàn)證性，保證知識(shí)的質(zhì)量。獲得知識(shí)的一個(gè)本質(zhì)要求是區(qū)分偶然聯(lián)系和非偶然聯(lián)系?；祀s性可以用于解決這個(gè)問(wèn)題。
換句話說(shuō)，這三個(gè)特點(diǎn)保證了知識(shí)的存在性、完整性和可獲得性。這就是大數(shù)據(jù)的意義所在。我們知道：智能制造需要知識(shí)才能形成閉環(huán)、互聯(lián)網(wǎng)可以讓知識(shí)的價(jià)值放大。所以，在智能制造、工業(yè)互聯(lián)網(wǎng)的背景下，大數(shù)據(jù)的價(jià)值猛增。
5、知識(shí)類型的角度：多角度觀察
我一直認(rèn)為，大數(shù)據(jù)的價(jià)值在于獲得、存儲(chǔ)和運(yùn)用知識(shí)的能力。而“知識(shí)”可以分類——可以從多個(gè)維度來(lái)看：
l 默會(huì)知識(shí)、經(jīng)驗(yàn)知識(shí)、理論知識(shí)。
默會(huì)知識(shí)就是說(shuō)不清楚、難以變成程序代碼的感性知識(shí)。例如，從圖像中人是一個(gè)人、下棋時(shí)對(duì)“勢(shì)”的理解，都是感性知識(shí)。
感性知識(shí)之外的經(jīng)驗(yàn)知識(shí)。這些知識(shí)說(shuō)得清楚怎么做，不一定需要說(shuō)明原因。如某種方法較好、哪條路走的快等——實(shí)際上好就是好了，不一定需要解釋。
理論知識(shí)就是說(shuō)得清楚原因、可以解釋、甚至可計(jì)算的知識(shí)。
如前所述，大數(shù)據(jù)的優(yōu)勢(shì)在于可以更容易地獲得默會(huì)和經(jīng)驗(yàn)知識(shí)——這在過(guò)去是很難的。過(guò)去計(jì)算機(jī)用到的知識(shí)，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(shí)。單純依靠理性知識(shí)，難以實(shí)現(xiàn)智能化。
l 正向知識(shí)(建模獲得)、逆向知識(shí)(根因分析)。
從原因到結(jié)果的知識(shí)，我稱其為正向知識(shí)。數(shù)學(xué)建模過(guò)程就是建立正向知識(shí)。從結(jié)果到原因的知識(shí)，我稱為逆向知識(shí)。就是所謂的根因分析。
l 聯(lián)系型知識(shí)、設(shè)計(jì)型知識(shí)。
因果知識(shí)、感性知識(shí)等體現(xiàn)的都是信息之間的聯(lián)系。而設(shè)計(jì)型的知識(shí)指的是產(chǎn)品、工藝設(shè)計(jì)等。設(shè)計(jì)型知識(shí)占用的計(jì)算機(jī)存儲(chǔ)量很大。在大數(shù)據(jù)時(shí)代，設(shè)計(jì)型知識(shí)容易存儲(chǔ)、處理了。
6、大數(shù)據(jù)獲得知識(shí)的途徑：承載知識(shí)和提煉知識(shí)
用大數(shù)據(jù)獲得知識(shí)有兩種方式：一種就是數(shù)據(jù)本身就承載知識(shí);一種是數(shù)據(jù)承載的是信息、需要從數(shù)據(jù)提煉出知識(shí)。
第一種典型的就是產(chǎn)品設(shè)計(jì)數(shù)據(jù)、各種標(biāo)準(zhǔn)、成功案例等。快速響應(yīng)、個(gè)性化定制的前提和手段，就是這種知識(shí)的共享。
對(duì)于這些知識(shí)，有時(shí)候會(huì)面臨的困難之一是如何找到它們。而找到這些知識(shí)本身就可能是需要獲得的知識(shí)。典型的就是谷歌搜索。AI算法對(duì)解決這個(gè)問(wèn)題可能是有用的。
第二種知識(shí)就是前面說(shuō)的、通過(guò)建?；蚋蚍治龅玫降闹R(shí)。工業(yè)上對(duì)知識(shí)是有明確需求的、以至于難以達(dá)到;但機(jī)理卻是相對(duì)明確的。我談的很多方法論，其實(shí)就是在這兩個(gè)方面的。下面還會(huì)提到。
7、通過(guò)大數(shù)據(jù)獲得價(jià)值：轉(zhuǎn)型升級(jí)才能創(chuàng)造藍(lán)海
從某種意義上說(shuō)，大數(shù)據(jù)創(chuàng)造價(jià)值就是促進(jìn)知識(shí)創(chuàng)造價(jià)值。這些知識(shí)要用在提高質(zhì)量、效率，降低成本等具體問(wèn)題上，才能創(chuàng)造價(jià)值。
人們遇到的真正困惑，或許是如何找到這些“問(wèn)題”。這些問(wèn)題大概可以分成兩類：一類是現(xiàn)有業(yè)務(wù)的痛點(diǎn);第二類是轉(zhuǎn)型升級(jí)以后面臨新的要求。
對(duì)于業(yè)務(wù)痛點(diǎn)，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(wèn)題。對(duì)于這類困惑，大數(shù)據(jù)只是手段之一。往往要綜合運(yùn)用各種手段，大數(shù)據(jù)才能給創(chuàng)造價(jià)值。
對(duì)于第二類困惑，往往是業(yè)務(wù)本身或外部變化引發(fā)的。例如，采用了新的生產(chǎn)方式或技術(shù)手段、用戶對(duì)質(zhì)量要求提高了、數(shù)字化水平提高了、企業(yè)的業(yè)務(wù)重心轉(zhuǎn)移了(創(chuàng)新和服務(wù)的比重增大了)等等。這些變化，我統(tǒng)稱為“轉(zhuǎn)型升級(jí)”。對(duì)于這類新的問(wèn)題，大數(shù)據(jù)方法比較容易發(fā)揮作用。
數(shù)據(jù)分析曾經(jīng)被認(rèn)為是“沒(méi)有辦法的辦法”。我把最近突然變熱的原因，歸結(jié)到智能制造相關(guān)技術(shù)引發(fā)的企業(yè)轉(zhuǎn)型升級(jí)。這時(shí)，大數(shù)據(jù)技術(shù)進(jìn)入了一個(gè)藍(lán)海。大數(shù)據(jù)進(jìn)入藍(lán)海的原因，不僅是獲得知識(shí)更方便等原因，更是知識(shí)的放大：把知識(shí)變成計(jì)算機(jī)可執(zhí)行的代碼、實(shí)現(xiàn)人機(jī)知識(shí)的共享，知識(shí)在互聯(lián)網(wǎng)上實(shí)現(xiàn)共享，都會(huì)讓知識(shí)的價(jià)值倍增。從而讓“知識(shí)生產(chǎn)”的經(jīng)濟(jì)性大大提升。
總體上看，轉(zhuǎn)型升級(jí)是戰(zhàn)略問(wèn)題，大數(shù)據(jù)應(yīng)用是戰(zhàn)術(shù)問(wèn)題。戰(zhàn)略重點(diǎn)的改變，才能給大數(shù)據(jù)的應(yīng)用創(chuàng)造條件。否則，再好的技術(shù)都可能成為屠龍之技。
8、大數(shù)據(jù)建模分析的方法論：算法只是細(xì)節(jié)問(wèn)題
談到大數(shù)據(jù)分析與建模，很多人馬上想到各種算法。在我看來(lái)，對(duì)數(shù)據(jù)分析與建模問(wèn)題來(lái)說(shuō)，算法問(wèn)題其實(shí)是戰(zhàn)術(shù)問(wèn)題——也就是說(shuō)，還需要有個(gè)戰(zhàn)略問(wèn)題，用來(lái)決定分析什么問(wèn)題、分析問(wèn)題的次序和路徑等。CRISP_DM就是這個(gè)層面上的邏輯。我還想將其邏輯進(jìn)一步簡(jiǎn)化：
1、明確業(yè)務(wù)需求;確定需求是真實(shí)的、一旦分析成功則具有可行性。
2、數(shù)據(jù)分析方法：解決問(wèn)題的次序和切入點(diǎn)的問(wèn)題。
3、分析問(wèn)題的具體算法。如回歸、決策樹、深度學(xué)習(xí)等。
其中，前面兩步做得好的話，后面的算法會(huì)比較簡(jiǎn)單。我總覺(jué)得，學(xué)術(shù)界把算法看得太重、過(guò)度重視算法技巧。技巧易于發(fā)論文，但不符合工程邏輯。
9、總結(jié)
人們關(guān)注工業(yè)大數(shù)據(jù)的終極目標(biāo)是創(chuàng)造價(jià)值;方向是提升智能化;核心問(wèn)題是知識(shí)的獲取和應(yīng)用。用好大數(shù)據(jù)的關(guān)鍵是搞清楚戰(zhàn)略和戰(zhàn)術(shù)的關(guān)系，也就是做什么事情、做事的次序和切入點(diǎn)等問(wèn)題。單純從分析方法或數(shù)據(jù)角度看問(wèn)題，是看不清楚問(wèn)題全貌的。
任奎指出，大數(shù)據(jù)的銷毀是實(shí)現(xiàn)數(shù)據(jù)有效管理的必要過(guò)程，其過(guò)程并非簡(jiǎn)單的“刪除”“清空”，如何保證指定的內(nèi)容確實(shí)被“清除”與“銷毀”，除了技術(shù)層面的發(fā)展，仍需要建立行之有效的規(guī)范，例如美國(guó)國(guó)防部的DoD 5220.22-M規(guī)范。
對(duì)此，王躍武表達(dá)了不同意見。他表示，大數(shù)據(jù)時(shí)代，數(shù)據(jù)來(lái)源是一個(gè)由線到面的過(guò)程，銷毀從本質(zhì)上來(lái)講是一種消極的做法。“大數(shù)據(jù)如同金礦，我們盡力從中淘出金子，然后將其保護(hù)好，這才是我們?cè)撟龅摹?rdquo;王躍武說(shuō)。
京公網(wǎng)安備 11010502049343號(hào)