關于大數據安全與隱私保護的研究

王傳

摘要：隨著通信技術的進步，互聯網和小型移動上網工具的普及，但是從數據安全以及個人隱私保障的層面來看大數據也存在數據泄露的安全隱患，因此需要在技術層面和相關規定的層面平衡來找尋有效的解決方法。本文針對大數據安全與隱私保護做出分析，以便于在網絡飛速發展的環境下最大限度地保障用戶的信息安全和個人隱私不受侵犯。

關鍵詞：數據安全;隱私保護;互聯網

中圖分類號：TP393 文獻標識碼：A

文章編號：1009-3044（2020）15-0069-02

現如今全世界由于互聯網和數據聯網處理的盛行而正式進人大數據時代，隨著大數據時代的來臨人們對于日常產品的篩選以及生活起居日常的內容都成為大數據的研究對象，但是在大數據的盛行之下其實也關乎現今個人隱私的保障，還有大數據核算結果是否存在可信度，數據上傳之后是否存在安全隱患等等，從業人員必須正視數字化時代帶來的一系列問題，通過科學方法來提升數據處理的安全性，保護每個公民的隱私權不受侵犯。

1大數據安全與隱私保護的現況

1.1大數據安全的現況

大數據按照其生命周期分為四個步驟：數據發布、數據存儲、數據發掘以及數據使用。而大數據的安全必須貫徹整個大數據生命周期的每個過程。在大數據的發展中云計算可以算是發展最大的推動力，云計算平臺能夠完成海量數據信息的采集、存儲、訪問以及處理工作，但是要注意的是元存儲平臺上數據的擁有者和管理權限的擁有者并不一定是同一個人，因此采集之后的信息處理也不一定是完全安全的，云存儲平臺本身就可能會找到第三方的偷窺或者篡改，由于這種情況下一般數據已經進入云平臺進行計算核對，因此要針對大數據的安全性提升最好也是在云平臺上實行，比如利用屬性加密的技術或者同態加密的技術、搜索加密以及數據安全證明也同樣對云平臺中存儲的數據由保護的效果。

1.2隱私保護的現況

隨著通訊技術的不斷進步和提升，海量數據的采集、存儲、發布以及分析逐漸成為一件較為容易的事，因此在數據的循環往復中隱私都有可能泄露出去，這就對用戶的個人安全造成極大的威脅，為了有效保護個人隱私不受侵犯，就需要提供相應的數據模型保護方式來保證數據的安全性。根據保護模型的種類差別可以將其分為兩大類：一類是匿名模型的隱私保護數據發布，另一類是基于差分隱私的隱私保護數據發布。

傳統的保護隱私的方式是以匿名模型作為基礎進行的保護措施，一般的使用方法是通過匿名促使被攻擊后隱藏背景并且進行特殊攻擊，但是在實踐中這種保護數據隱私內容的方式量化度較差，使用起來也存在較大的局限性，尤其是海量數據都存在著可能被非法破壞、攻擊以及篡改的情況，用戶的個人信息和隱私都受到威脅，因此針對海量數據相關客戶隱私的保護已經成為互聯網安全領域近年來一直在研究的課題。

2保護大數據安全以及個人隱私的必要性

近幾年來大數據安全隱私的管理以及技術的革新上還存在諸多的不足之處，不論是信息技術、管理規范、相關法律還是員工意識都有待加強，尤其是法律層面的責任劃分并未落到實處，因此在使用相關的平臺時往往就會出現個人隱私遭到泄露的情況，雖然現今不少平臺采取的都是匿名制度，但是這種方式并不能真正的保障用戶的隱私安全，以淘寶購物為例，后臺的員工可以直接通過大數據中獲取的聊天信息以及往期購買訂單來判斷個人的喜好、購買傾向、年齡、性別等個人信息，還可以根據瀏覽器留下的瀏覽記錄進行進一步推測上網地點等等，雖然這些信息看似都是用過即丟的一些小漏洞和小記錄，但是隨著大數據導向性的疊加，只需要有一小部分信息透露，就意味著整個人的個人隱私都會受到威脅。程度輕的可能會受到金融電話或者貸款公司電話的騷擾，程度較重的話可能會直接遭受人身或者財產方面的侵害嘲。

當今的大數據內容的泄露大部分源于內部職工面對利益受其驅使而忘記工作行為規范，因此在提倡大數據管理設備要不斷升級，技術要不斷地進行更新迭代的基礎上，還需要時刻關注使用數據的員工是否正在做合同之外的事，這也是保障網絡用戶個人生活與工作的安全性都有相當重要的作用。

隨著新時代的到來，不論是企業還是個人使用網絡進行工作處理并且發布信息的頻率都在增加，大數據的管理要以信息的傳播途徑為主要突破口才能研究出行之有效的保障數據安全的方法。

3大數據應用中面臨的問題

3.1保護客戶隱私

在大數據的使用過程中，除了個人不同喜好方面的資料，許多涉及個人隱私方面的資料都可能對客戶造成侵害，這時候就需要進行相應的保護措施，一般的大型企業用到的方式都匿名處理，將某些重點或者重要的內容標識隱藏起來，其實這種方式的保護作用幾乎不能發揮什么作用，畢竟在分析數據時還是要將數據抽出，一般客戶在大數據應用的過程中采用的獲取信息的方式都是使用數據剖析式，由此來判斷客戶的狀態和行為，但是這種方式對于客戶個人的安全隱私會帶來極大的威脅。企業在使用數據時，也缺少必要的監管，用戶對于自己的隱私也沒有保存意識，很輕易就會泄露出去。

3.2大數據可信度較低

數據的存在就是我了提供真實的情況以便于他人了解事物真實的進程，以及相關人員真正的心理狀態，但是面對海量大數據是，如果無法對于數據信息進行有效篩選，則會因為一些比較吸引眼球的信息而被吸引了注意力，加之某些大數據中有蓄意偽造信息的情況出現，用戶分析如果不進行完整分析根本察覺不到數據從一開始就是存在誤差，更有甚者直接獲得就是錯誤的數據驗算結果。

在數據傳播的過程中出現誤差是難免的，但是由于大數據的體量比較大，少部分的數據失真可以被略過去，但是如果數據采用的不同版本差異較大的情況下，傳播錯誤數據的內容會持續發酵，從而使整個數據庫數據的可信度都降低。

3.3大數據訪問量產生的問題

大數據在訪問期間主要面臨兩個方面的問題：

首先，是現階段大數據的范圍以及訪問量較大，很多組織、集團或者公司都會將大數據作為未來產品發展的前瞻預算工作依據，但是在訪問大數據管理系統的時候，很多權限是無法被二次區分的，不能進行數據體量的完整了解和使用，從而產生準確性缺失。

其次，由于管理者本身所掌握的大數據數據庫的知識較少，因此無法精準劃分大數據區分的領域，導致部分明了使用者的具體權限。

4關于大數據安全與隱私保護的應用對策

大數據的保護逐漸成為保護客戶隱私的重中之重，在保障客戶隱私時要注意使用合理化、科學化的方式進行數據的采集和存儲，可以從以下幾個方面進行數據安全的保障工作：

4.1匿名保護技術方面

對于大數據的應用中保護個人隱私的方式，可以應用技術的革新來取得期望的效果，現今使用最多的依舊是匿名保護法，雖然保障方法還在不斷地升級優化，但是由于保護手段的繁雜，使得大數據的管理人員不能從某一個方面就完成整體數據的收集，還需要以各種方式進行數據的采集、篩選和歸納。

由于匿名保護模型一直以來都是受到企業認可的綜合性信息收集方式，但是對它的有效性還沒有清晰的分化和界定，由于是匿名收集，其間也可能產生信息收集謬誤，還有填寫者并未按照真實情況填寫的情況出現，也就增加了數據產生誤差概率。因此要在收集數據的過程中采用多種多樣的匿名手機行事，進行多次的數據收集和存儲工作，在所有數據中尋找出現頻率最高的，或者蘊含平均數值的數據，從而在匿名的前提下提升數據的質量，同時優化保護效應，加強了針對大數據的保護力度。

4.2分割點方法方面

網絡大數據的來源是網絡，匿名保護是現在最主要的收集數據的方式以及妥善保障大數據安全的方式，不過在網絡數據的收集環節中不僅僅有文字性數據記錄，更多的還涉及圖片、音頻以及視頻資料的收集，如果僅僅是使用匿名數據保護的措施將不能滿足這部分數據保障安全性的要求，畢竟圖片能夠展示個人樣貌、音頻能夠了解個人聲音特質、視頻能夠核對個人所在地、年齡、性別等等相關的信息，因此在實際的大數據采集過程中就要使用到分割點的方法對圖片處理，一般是以節點分割的方式形成聚焦方案，然后按照基因算法來對于數據進行核算，在實行的過程中要注意保持匿名保護，在保障數據安全的過程中可以使用關系型預測方法，從而有效篩選社交網絡中的銜接增長密度，從而提升聚集系數，以此來提升匿名保護的效率和質量。

4.3數據印發保護技術方面

數據印發保護就是以嵌入式的形式將數據保存起來進行更加安全的應用和處理，這種方法有一定的物理效應支持，在有效保障數據安全的基礎傷害能夠進行無序化數據的處理工作，是處理工作流程中的重要環節，同時為后續工作打下堅實基礎。

4.4加強技術投入

大數據作為新時代科技信息技術的產物，主要依賴的還是科學技術的提升，在數據優化階段就要開發出更多便于身份驗證的技術，之前曾出現過不少的動態密碼和靜態密碼，而現今支付寶和手機也逐漸出現了指紋解鎖以及人臉識別技術在網絡中的應用，從而以客戶個人的特征作為提升整個系統安全性的有效手段，從而保障了大數據中隱私的安全，針對數據安全相關的科研人員在結合社會發展實際的前提下也要注意借鑒相關經驗，以便于做好與時俱進的開發工作。

5結束語

大數據和人工智能領域也進入了迅猛的發展期，海量數據的采集、甄選、儲存、發布和分析變得更加容易，相關平臺可以通過用戶的往期使用記錄來有針對性地進行合理推送，但是數據化的濫用也造成隱私安全被侵害，因此就需要從技術層面去優化環境，加強技術適配應用，從而提升網絡交互的安全性，保障個人隱私不受侵犯。