第一篇：大數據環境下的企業信用法律監管制度

大數據環境下的企業信用法律監管制度

作者：天天論文網 日期：2016-2-3 9:16:21 點擊：0 摘 要:大數據環境下,企業信用呈現體態虛擬化與數字化、影響因素廣平化與縱深化的新特點,而企業信用監管的法律、制度不健全,相關保障措施欠缺。應建立以企業信用基本法為基礎的企業信用監管法律體系,并以中央為主導、地方為特色完善企業信用分類監管制度,提升大數據技術處理能力與企業信用監管水平,注重企業信用法律監管中權益保護的均衡性,做好企業信用法律監管的保障工作。

關鍵詞:大數據;企業信用;法律;監管

計算機技術的發展和云計算技術的興起使得大數據在社會經濟生活中的應用不斷加強與深化。大數據是一個相對比較抽象的概念,單是從字面來看就表示了數據之多之大,但其最主要的內含在于數據的全面性和不可窮盡性。截至目前,學界尚未對大數據形成統一的概念。一般認為,大數據是指數量巨大、類型眾多、結構復雜、有一定聯系的各種數據所構成的數據集合。[1]大數據的主要功能在于可以不斷提升數據的使用價值,實現數據的快速流轉和多樣化的數據處理模式。大數據為企業的經營決策提供了更為全面詳盡的數據支持,為企業的信用信譽建設搭建了新的平臺和快速構建通道。

大數據技術的不斷發展勢必會對企業信用監管體系產生極大的挑戰與沖擊,同時亦會為其發展革新帶來新的機遇,如何更好地迎接挑戰,把握機遇就顯得尤為重要。

一、大數據環境下企業信用新特點(一)信用體態虛擬化與數字化企業信用體系是包括企業信用信息的征集、確立、開發、建設在內的一項復雜的系統工程。大數據背景下,企業各方面信息的收集處理都以數字化進行。企業信用構建的過程中會涉及到政府、社會、其他企業及公民個人,大數據的應用可以將這一系列的內容進行虛擬化的量化處理。各信息源的流入及輸出都在虛擬化的大數據環境下完成,不同的數據之間在數字化的虛擬空間里相互影響彼此作用,從而對企業信用的現實構建起著極為重要的作用。大數據通過對數據進行直接處理的流處理模式和對數據先儲存后處理的批處理模式,對數據進行分析并利用恰當的方式將結果輸送給終端用戶。[2]企業信用狀況以在政府、信用機構等方面的信用數據方式記錄存在且這些數據都是以電子產品為載體虛擬化存在著的。

傳統的企業信用監管業務是在有限范圍內對企業的實體信用數據進行分析、處理,并以此為基礎對企業信用行為進行規制,大數據在使得企業信用虛擬化的同時也為相關法律監管提供了全新視角。

大數據使得企業信用數據來源呈現出多樣化、多層次的特點。大數據是信用數據規模幾何性的擴增,其中包括企業為職工繳納各項保險提供各種福利的數據以及企業從事社會公益活動,落實社會責任的數據。大數據可以收納企業的法人信息、交易習慣、信用記錄、糾紛投訴等一系列與信用相關的數據。這些數據看似分散且單位價值低,但通過運用大數據技術對數據進行交叉處理,提取分析后就會變成直接反映企業信用狀況的直觀表征。對信用數據的收集,傳統上往往以企業主體的財務、人事等靜態數據為基礎,其信息收集的層次較為單一。而大數據環境下,對企業信用信息的涵蓋是包括多個層次的,除了對傳統的靜態信息進行收集處理,還重視對交易習慣、行為特征等動態數據的規整運用,從而對企業信用體系的構建及信用狀況的分析把握得更為準確穩定。

(二)信用影響因素的廣平化與縱深化傳統數據模式下,企業信用狀況影響因素主要源于企業內部和企業外部兩個方面:一方面源于企業自身的經營管理情況,包括企業內部財務會計處理、產品質量、社會責任的履行等對企業信用的影響;另一方面則源于企業外部的政府、金融機構、社會組織等對企業信用的監管、評級與記錄。通過對企業內外部信用行為及評價進行定性化處理,形成有關部門對企業信用進行法律監管的基礎和依據。在大數據環境下,企業信用的影響因素在傳統基礎上向著更廣范圍更深層次發展,影響企業信用的某一細小方面和小微數據通過不斷地發散推廣并進行數據的提煉處理而使得原有數據價值和作用被無限放大,形成規模集聚效應。

大數據環境下的企業信用是一種“數字化信用”①。具體而言,數字化信用基于數學算法,取得參與者的認可,將所有的參與者聯系起來,其信用由全體參與者構成。[3]這時任何一個社會個體都可能成為企業信用的全體參與者之一,企業存在的基礎是為社會提供商品或服務,在全球化環境下企業的產品可能會被延伸至世界的任何一個角落,該產品的受用者會對企業的產品做出自己的評價。當然,并非所有的評價都會進入數字化的處理程序,只有在借助計算機互聯網技術將評價進行廣平化分享傳遞的情況下才會形成企業信用數據的大數據源并構成企業的“數字化信用”的組成部分。

企業信用的影響因素在大數據作用下呈現出明顯的廣平化與縱深化的特點,對企業信用的法律監管亦應重視該特點,在監管的過程中注重對信用數據收集的廣面覆蓋與重點把握。

二、大數據環境下企業信用法律監管面臨的新挑戰(一)企業信用監管的法律、制度不健全1.相關法律規制不健全在法律方面,對企業信用的調控主要通過合同法、商標法、專利法、民法通則、反不正當競爭法等有關法律法規予以調整,刑法方面也有關于誠信的法律規定以及對違反誠信的刑罰制裁。通過一系列法律法規的規制對不誠信行為予以懲處,使企業的違法成本高于失信所獲得的收益,從而以功利主義的角度對企業信用進行法律監管。但這些立法的目的都是為了規范一定的社會秩序和調整一定的社會行為,在司法實踐中,對于企業守信行為的法律適用往往呈現出一種針對同一行為適用不同法律的混亂現象,不利于對企業信用進行針對性的監管。尤其是對大數據環境下企業信用全員參與的“信用數字化”方面的法律規范尚不全面,不能完全適應企業信用虛擬化和影響因素廣平化、縱深化的新特點。另外,法律本身就具有滯后性,再加上現代科學技術發展的快速性,使得現存的一些實體法難以正確合理地適用于大數據環境下的企業信用監管。但現代法治的基本理念是不允許當事人通過法律行為而規避實體法的適用,即使不合理的法律也只能透過立法程序而予以改進。[4]這就要求進一步完善大數據環境下企業信用監管的法律制度建設,使得監管行為符合實體法的要求。

2.制度分類不完善在企業信用監管制度方面,有關分類監管制度也尚不成熟。各管理部門都出臺了有關信用監管的文件,以期實現對信用的分類監管。早在2003年,國家工商總局和國家稅務總局就分別出臺了《國家工商行政管理總局關于對企業實行信用分類監管的意見》和《納稅信用等級評定管理試行辦法》,同時,央行及勞動保障部門也開始進行征信活動以及企業信用等級評定。而由于部門間信息化建設、技術水平差異等原因,會出現數據共享滯后、信息融合度不高等問題。[5]雖然有關企業信用監管制度的文件早在十多年前就已出臺,且隨著時間的發展不斷修改更新完善,但這些都與大數據下企業信用監管的實踐差距較大。現有監管制度缺乏大數據環境下個人信用與企業信用之間的融合。很長一段時間以來,企業因為經營問題、管理問題以及不可抗因素導致企業資不抵債,此情形下,企業所有者攜款潛逃的事時有發生,企業主個人的諸如作風問題、責任意識等因素對企業成敗具有較大的影響。可以說,在企業的生產經營過程中,企業主的個人信用與企業整體信用是密不可分的。同時,作為企業產品使用者的用戶能否對企業產品做出客觀真實的評價,消費個人的信用行為也是與企業總體的信用息息相關的。然而,目前企業主的個人信用數據和消費者個人的信用數據與企業的信用數據是脫軌的,而且企業信用數據更新相對比較滯后,這都不利于有效的企業信用監管防范機制的建立。

(二)大數據環境下企業信用法律監管的相關保障措施欠缺1.企業信用法律監管技術和水平急需提高大數據給企業信用建設提供了新的發展渠道,與此同時也對企業信用的法律監管技術和水平提出了新的要求。當前,我國的信用監管水平不足以適應大數據環境下對企業信用進行有效規制的需要,大數據技術發展的迅猛性和不確定性也給有關監管部門提出了技術性的難題,除了監管法律制度不能適應大數據環境下企業信用監管新規律外,監管人員的知識和技術尤其是應對大數據的技術和能力還比較欠缺。在市場經濟條件下,由于企業的趨利性,一些企業為了謀取非法利益會利用大數據下技術及法律監管漏洞擾亂市場監管秩序。尤其是在全球化下,人口流動量極大,市場經濟交易具有極大的不確定性,經貿行為更多是發生在陌生人之間。“一般來說,處于陌生環境的個人對他人以及周圍環境都無法產生一種切身的責任感和道義感,這就使他或她更易于從事一些在家鄉或熟悉的環境中所不為的行為”。[6]在陌生交易環境下人們自律性極大降低的同時,再加上大數據技術所提供的虛擬性、隱匿性,個人及企業的信用行為監管更需要通過相應的技術手段予以加強。

2.監管過程中的信息安全與隱私保護意識需要加強大數據環境下信息量快速增加,信息規模急速膨脹。由于數據量大,在對各種數據進行集中處理的過程中容易發生數據遺漏,同時也容易出現數據的泄漏。大數據環境下,對企業信用的法律監管更是包涵了傳統信用監管與大數據的雙重特性,在監管的過程中如何保證數據的安全性、完整性以確保監管準確高效的進行是監管工作者應該重視的。同時,為了監管而收集的企業各種數據不可避免地會涉及到企業商業秘密及其他數據相關者的個人隱私。傳統模式下,更多的監管是通過實體的定性化規制實現的,這是不能滿足于大數據下信用監管的數字化特點需要的。適應大數據新時代的要求,強化對信息、隱私安全的保護意識才能順利推進對企業信用的有效監管。

三、構建全方位、立體化的法律監管(一)建立以企業信用基本法為基礎的企業信用監管法律體系大數據環境下,企業信用監管呈現出新的特點,需要更為細致完備的法律去對監管的各個環節進行規制,從而實現新環境下監管工作有法可依的狀態。完善的法律監管模式應在包括消費信用、工商信用以及信貸等有關信用交易體系內形成全方位的、嚴密的監管法律。信用交易可以極大地便捷市場交易行為及夸大市場交易規模,有效地適應全球化貿易的需要。良性高效運行的信用交易必須形成于國家信用管理制度之上,而要形成健全的國家信用監管體系就必須健全信用監管的法律,完善立法。

在很大程度上,企業主個人的信用行為會影響企業信用,所以,立法應該將企業主的個人行為納入企業信用監管體系內,對其進行并列監管并以個人信用行為為限對企業信用違法行為承擔連帶責任。

大數據環境下,國家最高權力機關更應加快制定規范企業主體信用行為,調整各個信用主體間權利義務關系的信用基本法。通過立法對相關主體的權利義務予以明確,為信用數據的收集、處理以及各主體信用行為的獎懲評判提供法律依據,在信用數據的來源、存儲、使用的過程中實現全方位、立體化的監管。同時,應當在結合本國實際的前提下積極借鑒歐美等信用法制發達國家的有關立法經驗,制定出可行性強、有效性高的本國信用監管法律。企業信用的相關者眾多且各相關者所提供的有關該企業信用的數據是對企業進行信用監管的重要數據依據。信用表現為對民事主體經濟信賴的社會評價,信用的客觀表現是一種評價,這種評價是社會公眾的評價,而不是當事人的自我經濟評價;這種評價是對特定主體經濟信賴的客觀評價,它可能是但不一定是肯定性的社會評價。[7]在企業信用監管立法過程中要堅決貫徹誠實信用原則,誠實信用被奉為民法的基本原則,有“君臨法域”的效力。

我國《民法通則》《合同法》中都明確規定了誠實信用原則是市場經濟主體進行交易訂立合同的基本原則,這就可以明確該原則同時也應成為建立企業信用基本法的基本原則。

(二)以中央為主導、地方為特色完善企業信用分類監管制度在完善企業信用監管法律的基礎上,要在日常監管工作中實現對主體信用監管的法制化、常態化,就必須在中央政府的主導下形成全國性的、部門性的及地方性的可執行性強的企業信用監管制度,以彰顯企業信用法律監管的實效。如將企業投招標等生產經營行為與企業信用記錄結合,對信用數據記錄不良的企業市場行為進行必要的限制;將企業失信數據進行累加并明確對失信企業的整改措施等。各地在中央的統一部署下應結合本地域特點完善地方信用監管機制,可根據本地的經濟發展水平制定出地方性的企業信用激勵機制,對信用良好、誠信度高的企業在制度允許的范圍內予以稅收優惠、財政補貼等傾斜;同時,應積極建立企業信用不良記錄黑名單制度,對信用不良企業予以懲處并曝光,在全社會范圍內營造守信獲益、失信受損的氛圍,以進一步激勵企業乃至個人珍視信用,誠實守信。

對 企業信用分類監管制度進行完善,首先要充分利用大數據的優勢,完善企業主體信用數據信息。當前,金融機構對個人信用信息的構建是比較完善的,在對企業信用信息的完善過程中可利用金融機構所具有的個人信用信息,對企業主、企業負責人、法定代表人、股東等與企業信用密切相關的個人信息進行收集融合。其次,在信用監管的過程中應對監管等級進行分類細化。對企業信用等級可采取平級制方法,分別設立A、B、C不同的信用等級,對企業信用進行量化管理,激發企業自主地進行誠信建設。

四、做好大數據環境下企業信用法律監管的保障工作(一)提升大數據技術處理能力與企業信用監管水平大數據環境下,要實現海量數據的有效整合,挖掘數據信息提升信息價值,就必須進行多種技術的協同。數據挖掘與收集、處理及分析是大數據下企業信用數據處理的主要過程,對數據進行挖掘、存儲、使用時必然會涉及引擎搜索技術、云計算處理技術以及數據庫技術等一系列的高新技術。所以,在大數據環境下要對企業信用進行高效監管,必須增強學習意識和技術觀念,提高自身技能,才能對不法企業運用大數據技術擾亂信用監管秩序的行為進行有效監管,實現有的放矢,堵住不法企業鉆技術漏洞的空子。同時,監管過程中還應提升根據現有數據對企業未來信用行為的預測能力,實現對企業信用動態的準確把握,防范于未然,將不法行為扼殺于萌芽狀態,引導企業向著健康的方向發展。__在貿易全球化背景下,針對交易過程中一次性博弈現狀和大數據下交易行為虛擬性、隱匿性的特點,應建立個人及企業信用跟蹤機制,完善信用體系建設,實現信用數據信息的跨行業、跨區域乃至跨國界的共享。交易過程中主體雙方信用信息的透明共享可以有效震懾一次性交易中的不誠信心理,有效防止欺詐行為的發生,同時也可為監管部門在信用監管工作中實行區別監管、重點監督提供有效依據。

(二)注重大數據環境下企業信用法律監管中權益保護的均衡性首先,要實現監管與發展之間的均衡。大數據環境下,由于信息影響的廣平化與縱深化特點,對企業信用的監管有可能會影響到企業生產經營活動中的冒險意識和創新積極性。若對企業信用監管過度可能會影響企業創造力的激發,不利于市場經濟條件下企業競爭力的迸發。對企業信用進行監管,要重視對大數據環境下信用數據隱匿性的運用,在虛擬化中對企業進行監管督促,實現監管于無形,不影響企業實體經濟的發展。

其次,要實現信息歸集與主體權益保護的均衡。大數據下要實現對企業信用的有效監管,就必須要全方位地對企業信息進行收集,在這一過程中對企業主體商業秘密和有關個人隱私的涉及是不可避免的。有關商業秘密和個人隱私是受法律保護的重要權益,在對企業信用監管過程中要重視數據收集處理與使用的程序及實體的合法性,規范信用監管行為。在賦予監管者權力的同時,要明確監管義務和違法行使權利力的法律責任,實現權力與義務、職權與職責的統一。另一方面,要保障被征信主體的合法權利并制定有效的法律救濟措施,使其能在被監管的同時對監管行為進行監督,確保其合法權益的維護。

最后,要實現信用信息共享與信息安全保護之間的均衡。信息共享是實現大數據下對企業信用進行高效監管的基礎,信息共享過程中的信息公開是各主體獲取他主體信息數據的主要途徑。計算機技術和數據挖掘技術的不斷發展為不同主體間進行信息共享提供了便利方式,但數據開放性和技術安全性問題也為信息安全問題埋下隱患。有大數據環境下,如果對信息共享問題不加以法律監管及限制,企業及個人零散于各信息機構、電信或中介等部門的信息數據極易經由不法渠道被分享,并為不法分子所利用,進而從事推銷甚至詐騙等一系列違法行為。大數據環境下,經匯總處理的信息數據甚至涉及到信息主體的各種隱私信息及法律保護的涉密信息,將非共享信息納入共享平臺可能會嚴重影響信息主體的實體社會經濟活動,這也正是以互聯網為依托的“人肉搜索”的可怕性之所在。

總之,在大數據環境下,企業信用信息安全保護面臨著制度滯后與技術更新快速兩大難題。信息共享下,企業信息安全保護需要在革新制度的同時改進技術保障措施,要明確可共享與不可共享信息的界線及可共享的范圍,保證監管過程中的信息流向,技術上要不斷研究并及時更新信息共享安全系統,對信息在收集、處理、使用、銷毀的流程中進行全面的安全防護,防止信息外泄。充分利用大數據的優點,謹慎把握控制其可能帶來的不利影響,在構建企業信用共享平臺、對企業信用進行法律監管的過程中完善相關的法律法規,同時,對企業信息安全進行保護,提升大數據環境下企業信用法律監管的成效。

參考文獻: [1]涂子沛.大數據革命歷史現實與未來[M].北京:中信出版社,2014:85-86.[2]章紅,郝嶸,關偉.大數據時代征信業發展思考與建議[J].福建金融,2014(2):36-39.[3]陳娟娟,侯娟.互聯網金融背景下“數字化信用”與“傳統信用”的交鋒———第三方支付平臺安全問題的新視角[J].海南金融,2014(7):24-28.[4]江平,周小明.論中國的信托立法[J].中國法學,1994(6):53-59.[5]童軍輝.強化信用監管推進商事制度改革———兼論基于“大數據”背景的企業誠信制度構建[J].中國工商管理研究,2015(3):58-60.[6]蘇力.法治及其本土資源[M].修訂版.北京:中國政法大學出版社,2004:118.[7]吳漢東.論信用權[J].法學,2001(1):41-48.__

第二篇：大數據環境下初中信息技術教學淺議

大數據環境下初中信息技術教學淺議

【摘 要】作為社會最前沿的技術，信息技術在時代進步過程中不斷發展。培養學生對信息技術的興趣和意識，讓學生掌握處理信息的基本技能，是初中信息技術課的主要目標。那么教學實踐中如何踐行這一目標呢？筆者通過本文簡談之。

【關鍵詞】初中；信息技術；教育教學

信息技術由于具有較強的實用性和實踐性，已經被納入到中學素質教育中，并以培養學生計算機知識應用能力為主要目標。隨著大數據時代的到來，中學信息技術教學既獲得了機遇又需面對挑戰，而怎樣在機遇和挑戰中提升教學有效性、改善教學現狀，成為每個中學信息技術教師需要思考的問題。那么如何實施信息技術的教學呢？

一、注重培養學生的信息素養

在信息化社會的今天，信息素養已成為科學素養的重要構成部分。迅速地篩選和獲取信息、準確地鑒別信息、創造性地加工和處理信息，將是所有社會成員應具備的、如同“讀、寫、算”一樣重要的，終生有用的基礎能力之一。對于21世紀的學生來講，我們應努力培養他們基本的“信息素養”。

1.獲取信息的能力。能夠根據自己的學習要求，主動地、有目的地去發現信息，并能通過各種媒體，如互聯網、書籍、報紙、電視等，或者自己親自調查、參觀等，收集到所需要的信息。

2.分析信息的能力。能夠將豐富的獲取到的信息進行篩選鑒別自己所需要的信息，判斷它的可信度，然后對認為真實有用的信息進行分類。

3.加工信息的能力。將不同渠道獲取的同一類信息進行綜合，結合自己原有的知識，重新整理組織、存儲，并能夠簡潔明了地傳遞給他人。

4.利用信息的能力。利用所掌握的信息，使用信息技術或其他手段，分析、解決生活和學習中的各種實際問題。

我們要充分利用學校教學的優勢，通過各種形式的教育，使學生將上述信息的獲取、分析、加工、利用等能力，內化為自身的思維習慣和行為方式。而在所有形式的教育中，創設一個在實際生活學習中使用信息技術解決問題的學習環境，是培養學生“信息素養”的關鍵。

二、注重學習興趣的培養

教育家蘇姆林斯基曾說過：“學習興趣是學習活動的重要動力。”學習興趣是學生基于自己的學習需要而表現出來的一種認識傾向，它在學生的學習中具有重要的作用。開始學習信息技術課時學生往往懷著好奇、興奮的心理，但隨著學習內容的深入，有的內容需要機械重復地訓練，有的內容枯燥無味難度大，這樣學生的學習熱情就會慢慢降下來。根據建構意義新的學習理論，教師應由知識的傳授者、灌輸者轉變為學生主動建構意義的幫助者、促進者，要充分激發學生的學習興趣，幫助他們形成正確的學習動機。因此，教師要采取靈活多樣的教學方式，激發學生的學習興趣和主動探索的愿望。

三、培養學生的創新意識和創新能力

當今世界正在進入知識經濟時代，知識的不斷創新，高科技的迅速產業化，使得經濟持續增長。而在這一時代，起核心作用的是知識創新，它是技術創新的基礎，是技術進步和經濟增長的革命性力量。因此二十一世紀需要的是有創新意識、具有創新精神和創新能力的人才。這就要求教育者，在教育過程中注重開發學生的創造潛力，鼓勵啟發學生主動思考，善于思考，學會獨立思考，突出創新意識的培?B，強調創新能力的提高。

培養學生的創新意識和創新能力，首先要為學生創造盡可能多的環境和機會，給學生留有更多的思維空間，不須面面俱到，包辦學生所做的一切。只有在自主學習的環境里，學生才有可能發揮創造性，體驗創新的樂趣。例如：在講WORD圖文混排時，需要用到繪圖工具欄，我只是把工具欄上重點工具，如陰影、三維效果、填充、自選圖形等提示了一下，具體的操作留給學生自己完成。學生們憑著他們敏銳的觀察，豐富的想象，做出了一幅幅好的作品。后來我對幾副想象力豐富的作品給予了表揚，課堂氣氛達到了高潮。在親自實踐的過程中，他們的創新意識和創新能力得到了充分的體現。

四、注重與其他學科的整合

信息技術課程的目的之一就是培養學生獲取信息、處理信息的能力，而相應的信息應是與中小學生各科的學習內容相關的知識，這就產生了信息技術課程如何與其他學科課程整合的問題。課程整合是指用不同課程的素材和能力整合在一起，使學習的目標處于一個具體的，現實的情況，要求用到多種知識和能力。現代教育引入了以計算機為主的信息技術教學手段，提出了以超媒體方式組織教學信息的思想，這就為信息技術課程與其它學科課程的整合提供了理論基礎和技術手段。

將中小學信息技術課程與其他課程整合，就是以其他學科知識的學習作為載體，把信息技術課程作為工具和手段滲透到其他學科的教學中去，從而在學習信息技術課程的同時，又能培養學生解決其他學科問題的綜合能力。結合初一語文教學，我校采用的“計算機與語文識字教學整合”就是一個比較成功的例子。它主要是利用多媒體識字教學軟件，讓學生觀看生字的筆畫、筆順、部首、間架結構、正確讀音和漢字編碼，同時跟隨教學軟件進行聽、說、讀、寫、打（打字）的訓練，通過人機交互進行自我學習、自我檢查和自我提高。

五、注重青少年信息道德的培養

在信息技術蓬勃發展之際，人們往往只看到了它所帶來的巨大利益，而忽視了信息技術中某些不利因素給青少年成長造成的干擾和不良影響。例如：在互聯網上除了大量豐富的學科知識外，也有許多不健康的內容，有時還有計算機犯罪，計算機病毒肆虐等，而這些正是信息技術教育中容易忽略的問題。因此在學習網絡這一章時，我不僅要講解因特網的優秀之處，而且不斷向學生滲透思想品德教育，培養學生健康的信息意識和信息倫理道德。

六、總結

隨著信息社會的發展，教育信息化的實現，對教育既是機遇又是挑戰，從培養模式上提出了更高的要求。在培養目標上，要求德智體美全面發展，具有高度創新能力和使用信息化手段能力；在培養內容上，教育需要對課程結構和教學內容進行改革。主要側重在使學生掌握學習的方法，使每一個受教育者都具有自我獲取知識和更新知識的能力；在培養方法上，教育需要更新觀念，要尋求新的模式和傳播手段，以適應終身教育，全民教育的需要。

第三篇：大數據環境下網絡輿情管理方法研究

大數據環境下網絡輿情管理方法研究

摘 要：隨著互聯網技術的快速發展及其廣泛的應用，網絡輿論信息的產生體量、傳播速度和影響范圍等方面都發生了巨大變化。這些變化要求輿情管理工作者在輿情管理理念、管理方法等方面必須與時俱進。大數據既是一種新技術，也是一種新方法，它側重于信息挖掘和預測。將大數據運用到網絡輿情管理工作之中，必將對輿情管理產生重要作用。在大數據環境下，網絡輿情的管理方法也必將發生變革與創新。探討大數據環境下網絡輿情分析方法，以大數據為背景和前提創新網絡輿情管理方法，總結大數據下輿情管理理念、視角、方式和方法等方面的變革與創新的思路，具有重要意義。

關鍵詞：網絡輿情；大數據；管理方法；變革與創新

DOI：10.15938/j.cnki.iper.2017.01.025

中圖分類號： G641文獻標識碼：A文章編號：1672-9749（2017）01-0124-06

據《第37次中國互聯網絡發展狀況統計報告》（由中國互聯網絡信息中心（簡稱：CNNIC）在2016年1月發布）顯示，截至2015年12月，中國網民規模達6.88億，全年新增網民3951萬人。互聯網普及率為50.3%，中國手機網民規模達6.20億，手機上網使用率為90.1%[1]。隨著移動互聯網（Mobile Internet）、社交網絡（Social Networking）、電子商務（Electronic Commerce）等的迅速發展，互聯網的邊界和應用范圍有了極大擴展，各種信息和數據極具增多，并正在迅速膨脹變大。

網民們經常通過互聯網表達意愿、觀點，討論各種話題，以表達自己的思想觀點和訴求。互聯網既是一個收納器，聚集網民思想動態表達、文化和社會生活信息；又是一個擴音器，傳播大眾的社會輿論。在社交媒體時代，人們通過互聯網平臺表達社情民意，體現自己的意愿、態度和評論觀點。輿情作為社會輿論的一個風向標，開展輿情分析主要是針對民眾態度、觀點的收集整理，分析出民眾相關的意見傾向，客觀體現輿情動態。

作為世界上網民數量最多、互聯網訪問量最大的國家，有效地分析網絡輿情，對于政府，媒體、大型企事業單位都有著非常重要的意義。從政府的角度，有效的輿情管理有利于政府了解公眾態度和訴求，有助于提升政府的政務管理和構建良好的社會和網絡環境；從企業的角度，有效的輿情管理有利于企業掌握用戶和大眾對產品質量、產品功能與服務的評價及客戶特征信息，更好地提供個性化產品與服務，實現利潤增長，更有利于企業了解用戶和大眾對企業社會形象的反饋和認知，提升企業品牌知名度和社會聲譽；從媒體的角度，有效的輿情管理能夠突破傳統信息搜集和發布渠道，更能夠通過對公眾輿論深入分析，提升新聞效果，實現新聞價值增值。因此，社會各界都非常重視網絡輿情分析，并不斷創新輿情的分析和管理的方式和方法，都是想最大化輿情的價值。

一、大數據及網絡輿情的相關定義及特點

1.大數據的定義及特點

隨著人們對大數據的研究和理解的不斷深入，大數據已不僅僅是一個技術方面的名詞了。而今，大數據相關的理論無論從內涵還是外延上，都在不斷豐富和充實。關于大數據的定義，不同的機構和學者從不同的角度給出略有差異的定義：如高德納咨詢公司（2013）提出，大數據是指具有更強的洞察力和流程優化能力的海量、多樣化的信息[2]。維基百科對大數據的定義是“一個超大的、難以用現有常規的數據庫管理技術和工具處理的數據集”。Gartner對大數據的定義：“大數據是需要新處理模式才能具有更強的決策力、洞察發現力和流程優化能力的海量高增長率和多樣化的信息資產” [3]。

IDC市場研究公司2012年提出，“大數據”是為了從大容量的、不同類型的數據中獲取有價值的信息而設計的新型架構和技術[2]，并對大數據的采用三步法進行了界定，如圖1所示。首先，從數據源場景方面，可以有三種情況，或者說需要具備三種情況至少滿足一種，即大數據的容量大于等于100TB或數據源于超高速的數據流（Data Streaming），或數據產生的年增速大于60%；其次，必須部署在可動態適應的基礎設施（dynamically adaptable infrastructure）上。這里的基礎設施既可以是傳統的scale-up架構，也可以是水平擴展架構（scale-out infrastructure）；最后，必須有兩個以上的數據源或數據格式，或者高速流數據源（如點擊流或機器產生的數據流）。有了以上三個步驟的界定，才可以形成大數據。IDC指出“大數據技?g描述了一種新一代技術和架構，以非常經濟的方式，以高速的捕獲、發現和分析技術，從各種超大規模的數據中提取價值” [2]。

盡管對大數據的定義角度各有不同，但大數據的核心本質和特征的表述和定義相對比較統一，均認為大數據與傳統意義數據具有本質區別。較傳統數據相比，在數據基礎上，大數據更傾向于全體數據而非抽樣；在分析方法上，更強調相關分析而非因果分析；在分析效果上，追求的是效率而非絕對精確和在數據規模上強調相對數據而不是絕對數據。

在數據和信息的規模/體量方面、在內容形式和數據結構方面具有復雜性/變化頻度多樣、在產生速度方面及價值密度等四個方面都極大地超越了傳統的數據形態，具有4V特征：

第一，數據規模大（Volume）

第二，數據種類多樣（Variety）

第三，數據處理速度快（Velocity）

第四，數據價值密度高（Value）

如圖2所示：大數據的4V特征。

具體而言，一是數據規模大（Volume）：從容量角度，大數據具有數據容量大，“容量”或“體量”，從 TB→PB→EB級，每級都是按照進率1024（2的十次方）計算，這足以說明大數據規模之龐大。二是數據種類多樣（Variety）：結構化數據、非結構化數據以及半結構化數據，Web數據、文字、語音音頻數據、圖片圖像數據、視頻數據、模擬信號等數據都體現了數據的多樣性。三是速數據處理速度快（Velocity）：對數據訪問、處理、交付等速度的要求快，而且數據產生速度也非常之快；四是價值（Value）：大數據的核心價值在于資源優化配置，通過搜集海量數據，進而展開全量數據挖掘，分析數據背后的相關性，開展預測分析，獲得數據的應用價值。

這些特性使得大數據與傳統數據區別開來，強調了大數據是具有結構松散性、形式復雜性和有利用價值的數據信息資源[3]。

2.網絡輿情的定義與特點

“輿情（Public Opinion）”翻譯為“民眾或公眾的意愿、意見或觀點”。根據百度百科：輿情是“輿論情況”的簡稱，是指在一定的社會空間內，圍繞中介性社會事件的發生、發展和變化，作為主體的民眾?ψ魑?客體的社會管理者、企業、個人及其他各類組織及其政治、社會、道德等方面的取向產生和持有的社會態度。它是較多群眾關于社會中各種現象、問題所表達的信念、態度、意見和情緒等等表現的總和。

有學者從社會學視域考察輿情的定義，認為輿情是指社會各階層民眾對社會現象或事件所持有的情緒、態度、觀點、看法、意見和行為傾向等[4]。網絡輿情則是社會總體輿情的一個組成部分，是以網絡為載體存在，以網絡傳播方式匯聚、形成和表達的輿情，是在互聯網上的民眾情緒、態度和意見匯聚的總和[5]。

網絡輿情的信息來源主要有：網絡新聞（如：搜狐、新浪、人民網，或以RSS為基礎聚合類新聞，如頭條等），論壇貼吧（如：BBS，百度貼吧，天涯，西祠胡同等），新聞評論，社會化媒體社交網絡（即時通訊工具：如：聊天室、QQ、微信、微博、博客等），搜索引擎（如：百度，google等），網絡發起線上活動、網絡調查、電子郵件等。

通常我們把網絡輿情的基本特征概括為自由性與可控性、互動性與即時性、豐富性與多樣性、隱匿性與外顯性、情緒化與非理性、個體化與群體極化性[6]。如圖3所示：網絡輿情的特征

3.大數據是網絡輿情管理的有效方式之一

大數據的目的在于發現新的知識與洞察并進行科學決策。大數據與網絡輿情具有非常相似的特征。從這點上可見，利用大數據的手段管理網絡輿情是網絡輿情管理的有效方式之一。首先，大數據能夠全方位記錄民意，完整展現社會輿情，大數據體量巨大，從TB級到PB乃至ZB級別，能夠完全、完整的記錄社會民眾的社情民意；其次，大數據的特點是挖掘數據背后的相關聯性，因此，大數據能精準體現輿情背后的事件、相關人員以及讀者等要素內在邏輯和社會關聯；最后，大數據具有很強的預測能力，通過分析事件的讀者特征（群體肖像刻畫）、被關注程度/熱度、傳播速度、傳播范圍、發展趨勢、影響程度和網民情緒變化等，也可以針對某個觀點的深度研究，從而預測輿情走向，幫助決策者進行決策和判斷。因此，大數據技術為網絡輿情的預測提供了重要的技術、理論支撐和保證，也成為輿情研究關鍵技術的支撐和核心概念。

二、基于大數據技術網絡輿情管理的一般步驟與方法

網絡輿情的管理模型主要分為：信息采集、信息預處理、輿情分析、輿情報告四個步驟。如圖4所示：大數據管理模塊及流程示意。

1.信息采集

信息采集當前常用方式是網絡爬蟲技術。在網絡爬蟲的爬行策略中，應用最為基礎的是深度優先遍歷策略、廣度優先遍歷策略。對于信息抓取過程，要求信息抓取的覆蓋范圍要全面。高速發展的信息高速路使得網絡信息數據容量不斷增大、信息和數據的類型更加豐富和復雜、網頁數量不斷增多，這對輿情信息抓取的效率和全面性提出了更高的要求。

大數據網絡輿情信息搜集改變了傳統網絡輿情信息的搜索采集方式，采用定向站點信息抓取輔以全面的實時監控、聚合內容（RSS）、社交網站信息搜集和摘要搜集等搜集技術，與傳統人工監測采集相結合的方式進行，抓取效率和覆蓋范圍都有突破性進展。

數據監測要全面和實時，要做到精細采集信息數據。筆者整理了較為常用的監測范圍和基本監測指標，如表1所示。

2.信息處理

信息處理主要包括數據清洗（Data Cleaning）、信息提取、文本分類等。信息處理的主要任務是將采集的各種信息轉化成格式化文本存入數據庫。

網絡輿情在大數據環境中流動和變化速度非常快，因此，在信息處理部分，要求信息處理的時效性。

3.輿情挖掘與分析

大數據分析就是對海量數據進行分析、梳理和加工，獲得具有價值的產品（Product）和服務（Service）或深刻洞見（Insight）的數據及處理方法。數據分析的主要技術手段是采用數據挖掘（Data Mining），數據挖掘又稱數據庫中的知識發現，即從數據庫的大量數據中揭示出隱含的、前所未有的并具有潛在價值的信息的價值聚合、提煉的過程[7]。

輿情分析的技術方法主要有文本分類、聚類分析（不預先設定數據歸類類目，完全根據數據本身性質將數據聚合成不同類別）、熱點發現（利用關鍵詞過濾、語義分析、數值統計識別熱點和敏感話題）、話題識別、主題檢測與跟蹤、觀點/文本傾向性識別和分析（對文章的觀點進行傾向性分析和統計，識別正負面信息）、自動摘要等計算技術挖掘網絡文本內容蘊含的各種觀點（Opinion）、喜好（Preference）、態度（Attitude）、情感（Emotion）等，也可以明確網絡傳播者的意圖和傾向，以及影響程度、影響范圍和發展趨勢。

當前一些實驗室、研究機構等依據大數據分析的方法和實際的工作相結合，開發和建立了以下輿情專屬的分析模型和方法。如：人民網推出的“輿論共識度”指數將為中國網絡輿論場的研究和社會輿論的理性引導提供新的觀察視角和決策依據。它把網絡用戶分為媒體、網民和意見領袖三大群體，通過對不同群體的輿論分析，對每月前十或前100的社會熱點問題進行評估，形成“輿論共識度”，進而對用戶對輿論話題的共識程度進行評價。

互聯網與國家治理研究中心、中山大學大數據傳播實驗室設計的“網民認知模型”，通過透析網民對不同事件的情緒變化、態度偏向等，評測用戶“正負能量”，分別從“網民情緒指數”“網民理性指數”和“網民態度指數”三個維度來評價具體熱點事件當中網絡輿論場的“網民正能量指數”，對輿情分析和研判也非常有幫助。

還有機構建立的熱度評估指數，通過話題在傳統媒體報道量、網絡媒體報道量、微博量、論壇帖文量、博客文章量，轉發數量、用戶跟貼數量、評論數量、被關注數量、傳播的速度和范圍、關注的用戶形態特征等相關數據，之后加權各項指標，得到每個熱度事件或話題的綜合熱度指數。

更有一些專項深入分析，如針對傳播源頭的分析、傳播渠道的分析、意見領袖的分析、傳播主體挖掘分析或針對隱性數據（網絡日志）的分析。

也有專家學者提出，輿情分析需要是一個綜合分析模式，以大數據的方式為重點，同時要結合專項話?}市場調研、綜合民意調查（定性與定量）、軟件與人工、分析師與專家會商等方式相結合的方法來分析。

4.輿情報告

輿情分析的結果需要以報告的方式呈現，并將分析報告反饋或發布，為用戶、管理者和決策者提供依據。

輿情報告要求輿情分析數據要真實可靠，分析方法要恰當準確，描述要符合客觀事實，結論要簡明扼要、通俗易懂。輿情報告中恰當采用示意圖、圖表、列表等展示形式，可以更形象、清晰、直觀，并且更邏輯地展示輿情事件的發生、發展和變化，輿情的發展態勢等。針對不同的表達目的可以選用不同的圖表或圖示方式，如：描述事件發展趨勢可用折線圖表示、展示用戶立場或觀點的比例可用餅狀圖、體現熱點人群的分布可以用散點分布圖、表示頻率分布可以用網狀圖或柱狀圖、說明事態發展變化可以用流程圖、用戶之前或背后的人際關系可以用網狀關系圖等。豐富的圖表工具可以更形象、生動的表述輿情的現狀、發展和變化。

三、大數據環境下輿情管理模式變革與管理方法創新

雖然，目前對大數據研究越來越熱，國內諸多大的互聯網公司、各行業內的企業及科研機構都投入了巨大的人力、物力開展大數據及大數據下輿情研究，但在我國大數據研究依然處于探索階段，在很多方面還只是停留在理論或對未來的暢想階段。例如：在技術方面，目前常見的輿情監測工作的主要手段仍以人工檢索為主，盡管也使用了市面相對成熟的相關搜索軟件進行輔助搜索，但搜索輿情的技術仍采用傳統的二維搜索方式，即主題關鍵詞和網絡平臺二維坐標，由輿情管理的工作人員對采集的信息進行二次加工成輿情產品。而且搜索的輿情信息結果多為一級文本信息，對于深層次的多級輿情信息，如新聞、微博后的評論，網民的社會關系，網民針對某一事件評論反映出的情緒變化等數據無法深度挖掘，仍靠人工采集和分析判斷。受制于輿情分析人員的知識水平和價值判斷的不同，極有可能導致有價值的輿情信息丟失，無法準確及時預測輿情走勢，大大降低了輿情監測工作的效率、準確性。

隨著互聯網的發展、自媒體的興起，網絡、通信技術在人們信息領域深入運用，發布者在人口統計學方面的特征、發布的載體、發布的形式、傳播渠道、信息的數量和形式等有了全新的變化，這對輿情的管理提出了更高的要求，要求變革網絡輿情管理方式以適應大數據時代的新形勢。因此，輿情管理工作者在輿情管理的理念、模式和方式方法上均需要有相應的變革與創新。

1.輿情工作者的研究視角需要發生轉變

輿情工作者要從全局角度，把輿情研究從單一向度的內容研究向多元化、多向度內容及關系研究方向轉化。網絡數據和信息背后體現的人的行為軌跡和復雜的人與人的社會關系（Social networking），所以關系研究將成為未來的研究重點。大數據的特征之一“關聯分析”，通過社會話語表達、社會關系分析、社會心理描繪、社會訴求預測等多個角度[8]，進行多向度的分析研究能夠幫助構建立體化、全局化和動態化的網絡輿情數據系統，通過輿情分析，挖掘網絡輿情和社會動態背后的深層次關系，實現網絡輿情管理和社會治理的緊密聯動、同步推進。

2.輿情的研究方法需要創新

即便是研究的視角發生了改變，要想真正落實到具體工作中，研究方法的創新尤為關鍵。要在分析方法上更加豐富，結合數據挖掘技術分析（Data Mining）方法與行為分析（Behavior Analysis）方法的研究、結合云計算、移動可追塑性分析、個性化特征識別的網絡機器人與社會心理分析實驗因果模型等方法，一是要提升數據監測技術，實現對媒體、論壇、博客、微博、微信等各個網絡平臺數據的全面抓取和記錄，特別是要提高對圖片、音視頻、模擬信號等數據的自動識別能力；二方面提高數據挖掘技術，從海量數據中快速識別有價值數據，并挖掘數據背后隱藏的規律。三要注重數據分析技術，包括關聯分析、聚類分析、語義分析等等，自動分析網上言論背后的觀點、意見傾向和信息、相互之間的關聯性，揭示輿情發展趨勢。四是確保數據安全和保密技術，包括網絡攻擊與攻擊檢測與防范問題、安全漏洞與安全對策問題、數據備份與恢復問題、災難恢復問題等等，確保數據安全和保密[9]。

在數據分析方面，數據分析的準確性尤為重要。引入云計算的概念和技術，與大數據相結合，會使輿情分析更加準確。開展數據間、不同維度、不同領域的數據、多樣化的數據間的關聯分析，是十分重要的。專家認為輿情關聯關系是網絡輿情數據庫中存在的一類重要的、可被發現的知識，引入網絡輿情支持度和網絡輿情可信度，可以更準確表示網絡輿情間的關聯度，量化網絡輿情關聯規則的相關性，從而使挖掘結果更準確。

3.研究結果要易懂、易應用和可視化呈現

大數據的真正價值是運用，輿情的最終價值是指導工作。研究結果的使用者未必是大數據和輿情分析的專家。因此，研究結果要求易懂易識，界面必須友好，結果必須可以直觀識別。“用數據說話”。數據最有說服力，由于圖表與列表能夠清晰、直觀、簡潔、深刻、形象地表現輿情事件，因此輿情的研究結果要注重運用圖表等可視化方式來展現。

4.重點強調輿情的預測，面向未來，做好輿情數據的再利用

大數據的核心是預測，未來輿情研究的重點應由輿情監測轉向輿情預警和預測。輿情工作者通過收集分析互聯網上關于社會熱點或網民關注焦點事件的大量消息報道，發掘背后隱藏關系，進而預測事態發展趨勢，為輿情事件處置提供決策參考。

展望未來，大數據時代數據使用的關鍵是數據再利用，數據再利用的意義在于：挖掘數據的潛在價值，實現數據重組的創新價值。基于大數據的輿情分析，能同時分析更多數據，揭露更多隱藏價值，使預測更準確，決策更合理。未來大數據將使輿情監測功能大大豐富，輿情分析功能更加強大，輿情預測能力進一步增強，這將實現全方位、立體式的綜合輿情管理模式，實現輿情管理的價值最大化。

參考文獻

[1] 中國互聯網絡信息中心（CNNIC）.第37次中國互聯網絡發展狀況統計報告[EB/OL].[2016-01-22].http：//www.tmdps.cn/hlwfzyj/hlwxzbg/hlwtjbg/201601/PO***51954.pdf.[2] 謝耘耕，劉銳，喬睿，等.大數據與社會輿情研究綜述[J].新媒體與社會，2014（4）：133-154.[3] 張寧熙.大數據在突發公共事件網絡輿情信息工作中的應用[J].現代情報，2015（6）：38-42.[4] 王宏偉.輿情信息工作策略與方法[M].北京： 中國人事出版社，2012：6.[5] 戴維民，劉軼.我國網絡輿情信息工作現狀及對策思考[J].圖書情報工作，2014（1）：24-29.[6] 劉毅.網絡輿情研究概論[M].天津： 天津人民版社，2007：74.[7] 喻國明.大數據分析下的中國社會輿情：總體態勢與結構性特征――基于百度熱搜詞（2009―2012）的輿情模型構建[J].中國人民大學學報，2013（5）：2-9.[8] 李小娜.大數據時代社會輿情監測的轉變和發展[J].青年記者，2015（11）：69-70.[9] 卿立新.創新大數據時代的網絡輿情管理[J].紅旗文稿，2014（22）：28-29.[責任編輯：張學玲]

第四篇：大數據助推銀行業監管

“大數據”助銀行業監管

——現場檢查系統在湖北的實踐

基于數據大集中的監管手段——現場檢查系統（EAST系統）應運而生。現在，運用EAST系統進行建模分析，從系統中直接篩選符合條件的信息，實時跟蹤數據異動，僅用一分鐘就能迅速篩查出過去需要好幾天才能查出來的貸款挪作保證金等違規情況，現場檢查質效得到大幅提升。

這一系統已經在提升監管水平與效率等方面發揮了重要作用。從實踐來看，湖北銀監局組織了專業團隊，認真做好制定實施規劃、夯實數據基礎、強化科技支撐等先期工作，順利成為省局版EAST系統首批試點單位之一。由于EAST系統采集數據具有大規模、細顆粒、標準化、自動化等特點，易于進行海量數據的篩選、關聯、比對等操作，正好與信用卡的業務特點以及所秉承的“大數法則”風控基礎相契合。

在對轄內某銀行信用卡業務的現場檢查中，湖北銀監局以風險管理、收費管理、質量管理等常見違規問題為切入點，利用EAST系統分析功能建立了一系列模型，提取了不少違規疑點信息，實現“精確打擊”。

信用卡疑似套現在交易數據上常有一些異常表現，如每筆交易金額較大、先還后借且交易間隔時間短、為得到最長免息期交易一般發生在還款日附近等等。根據這些疑點信息，湖北銀監局建立了相關模型，篩選出近千筆存在套現傾向的交易，督促該銀行做好風險排查和防范工作。通過EAST系統建立模型還篩選出惡意透支的可疑名單，下一步將通過現場檢查核實催收情況綜合判斷。信用卡業務作為EAST系統運用的“標靶”，為下一步這一系統延伸到對銀行信貸業務、表外業務及外部風險的現場檢查打下了扎實基礎。

從實踐中來看，通過EAST系統的數據直接對接，一方面可以有效克服以往銀行機構手工數據錄入的選擇性規避和操作失誤，確保了數據的真實性和一致性；另一方面可以依托系統數據的前期跟蹤、監測和分析，準確定位疑點，有效聚焦風險，大幅縮小檢查范圍，提升檢查針對性，實現非現場監管和現場監管的高效聯動。EAST系統還能夠充分及時地對數據信息進行處理，為監管人員及時

捕捉、監測、分析銀行風險創造了有利條件，提升了對風險的識別、預判、預警能力，從而將各類風險隱患更好地消滅在萌芽階段，提高銀行業整體風險防控水平。

為更有效地推廣EAST系統的運用，上下間的協調聯動非常重要。應努力將EAST系統打造成一個開放式平臺。同時，還應建立跨部門的聯動工作機制。由于EAST系統科技含量高、技術難度大，推廣工作中應注重集成監管人力資源，發揮各部門專業優勢，建立溝通聯絡機制，加強科技與業務部門的融合，提高試點工作效果。EAST系統可以為現場檢查提供線索，為非現場監管提供情況驗證，同時也為市場準入提供參考意見；現場檢查和非現場監管可以運用EAST系統將問題查深查透，這樣才能將EAST系統用活用足，將其效用發揮到極致。（作者單位：湖北銀監局）

鏈接

EAST系統是銀監會自2008年起推出的現場檢查系統。這一系統顛覆了過去用抽查代替普查，用點上的問題推測面上的問題的監管模式，構造了先進的現場檢查系統平臺和靈活的系統架構，實現了對銀行業金融機構海量數據的有效挖掘和深度分析，不僅大大提高了現場檢查效率，而且為“精確打擊”提供了技術上的支持，是我國銀行業監管技術的重要突破。

第五篇：大數據環境下的數據安全性探討

大數據環境下的數據安全性探討

學號：E41314059 姓名：李俊梅 專業：信息安全

一．引言

隨著互聯網、物聯網、云計算等新興技術的高速發展，各種智能終端、社交網絡服務的大量涌現，全球數據量出現了巨幅增長。據相關數據統計，僅在2011年就達到1.8萬億GB。互聯網數據中心預計到2020年全球數據將翻50倍。顯而易見，真正的大數據時代已經到來。一方面，云計算技術的成熟，為這些多樣化的數據提供了存儲和運算的平臺。與此同時，數據挖掘和人工智能等技術為大數據時代提供了信息參考，大數據的快速發展進一步擴大信息的開放程度，但是隨之而帶來的數據的安全性，防止數據泄露和保障數據安全已經成為我們研究的課題

二．大數據的概念與特征

大數據本身是一個較為抽象的概念，我們從表面上理解規模龐大的數據，但是隨著應用的越來越廣泛，對大數據研究越來越深，可以發現大數據不僅是在數量規模上龐大，而且還包括數據結構相當復雜，數據與數據之間的關聯程度相當高。大數據是需要新處理模式才能具有更強的決策力、洞察發現力和流程優化能力的海量、高增長率和多樣化的信息資產。當前，普遍較為統一對大數據特征的認識可以用4V來表達：數據規模大（Volume），數據種類多（Varity），數據要求處理速度快（Velocity），數據價值密度低（Value），概括為所謂的四V特性。這些特征讓大數據即區別與傳統的數據概念，又體現出大數據的復雜。大數據除了有四個特性之外，大數據時代的數據還呈現出其他三個特征。第一個特征是數據類型繁多。第二個特征是數據價值密度相對較低。第三個特征是處理速度快，時效性要求高。這是大數據區分于傳統數據挖掘最顯著的特征。

三．大數據面臨的安全挑戰

大數據的廣泛應用注定了大數據的安全保衛戰必須是持久戰。在大數據時代，各種智能終端、互聯網社交服務和各種數字化存儲無處不在。不得不承認，大數據已經遍布各行各業，互聯網的高速發展使得獲得數據十分便利，同時也給信息安全帶來了巨大的挑戰。當前，數據安全的形勢也不容樂觀，需要保護的數據量增長已經超過了數據總量的增長。首先個人隱私很容易通過互聯網泄露，隨著社交網絡、電子商務的興起，們之間的聯系越來越依賴網絡，個人的信息會分散在不同的網絡位置，只要將個人的相關數據聚集起來分析，就可以很容易獲取個人的相關信息，從而分析出個人的隱私數據。上升到國家層面，大數據也可能給國家安全帶來隱患。但是在網絡高速發展的今天，如果在大數據處理技術方面落后的話，就可能導致數據的單向性。一些發達國家諸如美國已經開始大數據研發計劃，大數據技術的發展和完善有助于增強國家數據的安全性。其次，網絡普及化使大數據極易受到攻擊。網絡的高速發展，各個行業領域利用大數據技術能實現彼此資源共享和數據互通。加之云計算技術的普及，為大數據提供了一個開放的環境，將分布在不同區域的資源進行快速整合，智能化分配，從而實現數據資源的共享。正因為大數據處于一個開放的環境中，吸引黑客對其中的有價值的數據感興趣，比如個人的銀行賬戶信息等成為主要攻擊目標。也就是說，在當今開放的網絡化社會，大數據的本身數據量龐大，而且數據之間關聯性強，對于黑客而言，只要付出相對低的成本，就可以獲得巨大的收益。再次，數據的非結構化對大數據存儲提出新要求。在大數據之前，數據存儲一般分為關系型數據庫和文件服務器兩種。而相對于當前的大數據來說，數據類型的多樣化也使我們措手不及。如今大數據一般都采用NoSQL數據庫存儲技術，該技術具有可擴展性和可用性等優點，但該技術仍然存在諸多漏洞，沒有內置足夠的安全性。所以時常會發生類似于身份驗證、輸入驗證等大量安全問題。最后，計算機技術的發展也增加了安全風險。隨著計算機網絡技術的發展，各種服務器、防火墻、無線路由等網絡設備的更新普及，數據挖掘等新興技術越來成熟，為大數據智能化采集以及智能化數據分析性提供極大的方便。但是，我們也必須注意到一個問題就是技術的快速發展也會相應地增加了大數據的安全風險。一方面，從大數據本身的安全性來說，自身的防護也有不完善的地方，存在著漏洞。雖然云計算對大數據提供極大的方便，但云畢竟是一個開放的環境，對大數據的安全性無法提供最大的保證；API（Application Programming Interface，應用程序編程接口）訪問安全權限控制以及密鑰生成、存儲技術和數據管理方面的不足都有造成數據泄漏的可能。同時大數據他本身可以成為一個可持續攻擊的載體，有大量的惡意代碼存在其中很難被發現，從而達到持續隱藏性攻擊的目的。另一方面，黑客攻擊的技術也在逐步提高，數據挖掘和數據分析技術的原理被黑客利用作為攻擊的主要技術。

四．大數據安全策略

4.1 大數據存儲安全策略

基于云計算架構的大數據，數據的存儲和操作都是以服務的形式提供。目前，大數據的安全存儲采用虛擬化海量存儲技術來存儲數據資源，涉及數據傳輸、隔離、恢復等的問題。解決大數據的安全存儲，一是數據加密。在大數據安全服務的設計中，大數據可以按照數據安全存儲的需求，被存儲在數據集的任何存儲空間，通過SSL（安全套接層）加密，實現數據集的節點和應用程序之間移動保護大數據。在大數據的傳輸服務過程中，加密為數據流的上傳與下載提供有效的保護。應用隱私保護和外包數據計算，屏蔽網絡攻擊。二是分離密鑰和加密數據，使用加密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。同時，定義產生、存儲、備份、恢復等密鑰管理生命周期。三是使用過濾器。通過過濾器的監控，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。四是數據備份。通過系統容災、敏感信息集中管控和數據管理等產品，實現端對端的數據保護，確保大數據損壞情況下有備無患和安全管控。4.2 大數據應用安全策略

隨著大數據應用所需的技術和工具快速發展，大數據應用安全策略主要從以下幾方面著手：一是防止APT攻擊。借助大數據處理技術，針對APT安全攻擊隱蔽能力強、長期潛伏、攻擊路徑和渠道不確定等特征，設計具備實時檢測能力與事后回溯能力的全流量審計方案，提醒隱藏有病毒的應用程序。二是用戶訪問控制。根據大數據的密級程度和用戶需求的不同，將大數據和用戶設定不同的權限等級，并嚴格控制訪問權限。而且，通過單點登錄的統一身份認證與權限控制技術，對用戶訪問進行嚴格的控制，有效地保證大數據應用安全。三是整合工具和流程。整合點平行于現有的連接的同時，減少通過連接企業或業務線的SIEM工具的輸出到大數據安全倉庫，以防止這些被預處理的數據被暴露算法和溢出加工后的數據集。同時，通過設計一個標準化的數據格式簡化整合過程，同時也可以改善分析算法的持續驗證。四是數據實時分析引擎。數據實時分析引擎融合了云計算、機器學習、語義分析、統計學等多個領域，通過數據實時分析引擎，從大數據中第一時間挖掘出黑客攻擊、非法操作、潛在威脅等各類安全事件，第一時間發出警告響應。

4.3 大數據管理安全策略

通過技術措施來保護大數據的安全必然重要，但管理也很關鍵。大數據的管理安全策略主要有：一是規范建設。大數據建設是一項有序的、動態的、可持續發展的系統工程，一套規范的運行機制、建設標準和共享平臺建設至關重要。規范化建設可以促進大數據管理過程的正規有序，實現各級各類信息系統的網絡互連、數據集成、資源共享，在統一的安全規范框架下運行。二是建立以數據為中心的安全系統。基于云計算的大數據存儲在云共享環境中，為了大數據的所有者可以對大數據使用進行控制，可以通過建設一個基于異構數據為中心的安全方法，從系統管理上保證大數據的安全。三是融合創新。大數據是在云計算的基礎上提出的新概念，大數據時代應以智慧創新理念融合大數據與云計算，以智能管道與聚合平臺為基礎，提升數據流量規模、層次及內涵，在大數據流中提升知識價值洞察力。積極創造大數據公司技術融合平臺，尋找數據洪流大潮中新的立足點，特別是在數據挖掘、人工智能、機器學習等新技術的創新應用融合創新。

五．結束語

大數據是信息化時代的“石油”。大數據轉化為信息和知識的速度與能力將成為這個時代的核心競爭力之一，而大數據面臨的安全挑戰卻不容忽視。只有大數據技術和大數據安全“兩條腿”走路時，大數據才可以真正成為這個時代的驅動力量。