“大数据金融”亟待“大数据安全”

本文涉及的产品
云原生大数据计算服务MaxCompute,500CU*H 100GB 3个月
数据安全中心,免费版
云原生大数据计算服务 MaxCompute,5000CU*H 100GB 3个月
简介:

本文讲的是“大数据金融”亟待“大数据安全”,5月26日,贵阳国际大数据博览会暨全球大数据时代贵阳峰会即将盛大开幕。本次数博会将“‘互联网+’时代的大数据安全与发展”作为峰会主题,表明了数据安全的极端重要性,体现了主办方极强的数据安全意识。2013年至今,大数据技术迅速地变革着中国金融行业,已在精准营销、小额信贷、高频交易等领域取得了累累硕果。但是,这把双刃剑也给中国金融行业的数据安全带来了新的挑战,唯有从多个层面组合出拳,夯实“大数据安全”,才能保证“大数据金融”的进一步发展。

  “大数据金融”带来新挑战

  第一,数据应用侵犯客户个人隐私。交叉检验技术和“块数据”技术的广泛应用,使得基于大数据的身份识别日益简单且难以察觉。近年来,中国金融企业对客户信息进行大量创新性的应用,例如分析客户消费偏好、预测客户投融资需求等。但是,这些创新也容易跨越雷池,挖掘过多的私人信息,造成对客户隐私的侵犯。

  第二,数据监听威胁国家金融安全。2013年“棱镜门”事件表明,“海量数据+数据挖掘”的大数据监听模式可以对他国重要机构进行精确监听。无论是软硬件设施还是数据服务,我国金融企业都过度依赖国外厂商。在信息传输的各个环节,中国金融企业和金融机构的内部信息可能通过国外厂商预留的“后门”泄露给国外机构,从而成为大数据监听的受害者。

  第三,虚假数据引发金融市场风险。由于采用相关关系取代了因果关系,大数据基础上的金融决策对数据的信息非常敏感。一旦数据中混杂了虚假的信息,就可能导致错误的交易行为,进而引发金融市场风险。2013年4月23日,美联社Twitter账号出现“白宫遭袭”的假新闻。受此影响,众多基金公司的交易程序自动抛售股票,美国股市随即暴跌。

  “大数据安全”需要组合拳

  首先,金融大数据的法律监管需从“授权制”向 “负责制”转变。监管的标准不拘泥于企业是否获得他人数据授权,而是重点监控企业在数据搜集、处理和发布过程中是否承担起了保护他人数据安全的责任。该监管机制既能够避免“授权制”的巨大交易成本,从而支持金融大数据的“二次应用”和应用创新,也能保证企业对数据安全进行充分保护。

  其次,金融监管部门应借鉴贵阳大数据交易所模式,构建全国性的金融大数据交易平台,规范并促进数据资产的流通。一方面,该交易平台可以对入市交易的数据资产进行合法性和真实性审查,并对违规会员进行处罚。这将在源头上降低侵犯隐私权、发布虚假信息等数据风险,提高数据安全性。另一方面,规范化的交易市场也能够提高数据资产的定价和配置效率,为金融行业的大数据创新提供持续动力。

  最后,中国金融行业需加快软硬件设施和数据服务的国产化进程。近年来,思科、彭博社等国外厂商纷纷卷入信息安全丑闻,我国金融数据通道的独立自主刻不容缓。中国金融行业应学习欧盟的经验,稳步减少在银行数据中心等关键领域对国外设备和技术的依赖,支持重建本国的“技术自主权”,促使大数据技术更加安全地服务于中国金融创新。

作者:李勇 

来源:IT168

原文标题:“大数据金融”亟待“大数据安全”


相关实践学习
基于MaxCompute的热门话题分析
本实验围绕社交用户发布的文章做了详尽的分析,通过分析能得到用户群体年龄分布,性别分布,地理位置分布,以及热门话题的热度。
SaaS 模式云数据仓库必修课
本课程由阿里云开发者社区和阿里云大数据团队共同出品,是SaaS模式云原生数据仓库领导者MaxCompute核心课程。本课程由阿里云资深产品和技术专家们从概念到方法,从场景到实践,体系化的将阿里巴巴飞天大数据平台10多年的经过验证的方法与实践深入浅出的讲给开发者们。帮助大数据开发者快速了解并掌握SaaS模式的云原生的数据仓库,助力开发者学习了解先进的技术栈,并能在实际业务中敏捷的进行大数据分析,赋能企业业务。 通过本课程可以了解SaaS模式云原生数据仓库领导者MaxCompute核心功能及典型适用场景,可应用MaxCompute实现数仓搭建,快速进行大数据分析。适合大数据工程师、大数据分析师 大量数据需要处理、存储和管理,需要搭建数据仓库?学它! 没有足够人员和经验来运维大数据平台,不想自建IDC买机器,需要免运维的大数据平台?会SQL就等于会大数据?学它! 想知道大数据用得对不对,想用更少的钱得到持续演进的数仓能力?获得极致弹性的计算资源和更好的性能,以及持续保护数据安全的生产环境?学它! 想要获得灵活的分析能力,快速洞察数据规律特征?想要兼得数据湖的灵活性与数据仓库的成长性?学它! 出品人:阿里云大数据产品及研发团队专家 产品 MaxCompute 官网 https://www.aliyun.com/product/odps 
相关文章
|
7月前
|
存储 JSON 大数据
大数据离线数仓---金融审批数仓
大数据离线数仓---金融审批数仓
579 1
|
7月前
|
人工智能 安全 算法
AI与大数据:智慧城市安全的护航者与变革引擎
AI与大数据:智慧城市安全的护航者与变革引擎
218 1
|
1月前
|
机器学习/深度学习 数据采集 搜索推荐
大数据与金融风控:信用评估的新标准
【10月更文挑战第31天】在数字经济时代,大数据成为金融风控的重要资源,特别是在信用评估领域。本文探讨了大数据在金融风控中的应用,包括多维度数据收集、智能数据分析、动态信用评估和个性化风控策略,以及其优势与挑战,并展望了未来的发展趋势。
|
1月前
|
存储 安全 大数据
大数据隐私保护:用户数据的安全之道
【10月更文挑战第31天】在大数据时代,数据的价值日益凸显,但用户隐私保护问题也愈发严峻。本文探讨了大数据隐私保护的重要性、面临的挑战及有效解决方案,旨在为企业和社会提供用户数据安全的指导。通过加强透明度、采用加密技术、实施数据最小化原则、加强访问控制、采用隐私保护技术和提升用户意识,共同推动大数据隐私保护的发展。
|
1月前
|
存储 安全 大数据
ly~
|
2月前
|
机器学习/深度学习 人工智能 自然语言处理
大数据在智慧金融中的应用
在智能算法交易中,深度学习揭示价格波动的复杂动力学,强化学习依据市场反馈优化策略,助力投资者获取阿尔法收益。智能监管合规利用自然语言处理精准解读法规,实时追踪监管变化,确保机构紧跟政策。大数据分析监控交易,预警潜在违规行为,变被动防御为主动预防。数智化营销通过多维度数据分析,构建细致客户画像,提供个性化产品推荐。智慧客服借助 AI 技术提升服务质量,增强客户满意度。
ly~
137 3
|
4月前
|
存储 监控 安全
大数据架构设计原则:构建高效、可扩展与安全的数据生态系统
【8月更文挑战第23天】大数据架构设计是一个复杂而系统的工程,需要综合考虑业务需求、技术选型、安全合规等多个方面。遵循上述设计原则,可以帮助企业构建出既高效又安全的大数据生态系统,为业务创新和决策支持提供强有力的支撑。随着技术的不断发展和业务需求的不断变化,持续优化和调整大数据架构也将成为一项持续的工作。
|
4月前
|
安全 关系型数据库 MySQL
揭秘MySQL海量数据迁移终极秘籍:从逻辑备份到物理复制,解锁大数据迁移的高效与安全之道
【8月更文挑战第2天】MySQL数据量很大的数据库迁移最优方案
744 17
|
5月前
|
分布式计算 安全 大数据
HAS插件式Kerberos认证框架:构建安全可靠的大数据生态系统
在教育和科研领域,研究人员需要共享大量数据以促进合作。HAS框架可以提供一个安全的数据共享平台,确保数据的安全性和合规性。
|
5月前
|
SQL 安全 大数据
如何安全的大数据量表在线进行DDL操作
如何安全的大数据量表在线进行DDL操作
70 0
如何安全的大数据量表在线进行DDL操作