阿里巴巴杜跃进:大数据发展要满足老百姓的“安全感”

简介:

以“数化万物 智在融合”为年度主题的2018中国国际大数据产业博览会(简称“数博会”)近期在贵阳召开。在大数据产业发展的过程中,安全是基础,数博会上安排了多场跟大数据安全相关的论坛和活动。

在今年数博会期间,人民网IT频道采访了贵州大数据安全工程研究中心主任、阿里巴巴集团首席安全专家杜跃进,请他讲述DSMM(数据安全能力成熟度模型)在贵阳的实践经验,以及下一步如何推进我国安全产业的发展。

d628399fa4b56c8260046d10c07140b1bb237ca3

▲杜跃进在数博会上讲述DSMM(数据安全能力成熟度模型)在贵阳的实践经验。

老百姓的安全感

是大数据产业发展前提

杜跃进表示,对于大数据产业的发展来说,首先要满足对用户、对老百姓的“安全感”需求,这是产业发展的前提。“老百姓会担心说数据拿到一家公司里面,会不会被黑客通过技术手段偷走,老百姓还关心数据是否会被滥用等问题。”

他举了一个例子:比如你看病、上学、买鞋子的时候,希望给你的治疗方案、给你的课程内容、给你的这双鞋子,都是与自己自己情况匹配的。这些服务背后需要大数据,但现在如果安全做不好,就会引发猜测和质疑。

杜跃进认为,这样的服务是未来的趋势,这就给大数据产业提出了挑战,用什么样的方法来给老百姓足够的“安全感”?数据安全问题如何解决?

“当我不得不把我非常敏感的医疗数据提供出去来换取服务的时候,我发现这家提供服务的机构其实不靠谱,我可以选择不给他;假如有选择的话,我会给另一家更安全的机构。”杜跃进表示,这种安全分层的逻辑,催生了数据安全能力成熟度模型(DSMM)。

“画地为牢”的安全思路

不适用大数据时代

在杜跃进看来,数据安全能力成熟度模型(DSMM)的出现,是因为传统的“画地为牢”的安全思路,在大数据时代已经不可靠了。

“数据可能在小公司里面、小产品、小平台里面,但是一旦泄露或被滥用,给我们造成的危害是一样的,甚至这些地方更容易被坏人得手。”杜跃进举例道。

那么大数据时代的安全思路应该是什么呢?杜跃进认为,正如好的西餐厅会被划分为米其林一星到米其林三星那样,数据保护也可以借鉴这个思路,主管部门将可以放置数据的企业,按照其安全能力来分级。

“比如,你的数据安全等级是做的足够好,能力承受度足够高的话,你这个领域里边所有的数据你都可以做;另外一家来说,你不够好,对不起,有一些数据你就不要碰,你这个能力成熟度不够高。这种做法也能转变政府的管理思路。”杜跃进补充道。

安全产业要真正解决用户痛点

据了解,去年11月,贵州大数据安全工程研究中心落地贵阳经开区;今年4月,在贵阳市政府的支持下,15家当地企事业单位开始开展DSMM试点测评。在今年数博会期间,首批DSMM测评师代表领到了“实习测评师”的证书。

对于这首批107位DSMM评测师,杜跃进介绍到,我们在全国组织第一批DSMM专业测评师培训,结果响应很踊跃,教室都坐不下,最后就严格筛选后限定120个人,分了两期,经过培训然后进行考试。考试之后,有107个人通过,有了实习测评师的资格。

“我们已经在十几个行业50多个大大小小的企业里面都试过,我们有信心把它推到别的地方。”杜跃进说。

在他看来,“DSMM的落地,可以告诉我们整个社会、告诉行业主管、告诉消费者,到底我选择的这个东西靠谱不靠谱。”

“安全和发展是必须一块儿来搞的,安全是为了发展,那你要对安全有底。我们的安全产业一直都做不大,原因是什么?没有真正的解决用户的问题。在安全的产业发展上面,DSMM的落地,在数据安全领域是一个非常好的点。”杜跃进总结道。


原文发布时间为:2018-06-19

本文来自云栖社区合作伙伴“阿里研究院”,了解相关信息可以关注“阿里研究院”。

相关实践学习
基于MaxCompute的热门话题分析
Apsara Clouder大数据专项技能认证配套课程:基于MaxCompute的热门话题分析
相关文章
|
6月前
|
数据采集 SQL 搜索推荐
大数据之路:阿里巴巴大数据实践——OneData数据中台体系
OneData是阿里巴巴内部实现数据整合与管理的方法体系与工具,旨在解决指标混乱、数据孤岛等问题。通过规范定义、模型设计与工具平台三层架构,实现数据标准化与高效开发,提升数据质量与应用效率。
大数据之路:阿里巴巴大数据实践——OneData数据中台体系
|
7月前
|
数据采集 存储 大数据
大数据之路:阿里巴巴大数据实践——日志采集与数据同步
本资料全面介绍大数据处理技术架构,涵盖数据采集、同步、计算与服务全流程。内容包括Web/App端日志采集方案、数据同步工具DataX与TimeTunnel、离线与实时数仓架构、OneData方法论及元数据管理等核心内容,适用于构建企业级数据平台体系。
|
7月前
|
分布式计算 监控 大数据
大数据之路:阿里巴巴大数据实践——离线数据开发
该平台提供一站式大数据开发与治理服务,涵盖数据存储计算、任务调度、质量监控及安全管控。基于MaxCompute实现海量数据处理,结合D2与DataWorks进行任务开发与运维,通过SQLSCAN与DQC保障代码质量与数据准确性。任务调度系统支持定时、周期、手动运行等多种模式,确保高效稳定的数据生产流程。
大数据之路:阿里巴巴大数据实践——离线数据开发
|
6月前
|
存储 SQL 分布式计算
大数据之路:阿里巴巴大数据实践——元数据与计算管理
本内容系统讲解了大数据体系中的元数据管理与计算优化。元数据部分涵盖技术、业务与管理元数据的分类及平台工具,并介绍血缘捕获、智能推荐与冷热分级等技术创新。元数据应用于数据标签、门户管理与建模分析。计算管理方面,深入探讨资源调度失衡、数据倾斜、小文件及长尾任务等问题,提出HBO与CBO优化策略及任务治理方案,全面提升资源利用率与任务执行效率。
|
6月前
|
存储 监控 大数据
大数据之路:阿里巴巴大数据实践——事实表设计
事实表是数据仓库核心,用于记录可度量的业务事件,支持高性能查询与低成本存储。主要包含事务事实表(记录原子事件)、周期快照表(捕获状态)和累积快照表(追踪流程)。设计需遵循粒度统一、事实可加性、一致性等原则,提升扩展性与分析效率。
|
存储 分布式计算 大数据
大数据之路:阿里巴巴大数据实践——大数据领域建模综述
数据建模解决数据冗余、资源浪费、一致性缺失及开发低效等核心问题,通过分层设计提升性能10~100倍,优化存储与计算成本,保障数据质量并提升开发效率。相比关系数据库,数据仓库采用维度建模与列式存储,支持高效分析。阿里巴巴采用Kimball模型与分层架构,实现OLAP场景下的高性能计算与实时离线一体化。
|
7月前
|
SQL 缓存 监控
大数据之路:阿里巴巴大数据实践——实时技术与数据服务
实时技术通过流式架构实现数据的实时采集、处理与存储,支持高并发、低延迟的数据服务。架构涵盖数据分层、多流关联,结合Flink、Kafka等技术实现高效流计算。数据服务提供统一接口,支持SQL查询、数据推送与定时任务,保障数据实时性与可靠性。
|
SQL 存储 分布式计算
ODPS技术架构深度剖析与实战指南——从零开始掌握阿里巴巴大数据处理平台的核心要义与应用技巧
【10月更文挑战第9天】ODPS是阿里巴巴推出的大数据处理平台,支持海量数据的存储与计算,适用于数据仓库、数据挖掘等场景。其核心组件涵盖数据存储、计算引擎、任务调度、资源管理和用户界面,确保数据处理的稳定、安全与高效。通过创建项目、上传数据、编写SQL或MapReduce程序,用户可轻松完成复杂的数据处理任务。示例展示了如何使用ODPS SQL查询每个用户的最早登录时间。
1834 1
|
机器学习/深度学习 搜索推荐 算法
飞天大数据平台产品问题之AIRec在阿里巴巴飞天大数据平台中的功能如何解决
飞天大数据平台产品问题之AIRec在阿里巴巴飞天大数据平台中的功能如何解决
|
存储 搜索推荐 数据建模
阿里巴巴大数据实践之数据建模:构建企业级数据湖
阿里巴巴通过构建高效的数据湖和实施先进的数据建模策略,实现了数据驱动的业务增长。这些实践不仅提升了内部运营效率,也为客户提供了更好的服务体验。随着数据量的不断增长和技术的不断创新,阿里巴巴将持续优化其数据建模方法,以适应未来的变化和发展。