赠书福利 | 《数据要素安全:新技术、新安全激活新质生产力》免费送
文章探讨了数据作为第五大生产要素的重要性及其对生成式人工智能的推动作用,并分析了数据要素安全与传统数据安全的差异。书中从体系构建、技术洞察和实践案例三个方面深入剖析了如何保障数据要素安全,强调了其在释放时代红利中的关键作用。 2025-7-8 07:35:30 Author: www.freebuf.com(查看原文) 阅读量:17 收藏

Part.1 数据是第五大生产要素

通常我们所说的“满血”DeepSeek 671B,就意味着它包含了6710亿数据。因此,将数据要素化,通过经济手段提升数据流通和汇聚的规模与质量,能极大地提升生成式人工智能基座模型和各类知识库的性能。

我国对数据极其重视,将数据列入生产要素之列,使其成为自土地、劳动力、资本、技术之后的第五大生产要素。如果数据资源的价值能得到充分释放,在AI技术的加持下,这将是超级巨大的时代红利。

当前,数据要素发展迅猛,要想稳稳收获时代的红利,就一定要做好数据要素安全工作。《数据要素安全:新技术、新安全激活新质生产力》这本书就深入剖析了数据要素行业的发展趋势和关键安全技术,并探讨了新技术如何赋能各行各业。

1751959727_686cc8afd6e01a9f60c23.png!small?1751959729523

Part.2 从数据安全到数据要素安全

在谈及数据要素安全时,可能有人想到的是数据泄露、数据破坏、数据污染等网络攻击行为,但其实这些行为属于数据安全范畴,与数据要素安全有较大差异。从概念上说,数据是生成信息的输入和所需资源,数据要素是社会生产的输入和所需资源。

以下是数据要素安全与数据安全的差异与联系:

● 安全目标:数据要素安全保证数据不会被第三方滥用、误用,聚焦于数据的使用安全,本质上是业务层面的安全。数据安全保护重要数据不外泄,不被攻击组织窃取,本质上是基础设施层面的安全。

● 威胁模型:在数据要素安全的威胁模型中,敌手是不诚实的第三方,如窥视数据的合作伙伴;在数据安全的威胁模型中,敌手是恶意攻击者,如黑灰产组织、攻击团伙等。

● 设计思维、安全体系和实现:在数据要素安全体系中,设计思维模式偏正向思维,应正向构建一个可证明的安全环境,在多个合作方之间实现数据要素流转和安全计算;在数据安全体系中,设计思维模式倾向于逆向思维,找到突破点,进而补齐。

1751959809_686cc9017ff35bfd531eb.png!small?1751959812811

本书创作团队实力强大,主要作者刘文懋博士是绿盟科技集团首席创新官、创新研究院总经理及星云实验室负责人。他的研究方向涵盖云计算安全、隐私计算、人工智能安全及5G安全等领域,发表著作《软件定义安全》《云原生安全》,并拥有30余项专利。

Part.3 保障数据要素安全的三个关键

本书深入剖析了数据要素安全领域,介绍了数据要素安全的发展历程、标准法规、安全架构,以及多种相关技术及其应用场景。要做好数据要素安全工作,书中从体系构建、技术洞察、实践案例三个关键方面进行说明,我们来逐一学习。

体系构建篇

这部分从数据要素的发展历程切入,梳理了从数据1.0时代到数据要素时代的演进脉络,让读者清晰认识到数据与数据要素之间的紧密联系和区别。详细阐述了不同阶段数据安全的特点,尤其是数据要素安全的独特内涵,以及它与个人隐私保护的复杂关系。

这部分对全球数据安全的立法、标准和监管现状进行了深入分析。国际上欧盟的GDPR等法规,加上国内一系列不断完善的数据安全法律法规,共同织就了数据安全的制度网络,明确了数据安全保护的方向。

此外,还介绍了数据流通的生命周期,涵盖数据的产生、存储、传输、使用和销毁等环节,以及在各环节面临的安全挑战,并引入数据安全治理的概念,提出现代企业数据安全治理框架。

1751959871_686cc93f455274c86d0b9.png!small?1751959871307

▲现代企业数据安全治理框架

技术洞察篇

这部分深入探讨了保障数据要素安全的各类前沿技术,是本书的重点内容。

在 “数据安全自用”中,涉及敏感数据识别与分类分级、零信任安全架构、用户和实体行为分析以及新型加密技术等。在“数据可信确权”场景下,区块链、去中心化身份和数字水印技术发挥关键作用,帮助各方建立权益共识,明确数据权属。

1751959912_686cc9685e178857121ad.png!small?1751959912490

▲数据安全自用场景中的典型风险与技术

“数据可控流通”通过数据脱敏、差分隐私、合成数据和 API 安全等技术,降低敏感数据风险,在保障数据隐私的同时,实现数据的价值流通。“协同安全计算”场景则聚焦于同态加密、联邦学习、安全多方计算、可信执行环境及机密计算、可信计算等技术,确保敏感数据在多方协同计算过程中的安全性。

这部分还讨论了大模型与数据安全的关系,展现了新技术与数据安全之间的相互影响和促进。

实践案例篇

这部分通过丰富的实际案例,将理论与技术落地,为读者提供了可借鉴的经验。

“数据安全自用”介绍了微软的数据分类应用实践、Grab智能化数据治理以及Google的零信任应用实践。“数据可信确权”介绍了区块链、NFT和去中心化身份在数据确权方面的应用案例,如知名的NFT项目以及Verisart、Decentraland等区块链平台的成功实践。

“数据可控流通”案例涵盖了苹果公司差分隐私技术实践、摩根大通合成数据技术实践等。“协同安全计算”案例则包括荷兰中央统计局基于同态加密实现医疗项目有效性评估、四国NSO运用联邦学习进行跨国数据隐私保护等。

1751959959_686cc9971b27a7fe9a369.png!small?1751959959302

▲国家微生物科学数据中心TEE方案

经过从基础理论、技术实现到丰富的实践案例学习,读者能够系统化掌握数据要素安全的原理与应用,推动工作有效开展。

Part.4 结语

《数据要素安全:新技术、新安全激活新质生产力》从理论到技术,再到实际应用,全方位呈现做好数据要素安全工作的关键所在。

本书一大特点是内容系统全面体系构建篇涵盖数据要素发展历程、安全标准法规、安全架构等,搭建起理解数据要素安全的宏观框架;

技术洞察篇对数据安全自用、可信确权、可控流通、协同安全计算等场景的相关技术进行分类阐述,介绍大模型与数据安全的关系;

实践案例篇展示各场景下国内外众多案例,使读者全面了解技术实际应用。

另一大特点是注重实战,提供开源工具使用指导,并配备了精心编写的示例代码,辅以直观简明的可视化图表,详细描述实际案例中的技术实现方案,读者可在工作中借鉴并直接使用。

数据是新生产要素,安全是其核心命脉。《数据要素安全:新技术、新安全激活新质生产力》带你见证新技术激活无限潜能,稳稳抓住时代红利!

留言福利:说说你对数据要素安全的看法?

微信搜一搜,或扫描下方二维码,关注 FreeBuf 公众号

在评论区留言

我们将选取7位读者

获得赠书1本

留言截止时间7月10日18点


文章来源: https://www.freebuf.com/articles/438272.html
如有侵权请联系:admin#unsafe.sh