大数据：天使，还是魔鬼？

提起大数据，很多人都感觉略知一二；但大数据到底是什么，又很少有人能解释清楚。今年两会期间，包括小米科技创始人雷军、联想集团董事长杨元庆、科大讯飞董事长刘庆峰在内的多位代表、委员都提出了与大数据相关的建议和提案，他们一方面希望从国家层面推动大数据的发展，另一方面也对它在信息安全方面可能存在的隐患提出了警示。
大数据记录了所有一切
一份调查显示，2013年我国产生的数据总量超过0.8ZB，相当于2009年全球的数据总量；而到2020年，一个普通中国家庭每年产生的数据量，将相当于半个国家图书馆的信息储量。
中国电子学会秘书长徐晓兰委员指出，海量的信息储存和挖掘，既是大数据的价值所在，也是它有别于传统互联网、可能对信息安全带来的新隐患。
“大数据时代，记录了很多以往根本不可能或者不需要记录的数据，比如微博、朋友圈的内容，上网产生的cookie，家庭水电气使用的情况、汽车和大型设备上安装的传感器拿到的数据等。”社交数据分析公司独到科技的CEO张文浩说，“如果这些信息都是‘孤岛’，影响可能不大。但一旦相互关联，影响力会大得惊人。”
中科院信息工程所所长田静委员也表示，以往碎片化的数据只是盲人摸象，但现在这些碎片全都被存贮起来，通过相关性分析拼凑，“就知道象到底长什么样了”。
技术上的差距，也造成了大数据暂时的“不安全”。
“没有自己的分析能力，我们怎么能搞清楚哪些数据是需要保护的？”
对于田静的这个“问题”，国家信息化专家咨询委员会副主任、中国工程院院士邬贺铨提供的一组数据给出了答案——数据中，大约有一半是应该保护的，但我们现在真正保护的“只有一半的一半”，很多数据在有意或无意当中被获取，“如果这些数据整合起来，被某些别有用心的人利用，会对安全造成很大的影响”。
徐晓兰介绍，目前我国很多机构和企业使用大数据分析软件都是国外厂商生产的，特别是近几年视频等多媒体数据爆炸性增长，“这些数据都是异构化的，这部分软件是我们的短板”。
著名军事专家尹卓委员则指出，现在互联网所使用的服务器大都放在美国，“自己没有服务器怎么可能安全”？
另一方面，在田静看来，缺乏大数据环境下的安全理念也是重要原因之一。“过去认为无害的信息，在数据爆炸的今天，已经完全不一样了。观念不改，是没有秘密可保的。”
张文浩也认为，国人缺乏这方面的意识。“在美国，很多人都会要求不公开自己的隐私，或者主动把自己的数据提供给某些特定的机构使用；但在国内几乎没有听到过，大家也不知道什么类型的数据可能会有多大的风险。”
大数据或许也很“危险”
张文浩认为，很多人对于大数据的理解都只注意到数据的体量和统计，“其实，通过深度分析，从纷繁的数据中抽象出规则和原理，并实现对未来的前瞻性预测，才是大数据真正的价值和魅力所在”。
因为大数据，奥巴马在2012年成为过去70年来，第一位在失业率高达7.4%的情况下成功连任的美国总统；因为大数据，Target超市“预测”了18岁少女的怀孕……
任何一项新技术的背后，都可能悬挂着一把达摩克利斯之剑。大数据也是如此，在人们惊叹于它的“神力”之时，“威胁”也正悄悄逼近。
“前两年，国外一家情报搜集机构利用国内某机构人员公开发表的数据和资讯，进行深度挖掘分析，生成了有价值的情报。”徐晓兰告诉记者，后来经过详细调查，确认情报确实不是该人员提供，而生成情报的那些数据本身也是可公开的。“这在以往几乎是不可能的，也给我们敲响了警钟。”
尹卓以战时的交通流量信息举例说，如果不注重数据的安全使用，将可能对国家安全带来隐患。“科索沃战争中，南联盟的油料库虽然隐蔽得很好，但美国军方通过对卫星图中的交通流量进行分析，划定了大量油罐车经常出没的区域，在进行精确搜寻，从而一举炸毁。”
如果您认为这些“危险因素”离自己很远，那就大错特错。
“现在很多智能手机的应用都要求访问通讯录，”邬贺铨说，很多人觉得自己没有什么秘密，就同意了。“但实际上，这不仅会透露自己的大量信息，也会把很多人置于隐私暴露的危险之下。”
张文浩也指出，现在很多年轻人都有用手机发微博或者“签到”的习惯，“这样其实会泄漏自己的很多信息。比如你白天经常签到的位置就很有可能是你的单位，傍晚以后签的多半是自己家”。
大数据正经历成长的烦恼
“要想征服数据，只有更好地利用它们。”张文浩说，数据是一种资源和财富，积累越多，产生的效力也会越大。
这个观点得到了邬贺铨的认同。他认为，越想规避大数据带来的安全风险，越需要搜集储存海量的数据，并进行深入的挖掘分析。“有统计显示，国内数据搜集量不及日本的60%和北美的7%，大量数据留这样白白流逝。”
“企业掌握的数据毕竟有限，而且是局部的。”百度公司董事长李彦宏委员提出了数据开放的概念，国家应该把那些不涉及安全的数据公开，让有能力的机构进行更好的分析利用。
国家基础地理信息中心原总工程师李莉委员指出，有的公共部门掌握了大量公共信息，这些数据是国家基础信息的重要组成部分。邬贺铨强调，这些数据“不愿与其他部门共享，导致了信息不完整或重复投资”。
共享数据在技术上是否存在很大的难度？在徐晓兰看来，现在需要大力发展的数据挖掘、分析方面的技术，但对于数据共享本身而言，技术不是最大的障碍，关键还是利益协调。她说几年前，国土部和银监会准备摸底国家土地信息，“一开始很多人提出各种各样的困难，几乎认为是不可能完成的任务。但后来引入问责等行政手段，得到地方配合，进行得就很顺利”。
张文浩认为，建立一个公开、透明、规范的数据市场，将会大大增强数据的利用率。但在这个过程中，需要仔细考量什么样的数据可以进入市场。
这就涉及到立法的问题。“界定‘隐私’和为数据进行安全分级，是制定法律法规时要优先考虑的方面。”他指出，“个性化服务和隐私之间是一个博弈。名字、电话、住址……不能什么都说是隐私，因此需要为数据安全分级。简单地说，通过数据分析的经验，我们会知道哪类信息具有更强的指向性和排他性。这类信息的安全级别就应该更高。”
（科技日报北京3月11日电 科技日报记者 吴颖）