在包罗万象的数字世界中，数据是复杂多样的，那么数据安全至关重要。数据不仅是一种资源，也是一种资产。在数据智能化的时代，如何保证我们的数据安全？本文对如何确保数据安全问题进行了探讨，并与大家分享。

近两年来，我国在个人隐私保护和数据安全方面的立法和执法力度不断加大。这些法律法规将确保人们对个人数据有更多的控制权。

行业解决痛点的探索

1、行业痛点

数据融合可以提高其价值，数据的交叉使用将产生协同效应。

然而，由于数据本身具有可复制性和易传播性，一旦共享数据就无法跟踪数据的使用情况，数据资产的共享和协同开发受到严重限制。此外，我们的数据需要保护和隔离，即数据安全。然而，数据对人类社会的价值在于计算和分析的结合，这就和数据安全构成了一对矛盾的关系。

尽管个人对隐私的保护和数据安全是合法利益，但存在着孤立的数据孤岛——拥有数据源的中小企业无法安全地共享或实现数据来确保数据安全。数据用户，包括大数据公司、开发者和科学家，只能访问有限且昂贵的数据集。与运营商和其他大数据源的合作需要开发人员在现场的数据源服务器上部署模型。模型算法存在泄漏风险，效率较低。

受保护的数据如何产生价值？

这是大数据产业发展的最大痛点。可以毫不夸张地说，如果和数据安全的矛盾和问题得不到解决，大数据产业的发展将受到极大的制约。

为了解决数据安全前提下如何产生价值的问题，并在此基础上，充分发挥大家的积极性，创造更大的协同价值，业内同仁探索了安全计算、价值网络和区块链的结合。

2、模式讨论

任何解都必须针对某一问题，找到收益大、缺点小的最优解，这是不可能完美的。一切追求完美的计划都必须与现实相冲突。

在数据资产处理方面，需要考虑三个因素：方便性、数据安全和成本。因此，不同模型的讨论也可以简化为这三个因素的平衡。

模型1：中性态模型

该模型主要适用于一方数据相对丰富的情况，如政府和互联网公司的参与。

在这里我们可以称拥有丰富数据的一方为主要的数据提供者。主体方数据量大，覆盖面广，基本属性齐全；大量需求方有自己的小值数据，在扩展和统计方面需求旺盛。

因为主数据提供商的数据量非常大，不易移动，这些数据一般都是相对固定的，并作为数据主板。由于数据量小，数据传输方便，许多数据用户可以以较低的成本更方便地为数据需求者提供服务。

这样的服务可以通过独立的具有公信力的第三方建立中立的国家环境，包括数据存储、大数据计算和安全环境，通过沙盒、数据安全技术、审计手段等，确保数据安全。

目前，提供数据安全服务服务的公司很多

模式二：领事馆模式

这个模型是中性态模型的一个变种。模式体系不是由独立的第三方构建，而是由数据主体提供，然后为数据需求方划定一个独立构建自己计算环境确保数据安全的区域。

主体方的数据可以使数据需求方以某种方式联系和参与计算，但由于“领事馆”仍处于数据主体方的整体环境中，数据的流入和流出将受到主体方的监督。特别是需要导出的数据必须符合数据主体方的审核标准，以确保数据安全性。

该模式主要考虑了主体端的数据安全性，但不如中性态模式方便，成本相对较高。目前，一些互联网大数据公司已经采用领事馆模式以确保数据安全性。

模式3：安全多方计算和联合计算

这种模式主要适用于这样的情况：当数据拥有者由于政策和数据价值高而无法发布数据时，数据不能直接流动，对外部数据的需求非常强烈。

该模式考虑了更多的数据安全问题，对技术要求更高、更具挑战性，但对方便性和成本的考虑并不突出。当然，这种模式也可以结合前两种模式，但成本会更高。

目前，很多创业型公司都在提供相关产品和平台，一些大数据技术公司也会开发自己的产品和平台以数据安全。

总结

在数字时代、大数据时代、智能化时代，确保数据安全的情况下如何产生价值？这是大数据产业发展的最大痛点。如果数据安全的问题得不到解决，将极大地限制大数据产业的发展。

值得欣慰的是，业界正积极探索解决价值和数据安全的一矛盾，并取得了一定的成绩：在多方安全计算、区块链等技术的融合上，形成了多层链/网、计算网与证书存储链、智能合约平台与认证。

在大家的共同努力下，我们有信心在数据安全这个方向上取得突破，使行业继续健康发展。