Cambridge Analytica公司收集数百万用户资料以利用个人恐惧并影响2016的美国总统大选的事件近期持续升温,而Facebook公司也因此遭到各方的口诛笔伐。
Cambridge Analytica公司掌握的数据还得到另一家厂商Global Science Research(简称GSR)的补充——后者对成千上万名用户进行了个性测试,并要求对方同意将数据用于学术用途。而与此同时,GSR方面会收集受测者的Facebook好友信息,并借此建立起一套极为庞大的用户档案数据库。Facebook公司的政策只允许收集好友数据用以改善用户体验,且禁止对这些数据进行出售或用于广告宣传。然而遗憾的是,Facebook公司从未证明过这些数据政策是否得到严格遵守,而从现在的情况来看答案显然是否定的。
此类工作正是大数据管理与治理任务的核心。此次事件向从事大数据的企业发出警告,即大数据的安全性与传统数据系统同样重要。
遗憾的是,大多数企业对于每天对其大数据造成威胁的各类安全漏洞及数据违规问题还没有做好充分的应对准备。
那么,首席数据官与大数据项目经理们应该如何解决这些日益升级的大数据安全挑战?
1.确定业务风险
作为典型代表,Facebook公司遭遇的问题无疑将严重损害其品牌形象与收入水平——而这一切都源自过于松散的大数据治理与安全实践。尽管实施保护手段并防止数据泄露问题是IT部门的职责,但如果CIO、CSO以及CDO无法以简单方式向CEO以及公司董事会解释安全隐患以及客户信息外泄可能给企业造成的严重后果,那么这类问题将很难得到实际解决。因此,在具体表述时,请采用“客户数据泄露会导致我们的客户对公司失去信任,并转向其它竞争对手”这类说法,而非“客户数据泄露会危害我们的系统,IT部门需要两天时间才能修复完成。”
2. 获取正确的助力
企业之所以在大数据安全方面表现得较为滞后,一大原因在于相当一部分企业目前仍缺乏内部安全专业知识,而人才市场也很难及时提供这类知识。当然,请不要被这样的现实所吓倒。相反,请积极引入外部咨询资源,这将帮助大家有效应对持续存在的系统入侵与信息窃取行为。黑客不会等待,我们也不能等待。
3.关注社交工程
如果数据负责人能够及时跟进,并确保相关人员能够按照约定返还相关数据——而非将其分享给他人,那么Facebook公司遇到的大部分问题本应得以避免。也许是员工无意中采取了与数据安全实践相违背的操作,进而造成数据泄露。对于这类由企业内部员工所造成的数据泄露或安全违规问题,社交工程往往是引发破坏的罪魁祸首。正因为如此,一切企业都应当高度关注对员工进行数据安全实践培训。此外,企业还应定期根据数据安全水平实施补充性培训。
4. 强调预防,而非检测
检测工作能够帮助我们在系统遭受入侵时快速发现威胁。但可以肯定的是,完全防止入侵无疑更为重要。大家可以立足网络边缘筛选入侵文档、电子邮件及其它形式的大数据,从而实现这项目标。通过这种严格的把控方式,中央网络与系统将拥有更为可靠的安全保障。
好文章,需要你的鼓励
生成式AI在电商领域发展迅速,但真正的客户信任来自可靠的购物体验。数据显示近70%的在线购物者会放弃购物车,主要因为结账缓慢、隐藏费用等问题。AI基础设施工具正在解决这些信任危机,通过实时库存监控、动态结账优化和智能物流配送,帮助商家在售前、售中、售后各环节提升可靠性,最终将一次性买家转化为忠实客户。
泰国SCBX金融集团开发的DoTA-RAG系统通过动态路由和混合检索技术,成功解决了大规模知识库检索中速度与准确性难以兼得的难题。系统将1500万文档的搜索空间缩小92%,响应时间从100秒降至35秒,正确性评分提升96%,为企业级智能问答系统提供了实用的技术方案。
存储供应商Qumulo发布多租户架构Stratus,为每个租户提供独立的虚拟环境,通过加密技术和租户专用密钥管理系统实现隔离。该统一文件和对象存储软件支持本地、边缘、数据中心及AWS、Azure等云环境部署。Stratus采用加密隔离技术确保敏感数据安全,同时提供任务关键操作所需的灵活性和效率,帮助联邦和企业客户满足合规要求。
中科院和字节跳动联合开发了VGR视觉锚定推理系统,突破了传统AI只能粗略"看图"的局限。该系统能在推理过程中主动关注图片关键区域,像人类一样仔细观察细节后再得出结论。实验显示VGR在图表理解等任务上性能大幅提升,同时计算效率更高,代表了多模态AI"可视化推理"的重要进展。