北京邮电大学教授杨义先：大数据背景下的信息安全风险及防御

来源：天津网作者：津报

2017/4/25 16:47:59

杨义先，北京邮电大学教授、博士生导师、首届长江学者特聘教授、首届国家杰出青年基金获得者、国家级教学名师、国家级教学团队（“信息安全”）带头人、全国百篇优秀博士学位论文导师、国家精品课程负责人，《安全简史》和《安全通论》的作者。

【嘉宾档案】

现任北京邮电大学信息安全中心主任、灾备技术国家工程实验室主任、中国密码学会副理事长、公共大数据国家重点实验室主任。长期从事网络与信息安全方面的科研、教学和成果转化工作，在国际四大学术名刊《PNAS》、Nature子刊《Scientific Report》等顶级刊物上发表过多篇论文。

曾获得荣誉：政府特殊津贴、国家级有突出贡献的中青年专家、国家级有突出贡献的中国博士学位获得者、第四届“中国青年科学家”、第四届“中国青年科技创新奖”、全国优秀科技工作者、中国科协第三届青年科技奖、“有可能影响中国21世纪的IT青年人物”。

◆大数据及大数据挖掘

读者朋友们，恭喜你们，到了大数据时代，你们就成“皇帝”了！当然，别高兴太早，我说的是那位“穿新衣的皇帝”。

为什么我会这样说呢？因为在大数据面前，你真的就是赤裸的：你说过什么话，做过什么事，有什么爱好，生过什么病，家住哪里，亲朋好友都有谁，等等，它都知道。可以说，你自己知道的，它几乎都知道，或者说它都能够知道。

甚至连你自己都不知道的事情，大数据也可能知道，比如，它能够发现你的许多潜意识习惯：集体照相时你喜欢站哪里呀，跨门槛时喜欢先迈左脚还是右脚呀，你喜欢与什么样的人打交道呀，你的性格特点都有什么呀，哪位朋友与你的观点不相同呀，等等。

再进一步地说，今后将要发生的事情，大数据它还是有可能知道，比如，根据你“饮食多、运动少”等信息，它就能够推测出，你可能会“三高”。当你与许多人都在购买感冒药时，大数据就知道：流感即将爆发了！实际上，大数据已经成功地预测了包括世界杯比赛结果、总统选举、多次股票的波动、物价趋势、用户行为、交通情况等一系列问题的发展趋势。

当然，这里的“你”并非仅仅指“你个人”，还包括但不限于，你的家庭、你的单位、你的民族、甚至你的国家。

那么，到底什么是大数据呢？国际权威咨询机构Gartner说：“大数据，就是需要新处理模式才能具有更强的决策力、洞察发现力和流程优化能力来适应海量、高增长率和多样化的信息资产。”麦肯锡全球研究所说：“大数据是一种规模大到在获取、存储、管理、分析方面大大超出了传统数据库软件工具能力范围的数据集合，具有海量的数据规模、快速的数据流转、多样的数据类型和价值密度低四大特征。”还有更多的权威专家们，总结了大数据的若干其他特性，比如，容量的超大性、种类的多样性、获取的快速性、管理的可变性、质量的真实性、渠道来源的复杂性、价值提取的重复性，等等。

其实，形象地说，所谓大数据，就是由许多千奇百怪的数据，杂乱无章地堆积在一起的东西。比如，你主动在网上说的话、发的微博微信、存的照片、收发的电子邮件、留下的诸如上网记录等行动痕迹，都是大数据的组成部分。在不知道的情况下，你被采集的众多信息，比如，被马路摄像头获取的视频、手机定位系统留下的路线图、在各种情况下被录下的语音、驾车时的GPS信号、电子病历档案、公交刷卡记录等被动信息，也都是大数据的组成部分。还有，各种传感器设备自动采集的有关温度、湿度、速度等万物信息，仍然还是大数据的组成部分。总之，每个人、每种通信和控制类设备，无论它是软件还是硬件，其实都是大数据之源。

一句话，无论你是否喜欢，大数据它就在那里；无论主动还是被动，你都在为大数据作贡献。大数据是人类的必然。

大数据到底是靠什么法宝，才知道那么多秘密的呢？用行话说，它利用了一种名叫“大数据挖掘”的技术，采用了诸如神经网络、遗传算法、决策树方法、粗糙集方法、覆盖正例排斥反例方法、统计分析方法、模糊集方法等高大上的方法。大数据挖掘的过程，可以分为数据收集、数据集成、数据规约、数据清理、数据变换、挖掘分析、模式评估、知识表示等八大步骤。

大数据挖掘，从正面来说，是创造价值；从负面来说，就是泄露隐私了！大数据隐私是如何被泄露的呢？请先跟我来分解一下经典的“人肉搜索”吧！

一大群网友，出于某种约定的目的，比如，搞臭某人或美化某人，充分利用自己的一切资源渠道，尽可能多地收集当事人或物的所有信息，包括但不限于网络搜索得到的信息（这是主流）、道听途说的信息、线下知道的信息、各种猜测的信息，等等；然后，将这些信息按照自己的目的精炼成新信息，反馈到网上与其同志们分享。这就完成了第一次“人肉迭代”。接着，大家又在第一次“人肉迭代”的基础上，互相取经，再接再厉，交叉重复进行信息的收集、加工、整理等工作，于是，便诞生了第二批“人肉迭代”。如此循环往复，经过N次不懈迭代后（新闻名词叫“发酵”），当事人或物的丑恶（或善良）画像就跃然纸上了。如果构成“满意画像”的素材确实已经“坐实”，至少主体是事实，那么，“人肉搜索”就成功了。

其实，所谓的大数据挖掘，在某种意义上说，就是由机器自动完成的特殊“人肉搜索”而已。只不过，现在“人肉”的目的，不再限于抹黑或颂扬某人，而是有更加广泛的目的，比如，为商品销售者寻找最佳买家、为某类数据寻找规律、为某些事物之间寻找关联，等等，总之，只要目的明确，那么，大数据挖掘就会有用武之地。

如果将“人肉”与大数据挖掘相比，那么，此时网友被电脑所替代；网友们收集的信息，被数据库中的海量异构数据所替代；网友寻找各种人物关联的技巧，被相应的智能算法替代；网友们相互借鉴、彼此启发的做法，被各种同步运算所替代；各次迭代过程仍然照例进行，只不过机器的迭代次数更多、速度更快而已，每次迭代其实就是机器的一次“学习”过程；网友们的最终“满意画像”，被暂时的挖掘结果所替代，因为，对大数据挖掘来说，永远没有尽头，结果会越来越精准，智慧程度会越来越高，用户只需根据自己的标准，随时选择满意的结果就行了。当然，除了相似性外，“人肉”与“大数据挖掘”肯定也有许多重大的区别，比如，机器不会累，它们收集的数据会更多、更快，数据的渠道来源会更广泛，总之，网友的“人肉”，最终将输给机器的“大数据挖掘”。

◆安全、黑客与代码

“安全”是一个很主观的概念，与角度密切相关。同一个事件，对不同的人，从不同的角度来说可能会得出完全相反的结论。所以，研究“安全”，必须只锁定一个角度，比如，“我”的角度。

其次，“安全”是一个与时间密切相关的概念。同一个系统，在昨天安全，绝不等于今天也安全；同样，在今天安全，也绝不等于明天就安全。当然，一个“在昨天不安全”的系统，今天也不会自动变为安全。

还有，“安全”是一个与对象密切相关的概念。若A和B是两个相互独立的系统，若我们只考虑A系统的安全，那么，B系统是否安全就应该完全忽略。

谈到安全的概念，很多读者会立刻想到危害安全的黑客。如果说安全的核心是对抗，那么在对抗的两个主角（攻方与守方）中，攻方（黑客）又是第一主角，原因在于守方（红客）是因攻方（黑客）而诞生的。

广义地说，系统（或组织）的破坏者都统称为“黑客”，他们以扰乱既有秩序为目的。

人们开发软件、研制信息产品、建设网络系统时，肯定都希望安全第一。但是，“理想很丰满，现实很骨感”，任何系统都不可能绝对安全，其安全性也无法事先严格证明，只能由实践来检验。无论多么认真，无论花费多少时间和精力，只要是人造的东西，就一定会有安全缺陷；而且，这些缺陷有时还很难被发现。怎么办呢？当然只好由专门检测人员，利用特制工具，来挖掘、修补和处理这些潜在的缺陷。

除了带工资外，从纯技术角度看，这些检测人员与黑客其实没啥区别；而且，他们显然都是绝不可少的，因为，“带着缺陷运行的系统”更危险、更可怕。从这个角度看，黑客的产生也是不可避免的。因为，即使是经过高级专门人员检测后，也还会遗留一些未被发现的缺陷，于是，社会上便出现了一批“志愿者”，他们不分昼夜，不辞辛劳，对这些系统反复进行地毯式搜索，希望找到更多的漏洞去换钱，或以此证明自己的能力。这批“志愿者”就俗称黑客。

电脑由硬件和软件两部分组成，前者决定了它的体力，后者决定了它的智力。软件的具体表现形式，其实就是称作代码的东西，它们不过只是一些逻辑命令而已，让电脑第一步这样，第二步那样，等等。电脑也很听话，指令让它干什么，它就干什么；让它做好事，它就做好事；让它做坏事，它就做坏事；甚至让它自杀，它也会毫不犹豫地遵令行事。

虽然人类一厢情愿地，将做好事的代码称为善意代码，简称为代码；将做坏事的代码称为恶意代码，但是，从电脑角度来看，它们都是代码，都是应该一视同仁地执行的命令。

仅仅从代码的角度来看，编写恶意代码更容易，编写善意代码更难，因为，善意代码的目标是要把某些工作做成，而恶意代码则是要把这些工作搞砸；而普遍规律是：败事容易，成事难。恶意代码是一个庞大的家族，甚至已经形成了一个个黑色部落。比如病毒、蠕虫、僵尸、木马等，都是典型的恶意代码的代表。

计算机病毒能够像寄生虫那样，把自己附着在各种类型的文件上，当文件被复制或在网上传播时，病毒也就随同文件一起快速蔓延。由于其独特的复制能力，而且还很难从正常文件中被切割，所以病毒对资源的消耗和破坏能力都很强，并且不易根除。

蠕虫病毒既可无限再生，又可迅速传播。蠕虫病毒是能够独立作战的“自包含程序”，它能将其自身功能的全部或部分，传染到网上的其他终端。蠕虫主要包括主机蠕虫和网络蠕虫，前者完全包含在其运行的主机中，并且通过网络将自身拷贝到其他终端。一旦它完成拷贝动作后，就会自杀，让其克隆物继续作恶；因此，在任何时刻，都只有一个蠕虫拷贝在运行。

僵尸病毒通过“互联网中继聊天服务器（IRC）”来控制一大群计算机；此时这些所谓的“计算机”已经失去了独立的行动能力，而只能听由“赶尸者”，即黑客指挥。目前，僵尸已经成为互联网上黑客最青睐的作案工具之一了。针对手机用户，僵尸的攻击更加传奇。轻者，其手机被莫名扣费、朋友被广告短信深夜骚扰；重者，存款泡汤、为害八方。手机僵尸的扩散特点很像传销组织，一级感染一级，时间越长，被感染和控制的手机也就越多，呈指数级爆炸型增长。而且，它还在不断变异。有些变异后，竟然能够在关机或锁定的情况下，让手机仍然自动发送信息；甚至，还能反过来将“试图消灭它的杀毒软件”杀死。

木马病毒通过特定程序（木马程序）来控制另一台计算机，它不会自我繁殖，也并不刻意感染其他文件，相反它要尽量伪装自己，别引起外界的注意，让人在不知不觉中将其植入自己的电脑，使其成为“被控制端”。待到冲锋号响起后，黑客在控制端发出命令，木马就开始行动，或毁坏被控制端，或从中窃取任何文件、增加口令，或浏览、移动、复制、删除、修改注册表和计算机配置等。木马病毒一旦启动，就很难被阻止，因为，它会将自己加载到核心软件中，系统每次启用，它就自动开始运行；干完坏事后，它还会立刻隐形（自动变更文件名），或马上将自身复制到其他文件夹中，还可以不经用户准许就偷偷获得使用权。

◆风险防御建议

大数据时代背景下，针对过去已经遗留在网上的海量碎片信息，如何进行隐私保护呢？如果单靠技术，显然无能为力，甚至会越“保护”就越“泄露隐私”，因此，必须多管齐下。比如，从法律上，禁止以“人肉搜索”为目的的大数据挖掘行为；增加“网民的被遗忘权”等法律条款，即，网民有权要求相关网络删除“与自己直接相关的信息碎片”。从管理角度，也可以采取措施，对一些恶意的大数据行为进行发现、监督和管控。另外，在必要的时候，还需要重塑“隐私”概念，因为，毕竟“隐私”本身就是一个与时间、地点、民族、宗教、文化等有关的东西，在某种意义上也是一种约定俗成的东西。

针对今后的网络行为，应该如何来保护自己的隐私，至少不要把过多的没必要的碎片信息遗留在网上呢？在这里，我想提供一个很实用的策略，那就是：匿名！只要做好匿名工作，那么，谈论什么“隐私泄露”，就是无本之木、无源之水了。匿名的重点包括：

身份匿名。任何绯闻或丑事儿，当大家并不知道你就是当事人时，请问你的隐私被泄露了吗？当然没有！没准你还踮着脚、伸着长脖子往前挤，还想多看几眼热闹呢！

属性匿名。如果你觉得自己的某些属性（比如，在哪里工作、有啥爱好、病史记录等）需要保密，那么，请记住：打死也不要在网上发布自己的这些消息，甚至要有意避开与这些属性相关的东西。这样别人就很难对你顺藤摸瓜了。关系匿名。如果你不想让别人知道你与张三是朋友，那么，最好在网上离张三远一点儿，不要去关注与他相关的任何事情，更别与他搭讪。

位置匿名。这一点用不着我来教你了吧。至少别主动在社交媒体上随时暴露自己的行踪，好像生怕别人不知道“你现在正在某饭店吃饭”一样。

概括一下，在大数据之前，隐私保护的哲学是：把“私”藏起来，而我的身份可公开。今后，大数据隐私保护的哲学将变成：把“私”公开（实际上是没法不公开），而我的身份却被藏起来，即匿名。

杨教授支招

对于我们普通的个人用户，应该如何防范恶意代码呢？希望以下这几招能对你有帮助。

1.永远不要执行任何来历不明的软件或程序，除非您确信自己的防毒水平已登峰造极；

2.永远不要相信你邮箱不会收到含有恶意代码的邮件；

3.用电邮给朋友发软件时，记得叮嘱对方先查毒，因为，在你电脑上不发作的病毒，没准在朋友电脑上就复活了；

4.永远不要因为对方是你的好朋友，就轻易执行他发过来的软件或程序，因为你无法确信他是否安装过病毒防火墙，也许你的朋友中了黑客程序还不知道，还以为是什么好东西寄来与你分享呢；

5.千万不要随便留下你的个人资料，因为你永远不会知道是否有人会处心积虑地收集起来，用于今后找你麻烦；

6.千万不要轻易相信网络上认识的新朋友，因为“在网络上，没有人会知道你是一只狗”！你无法判断，对方是否想把你当作实验品。

面对各种各样的黑客，我们更要注意保护自己，以下十点建议也许对你有益。

1.使用杀毒软件并经常升级，从而使恶意程序远离你的计算机；