搜索
中国国际大数据大会“联合变革开放创新”时间：2014年8月19日下午（周二）地点：国宾酒店主持人：人民邮电报总编武锁宁主持人：尊敬的张秘书长，尊敬的方院士，尊敬的各位领导、各位专家，女士们、先生们，大家下午好！2014年中国国际大数据大会现在开始，我是人民邮电报总编武锁宁。作为中国通信学会的常务理事，我很高兴为大家主持今天下午的研讨交流活动。随着新一代信息技术的快速发展，大数据成为了继物联网、云计算之后的又一个信息产业创新热点。而且特别值得关注的是，大数据的发展后来居上，呈现出与云计算、物联网不一样的起飞轨迹。我们知道，物联网、云计算，甚至在此之前的大哥大和3G移动宽带发展，在它们的起飞过程中都曾经经历过大起大落然后再缓慢发展的过程，留下了被业界公认为的嘎特纳曲线。3G经历了全球性的3G泡沫破灭的苦恼，云计算也经历过云里来雾里去的质疑，物联网也经历过物联网物业化的一些讨论和非议。但是我们注意到大数据的发展，却呈现出稳步起飞的态势。分析其原因我个人认为，很重要的一点，就是无论是当年的3G，甚至最早的大哥大移动电话，还是后来的云计算、物联网，他们都有一个共同的特点，就是他们的问世和发展起步，技术驱动占了很大的因素。如今的大数据，就跟移动电话的2G，或者现在的宽带移动电话的4G起步一样，由于它有着巨大的市场驱动动力，所以它的起步呈现出稳步增长的态势。中午我碰到张秘书长他跟我讲了今天上午的大会，很多专家放开稿子在这儿交流，大数据经过2012年预热发展，很快就面向应用更深入的思考，安全问题怎么解决，怎么把它用起来，在哪些领域应用，这就展现出了大数据不同于物联网和云计算，它是技术换代和由技术驱动的，而它首先有市场的需求和驱动基础，所以呈现出了可期可待的势头。所以，我们在推动发展的过程中，业界有特别关注，如何去推进大数据的应用，就成为了大家很关注的话题。在大数据的应用领域中，其实智慧城市也是大家值得重点关注的。因为，我们国家的智慧城市近年来发展非常迅速，虽然在这个问题上我们国家没有像云计算、物联网那样发一个国家规划、国务院重大产业创新的文件，但是它的影响、驱动，实际上已经有了比较广泛的群众性社会基础。所以，大数据的应用在这个领域中，更多的引起了关注。为此，今年的大数据国际论坛，就把智慧城市和大数据创新，作为一个专门论坛在这里举行。我们的标题叫《大数据与智慧城市发展论坛》，邀请到了国内外知名企业、国家以及地方政府的高层次领导和九位专家，每个人20分钟，一共要做180分钟的演讲，然后我们还有半个小时的互动交流。让我们共同参与这场高水平的学术盛宴，希望通过大家的共同努力，为整合智慧城市的数据，提升智慧城市的大数据价值，推进大数据创新和智慧城市创新，发挥出积极的推进作用。下面，首先让我们有请中国工程院院士、中国通信学会副理事长方滨兴。方滨兴：大家好！今天很高兴有机会跟大家做个交流。因为我是从事信息安全的，那么就围绕着大数据安全做一些探讨。我一直在担任信息安全工程师的角色，我们针对的问题包括：内容安全、数据安全、运行安全、物理安全。作为任何一个信息系统，它都应该符合这么一种趋势，比如说物联网设备层的是传感器，系统层重点还是以传输为主，在数据层因为数据不能被别人截获，所以相当于是数据保护，在应用层，很多应用是反馈在控制上的，比如智能家电。同样云安全也是这个问题，在物理层就叫可靠的云，在系统层就是安全的云，不能被别人攻击了，在系统层应该是可信的，不能侵害别人，否则我把我的手机通讯录备份到云上，然后我用的时候再下载下来，结果我备份给你你把信息卖了那就不行。根据这一点，我说大数据也是这样的，因为大数据的量足够大，所以就需要很大的计算平台，这个平台往往就是云。在系统层有个计算的问题，因为你的计算要有很复杂的算法。你在数据层，数据从哪来的，数据本身会不会被云平台所篡改。所以，对大数据我是按照这个层面往下展开的。大数据刚才我说了，有这么四个层面：应用层、数据层、系统层、设备层。就设备层而言，它的核心问题在哪呢？你一定要放在云上，因为数据量大所以设备量也大，设备量大的话它的可靠性马上就降低，因为我们说平均故障率如果是个常数的话，量越多平均故障的概率马上就降低了，降低了怎么办？就需要应对个问题，所以我们说它在设备层上存在这样的安全问题。但是，这个安全问题本质上就是云的可靠度，我们说是在研究大数据安全，其实就研究到了大数据的环境，而大数据几乎没有概念，当然有的人说我有四大系统，就像美国的泰坦号，国家安全局去处理情报信息。大数据系统，由于这个系统资源太集中，所以攻击的效率就很高，黑客攻击一个小机器效率不高，如果能攻击到大数据所在的环境，那他所获得的数据机会就多，所以要抵抗高处不胜寒。再一个数据量大计算也复杂，这样会导致计算崩溃掉，还有个正确性、稳定性问题要考虑。所以，本质上它还是跟云有关。在数据层也一样，大数据放在哪呢？肯定放在云上，现在我们脑袋一想最大的平台就是云，不是简单一个单位能够承受得了的设备。放在云上数据所有权是你的，而承载运行者是别人，所以操作权和所有权是分开的，分开就麻烦了，云那边的把你的数据拿出来卖了怎么办？我们知道有300多个电信人员被抓，就是因为卖个人信息，你的个人信息从哪来的啊？如果从用户库里来的那不是很麻烦吗？所以，这个问题说来说去还是云平台的问题。但是有一点，这也是大数据支撑的，跟云平台有关。也就是大数据的可信，我们知道大数据的特点是数据来源比较庞杂，甚至数据来源不好确定源头，比如说社交网络，每个人都在说话，汇聚到一起就成了大数据。还有买卖沟通的信息，买完之后你要给他打分，或者我们住一个店然后你给他评价，确实是你评价的，但是有的是恶评，本来很好就说很差，或者本来很差，因为我是股东就说它很好，这叫恶评。还有应用层，很多人讨论的时候，大数据的安全似乎就是云的安全，你把云的安全解决了大数据的安全就解决了，我说那还不对，大数据本身肯定用于挖掘，我们说大数据有四个V，其中价值的意思是什么呢？它的价值被隐藏的很深你去挖掘吧，但你这么挖掘可能挖掘出隐私来。那怎么办？过去我们没有想到有隐私问题，但由于有了大数据隐私问题就冒出来了，我专门做过这个实验，到网上查，我所某项目获得了国家科学进步一等奖，那我就一定要把某找出来。如果只有变量没有公式是求不出来的，那我就找到这个所所有的人，出过什么文章，研究过什么，最后发现是一个军事的项目，就这样被挖掘出来了，全都是在公开信息上挖掘出来的。每个人都觉得我说个某就不是隐私了，其实通过所有信息就能够求解把这个秘密挖掘出来。物理层，这是环境安全问题，这么大一个系统宕机了怎么办？当然如果说数据还在就罢了，如果数据都丢了，这无疑就相当于911事件，我们知道911有个楼一半企业没有数据备份，这样就倒闭了，而有数据备份的企业照样还生存。所以说，如果说大数据给你，全依赖你，你宕机了，那我这个企业就完蛋了。那我们要解决什么呢？解决抗打击性，我知道你在打我但是打不垮，还有可生存能力，我可以降级使用或者从容应对等等。比如说，基于多副本的分布式容灾技术，我先设一个参数为3，当然也可以设参数为5，这样我每发一个数据就会自动拷贝，就形成了一种容灾体制。当然了，容灾这个环境是有个大前提的就是异构，你不能把所有的数据都放在这三个里，这会导致什么呢？导致相关性，如果ABC都换了这三个都没了，这个放在ABC那个要放在DEF，不会出现什么都没有的情况，所以这就叫异构。当我一个数据丢失另一个在别处的数据还存在，当然我还可以探查到丢失，比如说我在这儿，我说小于三了，那我就把谁小于三再补上，这就是非常典型的。再比如说亚马逊他们做的容灾系统，这个也是一样，我提交的信息给服务器，服务器要有N个备份服务器，你给它所有的信息都会做备份，当然了这个备份要有个大前提，你不能在同地备份，如果同地备份停电了出现问题就会全部没了，什么叫备份呢？用电都不能用同一家，这儿用火力发电那就要用水力发电，这边用曙光的设备那边就得用浪潮的时候，大家得异构，这样大家才不能出现同样的问题，这样备份才有意义。因为自己的特殊原因坏了的话，因为大家都是异构的，另外一个就不会跟你有同样的问题，这样就能保证信息的安全性。我们看可生存，这涉及到检测能力，Hadoop就有这个特性，你要实时告诉我你在运行，就会找闲置机器分配。但突然有一个系统崩溃了，崩溃了你就不会跟他说话了，他一收集有一个没跟他说话，他就会查出是不是向它分配任务了，这样就可以自动把有问题的切除了，让它以后不再参与。我们OpenStack有个高可靠性服务，它的特点是大家完全同步运行，我这个队列做的什么事儿那边实时同步备份，这样只要你出现了问题，把你切掉另一个自动就会完全无缝备份。运营层，我们有计算安全的问题，我们说Google就出现过这个问题，Google邮箱因维护不当爆发了全球性故障，当然他没有特别公开的讨论这个事件，从报道能够看出来，原因就是为欧洲的大数据中心进行维护的时候，有些新的程序有副作用，这个副作用会扩散，结果导致出现这样的故障。那么我们计算安全要解决什么问题呢？因为你的信息系统装了大数据，所以有可能吸引黑客，所以你要能够抗攻击。高可用，高负荷的时候你也要保证能运行。再一个要保安全，你的软件要绝对稳定，我们知道历史上出现过很多这样的事情，整个登录的系统崩溃了，所以大家都能登机，这样就导致了很大的问题，这都是软件带来的问题。举个高可用的例子，同样Hadoop在传输的时候，首先这是一种断线还能续传的，你的系统如果被攻击了，他就不能够提供服务，这种情况下系统就会自动重新定位，而且会记录你刚才传到什么程度，然后继续会续传，这样就解决了问题。再比如说抗攻击的问题，我这个系统一定要有互相摆渡的能力，一旦我发现某个节点不响应，信息一定要全面转向另一个节点，因为我们知道指针是有互相定向的，这样这些定向就都得通知到，这样就解决了问题。再一个高可用的例子，我们叫做元数据的节点，基于位置感知的失效恢复。我的数据存储本地、远地都要有父本，而且这样才能保证某一个坏了那个还存在。这样的话，一旦我写信息的时候就要按照父本，本地、远程都有备份。这样，当我的客户要读取这个模块的时候，首先是就地读取，如果读不到就会另找路径读取，这个父本还要从远程传回过来。再有一个高可用的例子，我们说这是一个基于定向和操作系统的日志可用性。也就是说，因为它是假设软件出问题，而不是假设硬件出问题，这个软件出问题另一个软件还在，所以我们在这儿每一件是要把元数据识别出来，某一个软件出了问题，它就会把这个原始信息恢复回去。再看数据可信的问题，我把数据给你，我相信你，结果被别人拿走了，所以可信度就降低了。所以，要解决的是加密性问题，我这个数据你拿走了也不能利用。再有就是可用性，你这个原始数据应该是可用的，不应该是恶意的。还有密文运算，现在我们只能做算数运行，比如我们要做PC操作现在还不支持，比如我想在密文里搜索我想要的东西那还搜不到，如果能搜到就说明这是假的加密。再有是隐私保护的问题，比如我的数据都放在这里当然都是加密的，允许两个用户，比如说北邮最重要的信息放在里面了，所以校长们都可以读，但是有一天我辞了，换了一个校长，所以我就不能再读了，我不能再读怎么办呢？难道你们再重新做加密？这样就太麻烦，所以现在采取的办法就是再加密，完整云嘛，存储量我们假设是无限的，二次加密就不给上一任校长钥匙了，北邮这些重要信息就看不见了。完整性的问题，主要担心的是我给你数据你改了几个，这怎么办呢？所以我就说，当时我说我用我的笔记本，你的笔记本和我的不兼容，所以我没法显示，所以演讲最好拿自己笔记本自己做的东西才可以显示。我这儿想说的是什么呢？我要关心你的数据有没有变化？怎么关心呢？我把我的数据加密给你，同时产生100个数据数，然后我把每个数据数和我做个加密留下来，如果他把其中改了任何一个，他的结果一定跟我不一样。那为什么通过数据数的方法呢？直接给我不就行了吗？因为我对云不信任。我得看看这个数据是不是还在你手里？首先我得做加密，但这是片段，因为我不知道哪块在哪块不在，出现了问题，一般云是允许出现了一些小鼓掌的，