随着新一代信息技术的发展，互联网和人工智能技术应用蓬勃发展，数据也被视为一种无形的资产。然而，在给我们生产生活带来效率提升的同时，伴随的安全问题也不可忽视。近几年，科技企业在推广新一代信息技术产品时，数据安全、数据隐私等问题广受诟病。数据安全成为当今数字化转型时代的关键紧迫议题。
数据安全治理面临新的机遇和挑战
没有大数据的收集和基础，人工智能是无本之木。数据作为驱动人工智能快速发展的重要基础，其安全也决定了人工智能的安全。人工智能的加速发展给数据的安全治理带来了新的机遇和挑战。
近年来，城市也成为了网络勒索的重要目标，而且网络攻击的对象不仅限于电脑、手机、设备、系统，还逐渐扩展到数据。人工智能数据的获取、处理和应用具有极强的隐私性与领域扩展性，关乎个人信息安全甚至国家信息安全。对政府、城市公共事业单位的数据勒索，会造成城市运转和服务陷入停摆。
业界认为，针对上述情况，要让人工智能技术的头顶上高悬一把达摩克里斯之剑。
数据非法跨境流通可能危害国家主权和国家安全；数字信息的过度采集和非法使用，可能侵犯公民的权利和隐私；算法的偏好可能加剧社会的偏见或歧视，威胁公平正义；无人驾驶汽车紧急避险等智能决策可能威胁特定人群的生命……
人工智能发展与安全发展风险同时并存，这不仅是一个技术问题，也是一个安全问题，同时还涉及伦理、法律和国际规则等相关问题。人工智能带来的数据安全问题一方面加速了传统数据安全问题。人工智能大规模的运用使得过度采集数据安全问题进一步加剧。另一方面，也带来了新型数据安全的问题。人工智能的算法对数据具有较强的依赖性，可能会带来数据投毒等新型数据安全挑战。
算法、模型和数据构成机器学习三大基以算法构建过程中上下游的产业链来看，数据的输入、数据的分析、模型的训练、模型的决策、模型的上线部署应用以及模型的改造过程当中都存在相应的风险。
例如，在数据输入环节，如果攻击者控制了数据来源，或者攻击者能够对收集数据的设备本身产生安全攻击，终将通过这个链条影响到算法模型。如通过超声波影响陀螺仪，终可以使无人机坠落。或者在模型决策阶段，可以通过物理攻击，使得自动驾驶车辆终视觉识别系统出问题，这样可能影响车辆自动行驶或者对行人的判断。
随着人工智能的应用，技术的滥用带来失控风险。早在2017年，地下的黑产就已经开始用机器学习的方法做二维码识别训练。资料表明，80%以上验证的准确性都可以通过机器学习算法自动完成线上的注册，这就产生了一系列的安全问题。
人脸识别技术依托于对海量视图数据的分析，因而数据安全直接影响着人脸识别技术的实战应用。人工智能技术在安防领域的应用是技术寻求落地进程快、应用早的训练场。
从数据采集到数据处理到数据传输，解决数据网络安全问题有很多手段。从网络和数据角度要完成三个重要的任务——物理隔离、网络隔离、应用端到端的保护。
今年6月，我国颁布了《数据安全法》，9月1日将开始正式实施。《数据安全法》提出以数据分级分类为核心，搭建数据安全的监管制度，要求强化落实各级数据处理活动主体数据安全保护的义务与责任，为规范数据处理活动，保障数据安全提供法律依据。另外，《个人信息保护法(草案)》也即将进入三审阶段，两项法案相辅相成，推动我国个人信息保护和数据安全治理进入全新阶段。
