隨著工業(yè)領域進入工業(yè)4.0時代，運維技術 (Operation Technology) 和信息技術 (Information Technology, IT) 趨于并駕齊驅，IT 部門部署軟件的目的也是為了提升工廠設備的生產效率。目前，共享制造中這種信息化和工業(yè)化的融合已經是安全漏洞上一項令人堪憂的議題，不僅是數據盜竊、遺失，甚至擴散和滲透到城市安全、人身安全、關鍵基礎設施安全，乃至國家安全等更廣泛的層面，造成的后果日益漸重。

　　物聯網時代/共享制造 ，沒有一勞永逸的安全防護

　　物聯網存在的各種安全問題需要物聯網設備制造商和終端用戶的共同合作采取措施確保設備安全。所有共享制造組件的安全問題都非常繁雜，系統(tǒng)的每部分都至關重要，漏洞可能就存在于應用設備、程序、平臺、傳感器和云中。因此，我們需要接受一種新的安全觀念，就是“沒有永遠的安全防護，安全是個持續(xù)對抗的過程，千萬不可掉以輕心”。

　　以下一個議題分享給你們

　　在大數據和物聯網的環(huán)境下，數據安全不再只是系統(tǒng)的反入侵、文檔的保密，數據安全要滿足在不同場景下的敏銳反應、消費者、顧客的訴求、國家對于個人信息保護的要求和數據跨境流動的要求等等，這些都為數據安全建設帶來了新的挑戰(zhàn)。

　　現在數據安全VS過去數據安全

　　1. 注重系統(tǒng)的防護→ 聚焦數據內容本身的防護;

　　2. 單一組織的保障→ 跨組織的聯動;

　　3. 數據的保密→ 數據經濟秩序的保障;

　　4. 更加適應大數據技術的特點;

　　5. 技術風險+操作風險→ 技術風險+操作風險+商業(yè)風險+法律風險。

　　聚焦數據，需要明確數據在哪里、數據是怎樣獲取的、誰在使用數據、為什么需要數據。聚焦數據生態(tài)，包括數據生產者/提供者、數據加工者、數據管理者/控制者、數據消費者。另外，數據安全能力成熟度模型(DSMM)，能夠幫助企業(yè)評估自身數據安全能力，并且參與了各項標準的制定。DSMM基于數據生命周期各階段和全生命周期的安全局。

　　至于信息有分為兩種, 共享制造內的用戶個人信息和用戶隱私信息，個人信息不等同于隱私信息，個人信息>隱私信息， 隱私信息是動態(tài)的變化的。用戶隱私保護框架重點在收集、使用、存儲、共享。數據安全的建設是利己利人的，良好的產業(yè)環(huán)境需要大家共同維護與努力，積極配合監(jiān)管，參與標準的制定，也需要自律。

共享數據安全架構

　　在這之后要建立安全治理架構，共分為五個層級：

　　這五個環(huán)節(jié)是相輔相成的，缺一不可。

　　1. 首先，符合法規(guī)、標準及外部要求;

　　2. 其次，在此基礎上制定策略，重點是得到管理層的承諾與支持，再建立各項方針;

　　3. 再次，建立各級組織，數據安全絕對不只是IT部門/安全部門的職責，要在整個公司建立各級組織。安全部門的主要職責是提供標準、框架、技術以及進行監(jiān)督發(fā)現異常事件，數據安全需要全員參與并明確各級職責;

　　4. 然后，制定相應流程;

　　5. 最后，是底層技術的支持。

　　制造安全解決辦法

　　在大數據與共享制造的合作上，因為很多公司今天還沒有使用區(qū)塊鏈，所以對數據共享和獲取都有防御。區(qū)塊鏈解決了數據共享中最基礎的信任問題，數據可以安全地被共享，但不會被廣泛的濫用。數據提供方不一定提供聚合的數據，而是更塬始的數據，然后使用方通過智能合約上的模型計算想要的結果，比如信用保證保險的信用模型的構建，在健康險里可以看到體檢報告、診療記錄、運動記錄等數據……這種場景在保險行業(yè)的大數據采集能力加強的情況下會越來越普遍。

　　區(qū)塊鏈能夠增強數據的聚合，而人工智能的深度學習需要基于龐大的大數據分析。包含共享制造，從很多應用中，可以看到區(qū)塊鏈和人工智能是息息相關的，比如智能客服、保險產品的智能推薦、e非標與自動化的利用。這些案例運用到大量的數據，但僅一家公司的數據是無法實現的，我們需要產業(yè)鏈上的各個公司共同完成。

　　我們希望通過展示這些威脅和風險，可以提升開發(fā)人員對AI軟件安全的關注，并唿吁整個人工智能及安全行業(yè)，全面提高深度學習框架和AI應用程序的軟件安全性，為未來人工智能的發(fā)展注入動力?！碑斎唬P注當下安全問題，把握未來發(fā)展趨勢，這也是互聯網業(yè)者們共同探討、分享的議題。

更多資訊敬請關注智造家行業(yè)資訊頻道