课程地址：https://www.secretflow.org.cn/community/bootcamp/2narwgw4ub8rabq/course/aa2voad02uo8pn7?isMooc=true
课程概述
- 讲师：王钺（清华大学电子工程系，参与国家数据局数据流通安全治理文件编制）
- 核心目标：解析数据流通安全治理的基本问题、底层逻辑，呈现跨领域协同的核心诉求（非技术细节/操作指引）
- 课程结构：数据要素与流通需求 → 安全治理核心问题 → 技术与制度支撑 → 总结
一、数据流通的演进阶段与治理诉求
数据流通的边界扩展推动治理范畴持续拓宽，演进过程可分为四个阶段：
| 阶段 |
核心特征 |
数据状态 |
治理诉求 |
| 信息化阶段 |
业务过程数据化记录 |
依附于业务系统，无独立价值 |
数据采集与存储规范 |
| 系统整合阶段 |
多业务系统协同需求 |
第一次破壁（跨系统流动），成为数据资产 |
数据标准化、整合治理，推动业务协同 |
| 跨主体协同阶段 |
不同利益主体协作 |
第二次破壁（跨主体边界） |
解决信任、收益分配、责任界定问题（依赖商业协议） |
| 要素化流通阶段 |
数据融入经济循环 |
规模化、开放化流通 |
市场化配置资源，降低交易成本，构建灵活治理机制 |
二、数据流通安全治理的核心概念与边界
1. 与传统数据安全治理的区别
- 传统数据安全：聚焦单一主体内部，强调数据不泄露、不篡改、不滥用，可统一规划管控
- 数据流通安全治理：跨主体、跨管理域，核心挑战是主体间信任薄弱、责任边界模糊，需兼顾安全与合规
2. 数据安全 ≠ 数据合规
| 维度 |
数据安全 |
数据合规 |
| 核心关注 |
数据本身的安全状态（防泄漏、防篡改） |
数据处理行为的合法性（符合法律、政策要求） |
| 影响范围 |
主要涉及数据持有者 |
涉及多方主体（数据持有者、使用者、权益相关方） |
| 实现方式 |
技术手段为主（加密、访问控制等） |
法律+政策+技术协同（授权、匿名化、监管等） |
3. 合规实践的复杂性案例
- 最小必要原则争议：高德导航收集轨迹信息（必要） vs 收集用户属性信息（争议），取决于业务范围界定
- 授权边界问题：原有授权仅覆盖特定业务，新业务复用数据可能涉及超范围使用，冷启动场景下矛盾突出
- 匿名化困境：《个人信息保护法》区分"去标识化"（不借助外部信息无法识别）与"绝对匿名化"（无法识别且不可还原），绝对匿名化技术操作困难，相对匿名化缺乏法律/标准依据
三、数据流通安全治理的场景化重点问题
1. 个人数据流通
- 核心焦点：合规性（《个人信息保护法》约束）、隐私保护
- 关键难题 ：
- 跨主体授权链条建立与管理困难（如医疗数据用于科研/商业开发需重新授权，但实操中易侵犯隐私）
- 匿名化/去标识化技术与业务精度的矛盾（过度脱敏可能导致数据失去使用价值）
- 敏感个人信息需单独同意，但缺乏统一脱敏标准
2. 公共数据流通
- 核心焦点：权责界定与监管
- 关键难题 ：
- 行政体系庞大，权责界定高度场景化
- 多头监管、标准不统一，加剧协调难度
- 缺乏类似市场主体的产权基础，难以通过谈判约定责任边界
3. 企业数据流通
- 核心焦点：主体间信任建立与收益分配
- 关键难题 ：
- 数据接收方的处理能力与保护意愿存疑，信任建立成本高
- 缺乏明确的收益分配机制，激励不足
- 责任边界依赖商业协议，但多主体协作时谈判成本高
四、数据流通安全治理的核心任务（主体/客体/过程）
1. 主体层面：责任界定与信任建立
- 责任界定原则：实操中以"谁采集、谁共享、谁持有"为核心，追溯困难时由数源单位承担责任
- 信任建立三大手段 ：
- 制度信任：通过规范环境、标准程序、认证担保构建
- 市场信任：重复交易形成的声誉反馈
- 技术信任：区块链、可信计算环境构建不可抵赖/篡改的交互环境
2. 客体层面：数据管控（分类分级与流通载体）
- 核心需求：明确"什么数据可流通、在什么范围流通、如何流通"
- 关键举措 ：
- 构建标准化流通载体（数据中间件），附加追溯信息，降低信息不对称
- 通过数据加工形成衍生数据，明确其独立持有权、使用权、经营权，切断过长责任链条
3. 过程层面：跨域协同与监管创新
- 监管思路转变：从"自上而下强制管理"转向"多元主体协商治理"
- 监管角色调整 ：
- 监管方：从行为规制转向冲突仲裁
- 技术作用：取证固证、安全审计、监测溯源
- 新监管对象：衍生数据、人工智能模型、复杂技术平台
4. 跨域协同的四大互通需求
| 互通类型 |
核心目标 |
应用场景 |
| 数据内容互通 |
实现数据安全共享与互联 |
跨主体数据合作（如企业间数据协同） |
| 编目互通 |
解决分布式编目系统的统一管理 |
跨域数据分类分级、检索 |
| 授权互通 |
适配不同管理域的授权要求 |
公共数据服务金融领域（满足金融行业严格授权标准） |
| 管控互通 |
实现跨域数据追踪、溯源与监管 |
全流程风险管控 |
五、技术与市场的协同支撑
1. 技术手段的作用与局限
- 支撑技术：隐私计算（数据可用不可见）、区块链（溯源存证）、可信数据空间（主体互信）
- 局限：单纯技术无法解决合规性、责任界定、预期管理等问题，且新技术可能引发新安全风险（如大模型训练的版权纠纷）
2. 市场化机制的补充
- 数据保险：将不确定风险转化为固定成本，保险公司推动风险评估模型进化
- 第三方专业服务：提供溯源取证、鉴定等服务，技术成果转化为核心竞争力，反向激励技术进步
六、国家数据基础设施的支撑作用
1. 核心定位
- 数据基础制度与先进技术落地的载体，目标是支持高效合规的数据要素流通
2. 架构与技术路径
| 层级 |
组成部分 |
核心作用 |
| 底层 |
网络与算力资源 |
基础支撑 |
| 技术底座 |
数据流通相关技术 |
核心解决流通安全治理问题 |
| 安全保障 |
传统网络安全与数据安全技术 |
基础安全防护 |
3. 关键技术路径的分工
- 数场：提供基础性管理平面
- 数据元件：聚焦客体管控与过程监管（标准化流通标的物+全周期管理）
- 数据空间：聚焦主体协调与过程监管（主体认证互信+数据流转追踪）
- 数连网：聚焦跨域协同（数字对象标识、编目、跨域检索）
- 共支撑技术：隐私计算（数据可用不可见）、区块链（溯源存证）
七、课程总结
- 核心逻辑：数据要素化流通要求跨主体、市场化配置资源，催生数据流通安全治理需求
- 关键任务：主体协调（信任+责任）、客体管控（标准化载体+分类分级）、过程监管（创新治理模式）、跨域协同（四大互通）
- 实现路径：需技术、制度、市场协同推进，国家数据基础设施提供核心支撑
- 核心启示：数据流通安全治理不是单纯技术或制度问题，而是跨领域协同的系统工程，需兼顾安全与发展、合规与效率