大數據恍惚了涉密與非涉密數據的邊界，顛覆了數據垃圾無奧秘的傳統認識，沖破了以客觀存在為基本的定密習慣。因此，稍有疏忽便有大概激發泄密事件，保密事情者應高度鑒戒。

大數據潛伏“竊密通道”

從非涉密數據中發明涉密信息。大數據根基理論匯報人們：“假如將海量的碎片化數據匯聚到一起，聚沙成塔，形成大數據，然后通過數據闡明，就可挖掘出埋沒在大數據表象背后的重要代價。”這一理論啟示人們：假如將海量多元的非涉密數據通過大數據技能舉辦關聯闡明，在碎片化的信息之間成立某種整體接洽，就可挖掘出埋沒在非涉密數據背后的重要代價。而這種“代價信息”因具有代價屬性很大概涉及奧秘領域，從而使大數據具備了從非涉密數據中發明涉密信息的本領。好比，早些時候曝光的“棱鏡”“X要害分”等美國網絡監控打算已經充實表白，美國情報機構早已與“八大金剛”等網絡巨頭細密相助，對全球通信系統和互聯網舉辦大數據收羅、挖掘和闡明，從中匯集他國國度奧秘和情報信息。因此，假如將非涉密數據置于一種失管失控的狀態，就容易被非法分子等閑獲取并從中發明有用情報。

使數據垃圾顯現涉密代價。大數據根基理論匯報人們：“數據的代價并不只限于特定的用途，它可覺得了同一目標而被多次利用，也可以用于其它目標；判定數據的代價需要思量到將來它大概被利用的各類潛在方法，而非僅僅思量其今朝的用途。”好比，在英國粹者舍恩伯格所著《大數據時代》一書中，有一則關于“莫里的導航圖”案例，就是運用數據垃圾再操作的典范案例。該案例報告的是年青的帆海家馬修·方丹·莫里操作庫房里存放的帆海書箱、陳舊的輿圖和圖表，以及多年前水師上尉寫的大量帆海日志建造全新帆海圖的故事。固然莫里可以或許打仗到的帆海日志都是陳年舊貨，內容上也無章可循，但莫里和他的助手硬是把看似垃圾的帆海日志繪制成表格并從頭操作，樂成建設了一張全新的更安詳、更有效的帆海圖，取得了空前樂成。由此可見，大數據再操作技能可以或許使所謂的數據垃圾釋放新的能量，重現新的代價，這種代價一旦具有涉密屬性，就會使數據垃圾顯現涉密代價。

提前感知涉密事項的趨勢與將來。基于相關干系闡明基本上的預測是大數據的焦點。A增長的同時B也增長，A低落的同時B也低落，在擁有海量A數據的基本上，國外域名 免費域名，就可以操作大數據技能捕獲B的此刻和預測B的將來。舍恩伯格在《大數據時代》中提到，麻省理工學院兩位經濟學家通過一個軟件在互聯網上天天收集50萬種商品的價值信息，然后把大數據和洽的闡明法相團結，就能比官方數據提前一步發明通貨緊縮趨勢。這種趨勢涉及國度經濟成長大局和將來走向，提前一步發明就是相當于把握了焦點機要。由此可見，大數據預測成果使人們有本領提前一步感知到涉密事項的成長趨勢和將來狀態，這一成果假如被非法分子操作，就大概演變為一種新型的竊密手段。

堵住大數據“竊密通道”刻不容緩

改變看待非涉密數據和數據垃圾的傳統處理懲罰方法。大數據時代，非涉密數據、數據垃圾與涉密數據一樣，具有特有的代價和大概的涉密屬性。這就啟示保密事情者不能再像以往一樣把目光范圍在涉密數據上，而應在緊盯涉密數據的基本上，清醒地認識到非涉密數據以及數據垃圾存在的泄密風險。要充實認識到，包羅數據宅兆、數據孤島、數據垃圾、由涉密數據解密形成的非涉密數據、自然形成的非涉密數據在內的所有數據，都有其根基代價和潛在代價，都有大概是挖掘涉密信息，感知涉密事項趨勢和將來的基本原料。保密事情者在處理非涉密數據和數據垃圾時，再也不能把非涉密數據絕對性地界定在涉密領域之外，使其離開了保密視線，也不能一味地把數據垃圾看成廢棄物丟棄；相反，要采納有效法子，防御非涉密數據或數據垃圾成為失密泄密的新源頭。

沖破涉密數據以時長作為解密條件的傳統尺度。無論是《中華人民共和國守舊國度奧秘法》，照舊《中國人民解放軍保密條例》，對付奧秘的打點都是以時長作為涉密信息定解密的一條主要尺度。然而，在大數據配景下，涉密數據不只具有根基代價，還具有潛在代價，僅僅依靠時間來判定涉密數據是否仍有利用代價和保密需要是遠遠不足的，因為保密期限的屆滿并不能完全代表涉密數據已經沒有任何利用代價。因此，要沖破涉密數據以時長作為解密條件的傳統尺度，引入代價判定這一新尺度，將兩者有效團結起來。在傳統時長尺度的前提下，組織專業的大數據公司和數據科學家，依托科學公道的應用模子，審核即將到期解密的涉密數據，判定涉密數據的有用性和代價殘留，在此基本上，再來確定涉密數據是否認期解密。