目　　錄

第 一篇　體系篇

第 1章　數(shù)據(jù)要素安全概述 2
1.1 數(shù)據(jù)要素的發(fā)展歷程 2
1.1.1 數(shù)據(jù)1.0時代 2
1.1.2 數(shù)據(jù)要素時代到來 4
1.1.3 數(shù)據(jù)與數(shù)據(jù)要素的關(guān)系 5
1.1.4 數(shù)據(jù)要素的發(fā)展 7
1.2 數(shù)據(jù)安全概述 11
1.2.1 數(shù)據(jù)1.0時代的數(shù)據(jù)
安全 11
1.2.2 數(shù)據(jù)要素安全 12
1.2.3 數(shù)據(jù)安全與數(shù)據(jù)要素
安全 14
1.2.4 數(shù)據(jù)要素安全與個人
隱私 15
1.3 本章小結(jié) 17
第 2章　數(shù)據(jù)安全標準體系、合規(guī)
現(xiàn)狀與安全事件 18
2.1 數(shù)據(jù)安全標準體系 18
2.1.1 國際數(shù)據(jù)安全標準體系 18
2.1.2　國內(nèi)數(shù)據(jù)安全標準體系 20
2.2 全球數(shù)據(jù)安全立法現(xiàn)狀 22
2.2.1 國外典型數(shù)據(jù)安全
法律法規(guī) 22
2.2.2 中國數(shù)據(jù)安全法律法規(guī) 23
2.3 典型的數(shù)據(jù)安全監(jiān)管要點分析 34
2.3.1 法規(guī)保護的數(shù)據(jù)和個人
信息對象 34
2.3.2 隱私法律賦予用戶各項
數(shù)據(jù)權(quán)利 35
2.3.3 企業(yè)應(yīng)履行的數(shù)據(jù)安全
保護義務(wù) 37
2.3.4 企業(yè)違反法律條款的
相關(guān)處罰 37
2.4 典型數(shù)據(jù)安全事件與執(zhí)法情況 38
2.4.1 全球數(shù)據(jù)安全事件態(tài)勢 38
2.4.2 數(shù)據(jù)安全事件梳理 40
2.4.3 數(shù)據(jù)合規(guī)的監(jiān)管執(zhí)法
情況 41
2.5 本章小結(jié) 42
第3章　數(shù)據(jù)要素安全體系 43
3.1 數(shù)據(jù)流通的生命周期 44
3.1.1 數(shù)據(jù)生命周期 44
3.1.2 數(shù)據(jù)的流通方式 45
3.1.3 數(shù)據(jù)跨域流通 47
3.2 數(shù)據(jù)流通所面臨的安全挑戰(zhàn) 47
3.2.1 政策挑戰(zhàn) 48
3.2.2 技術(shù)挑戰(zhàn) 48
3.3 數(shù)據(jù)安全治理 50
3.3.1 數(shù)據(jù)治理與數(shù)據(jù)安全
治理 50
3.3.2 現(xiàn)代企業(yè)數(shù)據(jù)安全
治理框架 52
3.4 數(shù)據(jù)確權(quán) 54
3.4.1 數(shù)據(jù)三權(quán)分置框架 54
3.4.2 數(shù)據(jù)權(quán)利主張 55
3.4.3 可信數(shù)據(jù)活動 56
3.5 數(shù)據(jù)要素安全流通 59
3.5.1 數(shù)據(jù)要素流通現(xiàn)狀 59
3.5.2 數(shù)據(jù)要素安全流通
框架 61
3.5.3 數(shù)據(jù)要素流通場景與
新技術(shù) 65
3.6 本章小結(jié) 67


第二篇 技術(shù)洞察篇

第4章　數(shù)據(jù)安全自用場景的
技術(shù)洞察 70
4.1 場景需求分析 70
4.1.1 靜止態(tài)數(shù)據(jù) 70
4.1.2 傳輸態(tài)數(shù)據(jù) 71
4.1.3 運行態(tài)數(shù)據(jù) 72
4.1.4 小結(jié) 72
4.2 摸清家底：敏感數(shù)據(jù)識別與
分類分級 73
4.2.1 數(shù)據(jù)分類分級的目標 73
4.2.2 數(shù)據(jù)分類分級技術(shù) 74
4.2.3 小結(jié) 76
4.3 重塑身份與訪問機制：零信任
安全架構(gòu) 77
4.3.1 零信任的理念 77
4.3.2 身份管理與訪問控制 79
4.3.3 軟件定義邊界 83
4.3.4 微隔離 89
4.3.5 開源項目介紹：
Guacamole 91
4.3.6 小結(jié) 94
4.4 監(jiān)測針對數(shù)據(jù)的內(nèi)部威脅：
用戶和實體行為分析 95
4.4.1 用戶和實體行為分析
概述 95
4.4.2 UEBA架構(gòu)與核心技術(shù) 95
4.4.3 UEBA在數(shù)據(jù)安全領(lǐng)域的
應(yīng)用 96
4.4.4 小結(jié) 96
4.5 數(shù)據(jù)安全防護的基石：新型
加密技術(shù) 97
4.5.1 更安全的加密算法 98
4.5.2 更高效的加密算法 101
4.5.3 更具功能性的加密算法 103
4.5.4 開源項目介紹：Acra 106
4.5.5 小結(jié) 109
4.6 本章小結(jié) 110
第5章　數(shù)據(jù)可信確權(quán)場景的
技術(shù)洞察 111
5.1 場景需求分析 111
5.2 幫助各方建立權(quán)益共識：
區(qū)塊鏈 112
5.2.1 區(qū)塊鏈概述 112
5.2.2 區(qū)塊鏈中的區(qū)塊與
節(jié)點 112
5.2.3 區(qū)塊鏈的類型 113
5.2.4 基于區(qū)塊鏈的新型
數(shù)字資產(chǎn)：NFT 114
5.2.5 開源項目介紹：
Hyperledger Fabric 115
5.3 建立全局可信的唯一身份：
去中心化身份 118
5.3.1 去中心化身份概述 118
5.3.2 可驗證的數(shù)字憑證
系統(tǒng) 119
5.3.3 去中心化身份在數(shù)據(jù)要素
確權(quán)中的應(yīng)用 121
5.3.4 開源項目介紹：DIDKit 122
5.3.5 小結(jié) 123
5.4 追溯與明確數(shù)據(jù)的權(quán)屬：數(shù)字
水印 123
5.4.1 數(shù)字水印概述 124
5.4.2 數(shù)字水印的分類與
性質(zhì) 124
5.4.3 主流數(shù)字水印技術(shù) 125
5.4.4 小結(jié) 127
5.5 本章小結(jié) 127
第6章　數(shù)據(jù)可控流通場景的
技術(shù)洞察 128
6.1 場景需求分析 128
6.2 降低敏感數(shù)據(jù)風險：數(shù)據(jù)脫敏
與風險評估 129
6.2.1 數(shù)據(jù)脫敏概述 129
6.2.2 假名化、去標識化與
匿名化技術(shù) 130
6.2.3 數(shù)據(jù)脫敏風險及效果
評估 133
6.2.4 開源項目介紹：
Presidio 134
6.2.5 小結(jié) 136
6.3 精確平衡隱私與價值：
差分隱私 136
6.3.1 差分隱私概述 137
6.3.2 典型的差分隱私算法 138
6.3.3 差分隱私變體 141
6.3.4 開源項目介紹：OpenDP 141
6.3.5 小結(jié) 147
6.4　模仿真實世界的數(shù)據(jù)：
合成數(shù)據(jù) 147
6.4.1 合成數(shù)據(jù)概述 147
6.4.2 創(chuàng)建合成數(shù)據(jù)的常用
技術(shù) 148
6.4.3 合成數(shù)據(jù)的優(yōu)勢 149
6.4.4 合成數(shù)據(jù)的典型應(yīng)用
場景 149
6.4.5 開源項目介紹：Synthetic
Data Vault 150
6.4.6 小結(jié) 152
6.5　防護數(shù)據(jù)流通的應(yīng)用：API
安全 152
6.5.1 API安全概述 153
6.5.2 API安全防護的主要技術(shù)
手段 154
6.5.3 API安全在數(shù)據(jù)要素安全
中的應(yīng)用 155
6.5.4 小結(jié) 156
6.6　本章小結(jié) 156
第7章　協(xié)同安全計算場景的
技術(shù)洞察 157
7.1 場景需求分析 157
7.2 在密文域中計算：同態(tài)加密 158
7.2.1 同態(tài)加密概述 158
7.2.2 同態(tài)加密的關(guān)鍵技術(shù) 159
7.2.3 開源項目介紹 161
7.2.4 小結(jié) 167
7.3　確保敏感數(shù)據(jù)不出域的聯(lián)合建模：聯(lián)邦學習 168
7.3.1 聯(lián)邦學習概述 168
7.3.2 聯(lián)邦學習的分類 168
7.3.3 聯(lián)邦學習中的安全風險 170
7.3.4 開源項目介紹：FATE 173
7.3.5 小結(jié) 179
7.4　從百萬富翁問題到通用計算：
安全多方計算 179
7.4.1 安全多方計算概述 180
7.4.2 核心原語與典型應(yīng)用 181
7.4.3 向?qū)嵱眠~進的MPC
框架 186
7.4.4 典型應(yīng)用 189
7.4.5 開源項目介紹：隱語 190
7.4.6　小結(jié) 195
7.5　基于安全硬件的機密算存空間：
可信執(zhí)行環(huán)境及機密計算 195
7.5.1 可信執(zhí)行環(huán)境概述 195
7.5.2 可信執(zhí)行環(huán)境技術(shù)
盤點 196
7.5.3 可信執(zhí)行環(huán)境實踐 200
7.5.4 小結(jié) 204
7.6　構(gòu)建從硬件到軟件的全信任鏈：
可信計算 205
7.6.1 可信計算的背景與應(yīng)用
場景 205
7.6.2 可信計算的核心技術(shù) 205
7.6.3 可信計算與機密計算的
關(guān)系 208
7.6.4 小結(jié) 209
7.7　本章小結(jié) 210
第8章　大模型與數(shù)據(jù)安全 211
8.1　大模型概述 211
8.2　構(gòu)建大模型數(shù)據(jù)安全基石 212
8.2.1　大模型生命周期中的數(shù)據(jù)
安全風險 213
8.2.2　防護技術(shù)應(yīng)用 215
8.2.3　小結(jié) 217
8.3　大模型賦能數(shù)據(jù)安全技術(shù) 217
8.3.1　基于大模型的數(shù)據(jù)分類
分級技術(shù) 217
8.3.2　基于大模型的數(shù)字水印
技術(shù) 220
8.3.3　小結(jié) 221
8.4　本章小結(jié) 221


第三篇 實踐案例篇

第9章　數(shù)據(jù)安全自用實踐案例 224
9.1　分類分級與零信任相關(guān)法律
法規(guī) 224
9.1.1　國內(nèi)相關(guān)法律法規(guī) 224
9.1.2　美國相關(guān)法律法規(guī) 225
9.1.3　歐盟相關(guān)法律法規(guī) 226
9.2　微軟的數(shù)據(jù)分類應(yīng)用實踐 226
9.2.1　案例背景 226
9.2.2　案例詳情 227
9.2.3　小結(jié) 229

9.3　Grab智能化數(shù)據(jù)治理：LLM
與數(shù)據(jù)分類的融合探索 230
9.3.1　案例背景 230
9.3.2　案例詳情 231
9.3.3　小結(jié) 233
9.4　Google的零信任應(yīng)用實踐 233
9.4.1　案例背景 233
9.4.2　案例詳情 234
9.4.3　小結(jié) 235
9.5　本章小結(jié) 235

第 10章　數(shù)據(jù)可信確權(quán)實踐案例 237
10.1　區(qū)塊鏈、DID與數(shù)據(jù)確權(quán)的關(guān)系 237
10.1.1　區(qū)塊鏈與數(shù)據(jù)確權(quán) 238
10.1.2　NFT與數(shù)據(jù)確權(quán) 238
10.1.3　DID與數(shù)據(jù)確權(quán) 238
10.2　三大NFT傳奇 239
10.2.1　Everydays 從每日創(chuàng)作到6900萬美元 239
10.2.2　Merge項目引領(lǐng)NFT價值與互動新篇章 240
10.2.3　無聊猿如何打造40億美元的數(shù)字帝國 241
10.2.4　小結(jié) 242
10.3　區(qū)塊鏈平臺的成功案例 242
10.3.1　Verisart：數(shù)字時代的藝術(shù)保護傘 242
10.3.2　Decentraland：虛擬世界
與數(shù)字經(jīng)濟 243
10.3.3　Audius：賦予音樂創(chuàng)作者更多自主權(quán) 244
10.3.4　小結(jié) 245
10.4　Sovrin Network：構(gòu)建全球自我
主權(quán)身份體系 245
10.4.1　案例背景 245
10.4.2　案例詳情 245
10.4.3　小結(jié) 246
10.5　本章小結(jié) 247
第 11章　數(shù)據(jù)可控流通實踐案例 248
11.1　平衡數(shù)據(jù)使用中的數(shù)據(jù)精度與
隱私保護 248
11.1.1　案例背景 248
11.1.2　案例詳情 249
11.1.3　小結(jié) 251
11.2　蘋果公司差分隱私技術(shù)實踐：
隱私保留的用戶行為分析 251
11.2.1　案例背景 251
11.2.2　案例詳情 251
11.2.3　小結(jié) 253
11.3　通過合成數(shù)據(jù)技術(shù)實現(xiàn)隱私
保護與政策評估 253
11.3.1　案例背景 254
11.3.2　案例詳情 254
11.3.3　小結(jié) 255
11.4　摩根大通合成數(shù)據(jù)技術(shù)實踐：
破解金融AI發(fā)展的關(guān)鍵挑戰(zhàn) 255
11.4.1　案例背景 256
11.4.2　案例詳情 256
11.4.3　小結(jié) 258
11.5　本章小結(jié) 258
第 12章　協(xié)同安全計算實踐案例 259
12.1　荷蘭中央統(tǒng)計局：基于同態(tài)加密實現(xiàn)醫(yī)療項目有效性評估 259
12.1.1　案例背景 260
12.1.2　案例詳情 260
12.1.3　小結(jié) 262
12.2　四國NSO：聯(lián)邦學習在跨國數(shù)據(jù)隱私保護中的應(yīng)用 262
12.2.1　案例背景 262
12.2.2　案例詳情 263
12.2.3　小結(jié) 265
12.3　美國的MPC實踐：確保
學生財務(wù)信息的隱私與安全 266
12.3.1　案例背景 266
12.3.2　案例詳情 267
12.3.3　小結(jié) 268
12.4　深圳大學信息中心的MPC試點：
跨部門數(shù)據(jù)共享的安全新路徑 268
12.4.1　案例背景 268
12.4.2　案例詳情 269
12.4.3　小結(jié) 270
12.5　印尼旅游部TEE實踐：保障數(shù)據(jù)
安全的跨境游客分析新模式 271
12.5.1　案例背景 271
12.5.2　案例詳情 271
12.5.3　小結(jié) 272
12.6　國家微生物科學數(shù)據(jù)中心：基于TEE實現(xiàn)基因數(shù)據(jù)分析 273
12.6.1　案例背景 273
12.6.2　案例詳情 274
12.6.3　應(yīng)用價值 275
12.7　Apple Intelligence：保護用戶
隱私的AI應(yīng)用 275
12.7.1　案例背景 275
12.7.2　案例詳情 276
12.7.3　小結(jié) 278
12.8　數(shù)盾：東數(shù)西算工程中的
數(shù)據(jù)安全規(guī)劃 278
12.8.1　背景介紹 278
12.8.2　相關(guān)規(guī)劃及構(gòu)想 279
12.8.3　小結(jié) 280
12.9　本章小結(jié) 280
參考資料 282
后記 285