数据要素化100问 可控可计量与流通交易PDF电子书下载

查看更多关于的内容

第一章 认知：数据的科学内涵 3

1.什么是数据要素？为什么说数据≠数据要素？ 3

2.将数据上升为生产要素的时代背景是什么？ 6

3.为什么我国率先把数据上升为生产要素？ 12

4.如何理解数据对提高生产效率的乘数作用？ 15

5.什么是数据要素化？其本质是什么？ 17

6.数据要素化的目的和手段是什么？ 19

7.数据能不能流通？如何流通？ 21

8.数据权属界定难在什么地方？ 24

9.为什么说数据大规模流通如同开设“化工厂”，数据监管势在必行？ 27

10.为什么数据流通必须做到“使用可控可计量”？ 29

第二章 坚守：关于数据的法律要求 35

11.法律上如何定义数据？什么是数据安全责任？ 35

12.哪些主体需要对数据安全负责？ 37

13.《数据安全法》体现了怎样的新数据安全观？ 40

14.数据安全和个人信息保护是一回事吗？ 41

15.《个人信息保护法》对个人信息处理者有哪些主要要求？ 42

16.为何必须明确个人信息处理的目的和方式？ 46

17.APP隐私政策“弹窗”频繁，如何理解处理个人信息需取得个人同意的法律要求？ 48

18.个人信息处理者面临“有责推定”的被动局面，如何自证清白？ 50

19.法律对互联网平台大数据“杀熟”有哪些惩罚措施？ 52

20.生物识别、金融账户、行踪轨迹等个人敏感信息有哪些特殊保护要求？ 55

21.死者或未成年人（儿童）的个人信息可以用来交易吗？ 56

22.什么是“数字鸿沟”？法律如何保障老年人、残疾人等特殊群体利益？ 58

23.从事数据交易中介服务的机构需承担哪些合规义务？ 61

24.如何更好落实数据分类分级保护制度？ 62

25.我国数据出境有什么特殊要求？ 64

26.为什么说《网络安全法》《数据安全法》《个人信息保护法》是我国数据领域落实总体国家安全观的“三驾马车”？ 67

第三章 实现：数据要素化的技术路径 71

27.技术进步如何赋能我国数据流通？ 71

28.数据安全保护需要什么样的信任基础？ 73

29.隐私保护计算保护的是什么？这类技术主要有哪些？ 75

30.什么是著名的百万富翁问题？从它开始创立的多方安全计算和传统的加密算法有什么区别？ 77

31.为什么40年前提出的多方安全计算理论近几年才实现工程化落地？ 82

32.如何理解联邦学习是一种人工智能技术？它真的能做到“数据不动”吗？ 84

33.多方安全计算和联邦学习在数据使用的安全可控方面有何区别？ 87

34.为什么说可信执行环境实际上是“被信任”的技术方案？ 89

35.数据脱敏之后真的变得不敏感了吗？ 90

36.差分隐私真的可以把数据隐私信息差分（掩盖）掉吗？ 93

37.同态加密的“同态”指什么？它能让秘密数据发挥作用吗？ 96

38.去标识化和匿名化的含义是什么？数据流通中使用这类技术还应注意什么？ 99

39.为什么有很多直觉上安全的数据保护手段反而是危险的？ 101

40.不同隐私保护计算技术如何扬长避短，有效地组合使用？ 103

41.为什么技术只做到“数据可用不可见”还不够，还要控制数据的使用目的、方式和次数？ 105

42.计算合约是什么？它如何帮助隐私保护计算技术实现数据使用可控？ 107

43.隐私保护计算产品的代理计算模式和直连模式分别是什么？它们对数据流通的可监管性有什么影响？ 109

44.联合统计：如何在不透露工资数额的情况下，计算多人的工资总额？ 112

45.隐匿查询：如何实现既得到查询信息，又能保证数据提供方的数据集和查询方的查询意图不被暴露给对方？ 115

46.隐私求交：如何得出多方共同拥有的信息，同时保护每方私有的信息？ 116

47.联合建模：多方如何实现在明文数据不汇聚的前提下，得到和明文汇聚训练相同的模型结果？ 118

48.我国目前已有哪些隐私保护计算标准和相关的检测认证？ 119

49.云计算和数据流通有什么关系？ 124

50.区块链和数据流通有什么关系？ 126

51.人工智能在释放数据价值上有什么用？ 128

第四章 活力：数据的流通交易 133

52.数据流通与传统生产要素流通有什么不同？ 133

53.为什么说在新型数据流通范式中，流通的是数据的特定使用价值？ 136

54.如何理解数据、算法、算力是数据流通的核心？ 138

55.数据流通和数据交易是什么关系？ 140

56.数据应该如何估值与定价？ 142

57.为什么说数据交易发生在“餐厅”，而不是“菜市场”？ 143

58.数据的场内交易和场外交易有什么不同？ 145

59.如何避免数据交易侵害第三方权益？ 148

60.数据供给存在哪些突出问题？ 150

61.如何理解“数据要素由市场评价贡献、按贡献决定报酬”？ 152

62.如何建立数据可信流通体系？ 154

63.如何构建高效的数据流通基础设施？ 155

64.数据流通基础设施应该运用什么样的运营理念？ 158

65.数据流通基础设施怎么走向“互联互通”？ 160

第五章 探索：数据要素市场的最新实践 165

66.“十四五”规划对数据提出了哪些具体要求？ 165

67.全国算力一体化枢纽体系是什么？“东数西算”工程如何支撑数据要素市场建设？ 166

68.目前出台了哪些地方性数据相关政策？ 168

69.政府数据授权运营目前已有哪些政策支持？ 171

70.我国数据交易所发展经历了哪几个阶段？ 174

71.以北京、上海为代表的新设立的数据交易所究竟“新”在哪里？特点是什么？ 176

72.金融业为什么是数据价值释放的“前沿阵地”？ 178

73.在培育医疗领域数据要素市场过程中，有哪些痛点和难点？ 181

74.如何激发工业数据潜力，构建产业数字化生态体系？ 183

75.电信运营商作为政企数字化的重要支撑，在数据要素市场中将发挥怎样的作用？ 185

76.围绕乡村振兴，数据要素化在哪些方面可以发挥价值？ 186

77.为什么说中小微企业转型发展更需要数据要素市场？ 188

78.在交通领域，如何通过数据实现物理空间和虚拟空间的智能融合？ 191

第六章 视野：数据要素化的全球观 195

79.欧盟提倡的匿名化是什么？其技术评估从哪几个维度开展？ 195

80.欧盟《通用数据保护条例》开创了哪些重要的数据保护理念？ 196

81.欧盟《通用数据保护条件》出台后有哪些重大执法案例？ 200

82.美国提倡去标识化和假名化，有什么特殊背景？ 203

83.为什么说《加州消费者隐私法案》（CCPA）是美国最具代表性的个人信息保护法案？ 206

84.欧盟与美国达成的《跨大西洋数据隐私框架》对我国有何影响？ 208

85.我国提出的匿名化、去标识化与世界主要国家和地区有什么区别？ 209

86.全球主要经济体相继推出了哪些数字经济战略布局？ 212

87.国际数据管理协会数据管理知识体系与我国《数据管理能力成熟度评估模型》（G B/T 36073-2018）有何异同？ 214

88.国外有哪些创新的数据流通交易模式？ 219

89.数据信托是什么？全球已有哪些试点探索？ 223

90.英特尔的SGX和安谋的TrustZone被曝过哪些安全漏洞？ 224

91.国际上现有哪些隐私保护计算标准？ 226

92.哪些国家和地区申请隐私保护计算专利较为突出？ 229

93.全球首个多方安全计算技术的商用案例是什么？ 234

94.我国目前的隐私保护计算落地算全球领先吗？国外相关进展如何？ 235

95.欧美地区的隐私保护计算金融应用现状如何？对我国有何借鉴意义？ 239

第七章 预见：数据要素化的远景趋势 245

96.数据如何赋能“双循环”新发展格局？ 245

97.在加强科技伦理治理的背景下，如何做好数据伦理治理？ 248

98.数据收益应该如何分配，如何赋能“共同富裕”？ 249

99.如何探索构建现代数据产权制度？ 252

100.数据资产化离我们有多远？ 256

名词缩写 258

参考文献 262

查看更多关于的内容