金融大數據信息安全與風險防控

申妙芳

(廣州涉外經濟職業技術學院,廣東廣州 510540)

0 引言

在云計算技術和物聯網技術的綜合運用下,大數據技術被廣泛地應用于金融行業中,不僅提高了海量數據的識別能力和處理能力,還實現了對金融信息風險的全面管理,為進一步提高金融行業風險管控能力提供重要的技術支持。因此,為了實現對金融網絡信息數據的全面保護,促進金融行業的健康、可持續發展,如何科學防控金融大數據信息安全風險是技術人員必須思考和解決的問題。

1 數據安全能力成熟度模型構建

數據安全能力成熟度模型作為一套指導標準,主要用于對數據的安全管理。該模型在具體的設計中,主要是在充分結合法律法規的基礎上,嚴格按照如圖1所示的數據安全成熟能力建設框架進行設計的,從圖1中可以看出,該框架主要包含以下三個維度,分別是組織建設、制度流程、技術工具和人員能力[1]。其中,組織建設主要是指通過構建數據安全組織機構的方式,確保各個員工明確自身的職責范圍,從而提高數據安全組織水平,數據安全組織主要包含決策層、執行層和管理層。制度流程主要是指從數據安全規章制度、數據安全管理規范兩個環節出發,構建和實施數據安全管理制度。技術工具主要是指通過充分利用與數據安全制度相關的一系列技術和工具,實現對數據生命周期的科學管理。人員能力主要包含兩大核心能力,一種是數據安全組織能力和技術工具建設能力,另一種是數據安全運營能力。總之,通過利用這種維度共建的方式,不僅有利于最大限度地提升數據的可靠性和安全性,還能幫助金融行業實現對數據的安全管理[2]。

2 金融大數據信息安全面臨的威脅

2.1 大數據集群數據庫飽受威脅

在大數據時代背景下,所有的信息數據變得更加透明化、復雜化和龐大化,特別是在虛擬網絡中,大數據集群數據庫逐漸成為了網絡病毒、網絡黑客、不法分子重點攻擊的目標,該數據庫內部存儲的數據相對比較集中,這就為網絡攻擊者一次性攻擊和竊取大量數據提供了可乘之機。現階段,在大數據技術的應用背景下,金融信息逐漸向數據化、系統化、集中化方向不斷發展,所以,金融企業對金融信息的安全性提出了更高的要求,但是,部分金融企業忽視了對金融信息安全保障體系的優化和完善,無法保證金融信息的安全性,從而導致金融信息安全風險系數不斷升高,嚴重影響了金融企業的健康、可持續發展[3]。

2.2 智能終端數據遭受威脅

近年來,隨著我國綜合實力的不斷提升,我國逐漸成為了世界級的智能終端市場,而智能終端的使用對金融信息的穩定性、可靠性和安全性提出了更高的要求,這是由于智能終端設備內部存儲海量的金融信息數據,一旦該設備網絡攻擊者非法攻擊,將會導致大量的金融信息出現丟失、泄露,給金融企業造成了巨大的經濟損失。目前,金融信息系統與各個智能終端設備進行了有效的連接,因此,智能終端設備參與到金融信息的傳輸和共享環節中,這無疑增加了金融信息被攻擊的風險和概率。由此可見,利用智能終端設備采集、存儲和傳輸金融信息會為網絡病毒、網絡黑客、不法分子惡意攻擊和竊取金融信息提供可乘之機。

2.3 數據虛擬化導致泄密威脅

數據虛擬化作為一種常用的數據處理方法,為實現對數據的安全訪問、管理和完善發揮出重要作用。通常情況下,數據是海量信息的綜合,通過利用數據虛擬化技術,可以提高海量數據處理能力,但是,卻增加了數據的丟失風險和泄露風險。隨著金融電子行業的不斷發展,網絡業務得到了極大的推廣和普及,造成數據處理難度不斷加大,同時,金融卡號竊取時間、電子欺詐事件頻繁出現,金融信息面臨前所未有的安全風險。由此可見,數據虛擬化技術的出現和應用,增加了金融信息泄密的風險。

3 金融大數據信息安全風險防控策略

在大數據技術的應用背景下,為了進一步 提高金融大數據信息安全風險防控水平,技術人員要從以下幾個方面入手[4-5]:

(1)多源異構金融大數據實時處理、數理統計云服務平臺架構。集成Neo4j圖數據庫及Spark-GraphX等圖計算框架,為構建知識圖譜提供底層的框架技術支持。整合NewSQL數據庫,提供分布式強一致性的數據存儲能力,滿足高并發的歷史數據查詢需求。(2)多種生物特征匹配融合。不同的生物識別技術在精度、安全性、穩定性、識別速度、便捷性、成本、功耗等眾多方面有著明顯的差異,因此在不同的應用領域中,也會有著各自不同的特點和優劣勢。多種生物特征在匹配層上的融合能夠很好的實現各種生物識別技術的平衡,為各種業務系統、員工及客戶提供安全便捷、真實、準確的身份認證。(3)金融大數據的知識圖譜構建及用戶畫像技術應用。采用大數據技術,研究基于“企業、個人、機構、賬戶、交易、行為數據”的金融行業大數據知識圖譜,挖掘隱藏在復雜網絡之下的關聯關系風險和資金流動異常,搭建銀行客戶的關系網絡,洞察銀行客戶關系及具有較強關系的客戶情況及風險,可為銀行客戶風險控制、風險洞察、風險預警以及運營優化研究分析等提供技術支持。

4 金融大數據信息安全風險防控成功案例

百融金服企業在實際的管理和經營中,主要借助大數據技術,采用線上線下相結合的方式,完成對金融風險模型的構建。在這個過程中,首先,百融金服企業通過利用非金融數據,構建金融信用模型,獲得大約有50萬個數據類型。在此基礎上,利用大數據技術,從規則引擎、數據建模和指標庫構建三個環節出發,將風險預警工作落實到位,以達到降低金融信息風險的目的。其次,通過全面采集和分析用戶行為數據,精確地預測用戶的還款能力,從而將用戶違約風險降到最低。此外,還要充分利用用戶違約數據,實現對用戶信用評分模型的構建,以達到不斷修改、優化和完善用戶信用等級評分體系的目的。最后,百融金服企業通過利用大數據技術,借助相關機器設備,提取出信用等級較高的用戶,并對用戶的個人信用風險進行全方位分析和評價,從而實現對金融大數據信息安全風險的有效防控,為進一步提高百融金服企業的社會效益和經濟效益打下堅實的基礎[6-7]。

圖1 數據安全成熟能力建設框架Fig.1 Data security mature capacity building framework

從以上成功案例中可以得出幾點結論:(1)在大數據技術的應用背景下,通過對海量金融信息進行科學分析,構建多種金融信息風險評估模型,可以最大限度地提高金融信息風險預測結果的準確性和真實性;為后期更好地防控金融信息安全風險創造良好的條件。(2)通過利用大數據技術,可以根據金融行業的發展需求,完成對云數據系統的搭建,為高效構建風險評估模型,完善信用評分體系產生積極的影響。由此可見,大數據技術出現和應用為提高金融信息風險預測能力和防控能力發揮出重要作用,因此,金融企業要重視對這一技術的科學應用,只有這樣,才能將金融信息風險降到最低,不斷提高金融企業的生產力和市場核心競爭力,促進金融企業的創新、長遠發展。

5 結語

綜上所述,在大數據時代背景下,加強對金融信息的保護顯得尤為重要,這是由于金融信息在各個平臺上均有所記錄和保存,為了更好地保護金融信息,金融企業要重視對大數據技術的科學應用,通過構建風險評估模型,完善用戶信用評分體系,盡可能提高金融信息的穩定性、可靠性和安全性,只有這樣,才能將金融大數據信息安全風險降到最低,從而提高金融企業的社會效益和經濟效益,為保證金融企業的生產力和市場核心競爭力提供有力的保障。