重要数据出境风险发生机理与测度方法研究

The security issue in important data’s cross-border transfer is significant to the nation’s economic and social developments, which is also closely related to the realization of strategic goal for “the network powerful nation”. How to better manage the data resources and strengthen the risk management is an urgent problem to be solved for improving the data governance capacity. Considering the unclear occurrence mechanism and difficulties in dynamic evaluation and real-time warning, this research focuses on the basic theory, modeling, and methodology for risk management of important data’s cross-border transfer. Firstly, by analyzing the complex network and dynamic characteristics of important data transmission, we mine the network features and evolution rules, identify the risk occurrence mechanism, and depict the risk driven elements. Secondly, through data methods and Bayesian analysis, we build a comprehensive model framework for measuring risks in important data’s cross-border transfer, which can dynamically assess risks from multiple perspectives; Furthermore, by integrating the Bayesian learning into structural models, we develop the real-time warning technology for data’s illegal cross-border transfer. Thirdly, we conduct an empirical analysis for important data’s cross-border transfer in biomedical industry, provide risk management policies and suggestions, and also predict the policy effects through simulations based on counterfactual analysis. The research helps to expand the scope of data security, enrich and develop the risk management theory, and provide technical support for risk management in data’s cross-border transfer.

重要数据出境的安全问题对国家经济社会发展至关重要，与实现网络强国战略目标密切相关，如何加强重要数据出境风险管理是提升我国数据治理能力亟待解决的难题。针对重要数据出境风险发生机理不清、难以动态评估和实时预警等问题，开展以重要数据出境风险为研究对象的基础理论与模型方法研究。首先，分析重要数据传输的复杂网络和动力学特征，挖掘网络特性和演化规律，识别风险发生机理，刻画风险驱动要素。其次，综合数据方法和贝叶斯分析，开发重要数据出境风险测度综合模型研究框架，实现风险的多角度动态评估；整合贝叶斯学习机制和结构化模型，研发重要数据非法出境行为实时预警技术。最后，针对我国生物医疗行业重要数据出境问题展开实证研究，提供数据出境风险管理的策略建议，并通过反事实实验分析策略执行效果。研究成果旨在拓展数据安全研究范畴，丰富并发展数据出境风险管理理论，为我国数据出境风险管理提供重要技术支撑。

信息技术与数字经济的发展推动了大规模数据的跨境流动，随之而来的数据安全风险也变得多样化，如何建立健全重要数据跨境安全风险监测管理体系成为切实提升我国数据治理能力的重要议题。本项目从重要数据风险管理视角出发，对重要数据跨境安全风险评估与监测管理开展研究，提出了数据跨境流转风险的“识别-测度-评估”模型和方法，并应用于国家风险监测预警平台。形成三个主要创新点：一是基于复杂网络理论刻画了重要数据出境风险发生机理，构建了基于链路预测方法的数据跨境流转风险路径识别模型，量化数据流动路径的风险值以开展合理的分级和监测管理。二是基于链路预测算法从节点关联度和相似性角度量化风险发生可能性，从网络节点属性角度量化风险发生后果，较为全面地整合了当前数据流动网络中的有效信息，对机构层面的数据跨境传输风险进行测度。三是结合定性与定量分析方法构建了重要数据出境安全态势测度模型，利用层次分析法以及模糊综合评价方法建立风险预警模型对生物信息组织机构进行数据出境风险评估。同时，基于跨境实验日志开展实证分析，刻画了生物医疗数据源机构的特征，识别了重要数据跨境的关键风险驱动要素；在微观层面构建企业级生物数据出境风险指数模型；在宏观层面，综合考虑企业机构间的复杂网络关系，在风险相关性范式下构建区域级数据出境风险测度模型。本项目致力于重要数据跨境安全风险识别与测度，研究成果丰富了数据出境风险管理的基础理论，为国家重要数据出境相关的法律法规和政策制定等提供理论依据，同时为政府和行业监管部门针对重要数据出境的安全态势测度和异常出境行为预警提供模型方法和技术支撑。研究成果已有效应用于国家计算机网络应急技术处理协调中心、国家互联网应急中心网络安全应急技术国家工程实验室等国家风险监测预警平台，实现了风险要素异常提示和高风险组织机构动态预警等功能，在维护国家安全和行业监管方面发挥了智力支撑作用。