yut675
这个论文好写。论点好确定，论据好找。 
打印文章发送给好友分享按钮0[提要] 隐私是我们最基本也是最神圣的一种权利。在大数据时代即将来临的今天，我们如何去保护我们的个人隐私安全，又是一个亟待解决的问题。大数据实际上就是一种工具，而并不是一种专为窃取隐私而发展形成的泄密途径。 隐私是我们最基本也是最神圣的一种权利。但是在W0时代，面对如此众多的社交和共享应用，我们的这一权利慢慢地被消磨掉了。事实上，一些专家认为，这一权利已经丢失了。我们看到了一些严重的事实：无论是大众还是个人都可以通过一系列的做法跟踪我们的行迹、习惯和选择。然而在大数据时代即将来临的今天，我们如何去保护我们的个人隐私安全，又是一个亟待解决的问题。 数据安全往往涉及到很多隐私，数据被谁掌握，怎样能够保证安全，是我们一直比较困惑的问题，这一问题在大数据时代下又再一次被放大。在信息爆炸的信息化社会，保护隐私安全不仅仅是我们所谈到的大数据或者技术或者个人的单独行为，它是整个社会行为。所有东西都不可能通过单一的技术手段解决，它可能通过法律手段还有道德建设。现在很多数据涌来，一时间我们面临的数据非常多，这时候相关规则，立法甚至道德宣讲或者体系建立都要跟得上。工具没有好坏，看用在谁的手上。如果因为控制不好，就会很泛滥。这是取决于我们的手段，取决于我们对于建设的投入和关注。英特尔(中国)有限公司产品市场经理亢海峰在访谈中 英特尔（中国）有限公司产品市场经理亢海峰在访谈中指出，隐私的问题不是大数据时代带来的，在没有大数据时代的时候，我们就已经有很多隐私的问题，左邻右舍，正常来讲每个人回到家里希望把门关上，窗帘拉上，大家不愿意分享。这些一直有，只不过是到大数据时代，自媒体发布多了，这种情况下，解决方法有两点，一个是技术手段一个是我们自己本身，如果你不愿意这个东西泄露，我们尽量少发布这样的信息。当然有一些信息已发布出去的，而且其中有一些不和谐因素，想要控制这些方面的问题这就要通过立法实现。现在有人提出相应的立法，这个是体制和法律配套过程。 大数据实际上就是一种工具，而并不是一种专为窃取隐私而发展形成的泄密途径。既然是工具，那关键看工具用在什么地方，掌握在谁手里，就像枪一样，在人民军队就保卫人民。关键是看怎么利用这个东西，去做什么事情。当然在这个过程中，企业本身也必须要考虑到，怎样保护用户的隐私，这一直都是大数据在应用过程中不断在探索的一件事情。在安全的前提下，实现数据分享，真正创造数据价值，这才是大数据真正的目的。
"大数据"是一个体量特别大，数据类别特别大的数据集，并且这样的数据集无法用传统数据库工具对其内容进行抓取、管理和处理。 "大数据"首先是指数据体量(volumes)?大，指代大型数据集，一般在10TB?规模左右，但在实际应用中，很多企业用户把多个数据集放在一起，已经形成了PB级的数据量；其次是指数据类别(variety)大，数据来自多种数据源，数据种类和格式日渐丰富，已冲破了以前所限定的结构化数据范畴，囊括了半结构化和非结构化数据。接着是数据处理速度（Velocity）快，在数据量非常庞大的情况下，也能够做到数据的实时处理。最后一个特点是指数据真实性（Veracity）高，随着社交数据、企业内容、交易与应用数据等新数据源的兴趣，传统数据源的局限被打破，企业愈发需要有效的信息之力以确保其真实性及安全性。 从所周知，大数据已经不简简单单是数据大的事实了，而最重要的现实是对大数据进行分析，只有通过分析才能获取很多智能的，深入的，有价值的信息。那么越来越多的应用涉及到大数据，而这些大数据的属性，包括数量，速度，多样性等等都是呈现了大数据不断增长的复杂性，所以大数据的分析方法在大数据领域就显得尤为重要，可以说是决定最终信息是否有价值的决定性因素。基于如此的认识，大数据分析普遍存在的方法理论有哪些呢？ 大数据分析的使用者有大数据分析专家，同时还有普通用户，但是他们二者对于大数据分析最基本的要求就是可视化分析，因为可视化分析能够直观的呈现大数据特点，同时能够非常容易被读者所接受，就如同看图说话一样简单明了。 大数据分析的理论核心就是数据挖掘算法，各种数据挖掘的算法基于不同的数据类型和格式才能更加科学的呈现出数据本身具备的特点，也正是因为这些被全世界统计学家所公认的各种统计方法（可以称之为真理）才能深入数据内部，挖掘出公认的价值。另外一个方面也是因为有这些数据挖掘的算法才能更快速的处理大数据，如果一个算法得花上好几年才能得出结论，那大数据的价值也就无从说起了。 大数据分析最终要的应用领域之一就是预测性分析，从大数据中挖掘出特点，通过科学的建立模型，之后便可以通过模型带入新的数据，从而预测未来的数据。 大数据分析广泛应用于网络数据挖掘，可从用户的搜索关键词、标签关键词、或其他输入语义，分析，判断用户需求，从而实现更好的用户体验和广告匹配。 大数据分析离不开数据质量和数据管理，高质量的数据和有效的数据管理，无论是在学术研究还是在商业应用领域，都能够保证分析结果的真实和有价值。 大数据分析的基础就是以上五个方面，当然更加深入大数据分析的话，还有很多很多更加有特点的、更加深入的、更加专业的大数据分析方法。 当下我国大数据研发建设应在以下四个方面着力 一是建立一套运行机制。大数据建设是一项有序的、动态的、可持续发展的系统工程，必须建立良好的运行机制，以促进建设过程中各个环节的正规有序，实现统合，搞好顶层设计。 二是规范一套建设标准。没有标准就没有系统。应建立面向不同主题、覆盖各个领域、不断动态更新的大数据建设标准，为实现各级各类信息系统的网络互连、信息互通、资源共享奠定基础。 三是搭建一个共享平台。数据只有不断流动和充分共享，才有生命力。应在各专用数据库建设的基础上，通过数据集成，实现各级各类指挥信息系统的数据交换和数据共享。 四是培养一支专业队伍。大数据建设的每个环节都需要依靠专业人员完成，因此，必须培养和造就一支懂指挥、懂技术、懂管理的大数据建设专业队伍。
