本书分为三个部分，分别介绍了数据要素市场、数据安全和隐私计算。第一部分介绍了数据要素市场的基本情况，包括数据要素制度体系和数据要素市场发展；第二部分结合数字化转型的背景，讲述了多个具备代表性的数据安全理论及实践框架、数据安全常见风险、数据安全保护最佳实践、代表性行业数据安全实践，以及数据安全技术原理、大模型与数据安全等内容；第三部分详细讲解了可信数据流通交易空间、隐私计算技术原理、隐私计算实践案例、隐私保护大模型基础设施等内容。 本书可以作为高校学生、数据要素市场从业者、数据安全行业从业者的入门读物，也可作为相关机构或组织进行数据要素市场流通体系建设实践的参考指南。
范渊，现任杭州安恒信息技术股份有限公司董事长兼总裁，对物联网安全、工业互联网安全、云安全、大数据安全、智慧城市安全等领域有深入的研究。主编和参与出版的图书如下：《智慧城市与信息安全》《智慧城市与信息安全》（第2版）《大数据时代的智慧城市与信息安全》《数字经济时代的智慧城市与信息安全》《数字经济时代的智慧城市与信息安全》（第2版）《发电厂控制与管理系统信息安全》担任浙江省政协常委，浙江省科协副主席，国家信息安全标准化委员会委员，中国网络空间安全协会常务理事，中国计算机学会安全专业委员会常务委员；是国家百千万人才工程“有突出贡献中青年专家”，科技部“科技创新创业人才”，中国科学技术协会“全国优秀科技工作者”；荣获中国互联网发展基金会首届“网络安全优秀人才奖”，中华国际科学交流基金会“杰出工程师青年奖”，浙江省杰出青年，2016年度十大风云浙商，2017年“全球浙商金奖”，2019年浙江省青年数字经济“鸿鹄奖”，科技新浙商致敬十年特别奖等荣誉。刘博，杭州安恒信息首席科学家，国家大数据态势感知国地联合研究中心副主任，之江实验室信息安全研究中心副主任。从事大数据、态势感知、数据安全、隐私计算、机器学习等领域研究工作近20年。共发表SCI科研文章20篇，国际总引用8000多次。带领团队完成300余项技术发明专利。主导和参与包括工业和信息化部、公安部、中国信息测评中心、浙江省重点技术创新项目、杭州市重大科技项目等在内的国家级、省级重大科研项目10多项。获得包括2019年世界互联网大会领先科技成果、2018—2020年连续三年工业和信息化部示范试点、2019年/2021年分别获得数博会领先科技成果等在内的60余奖项。目前主导研发的产品已服务于全球超过2500家客户，支撑了包括2010年上海世界博览会、2010年广州亚运会、历届世界互联网大会等大型会议的网络安全保障。在推动产业技术进步、促进技术成果转化等方面做出卓越成就并产生显著的经济社会效益。
目 录
第一部分 数据要素市场
第1章 数据要素制度体系 3
1.1 数据基础制度建设 3
1.2 数据安全法律法规 8
第2章 数据要素市场发展 13
2.1 数据要素市场发展概述 13
2.2 数据要素市场发展难题 21
2.3 数据基础设施架构体系 42
2.4 数据合规流通数字证书 49
2.5 企业数据资源会计处理 54
第二部分 数据安全
第3章 数字化转型驱动数据安全建设 63
3.1 数据安全的市场化价值挖掘 63
3.2 数字化转型战略意义和趋势 64
3.3 数字化转型面临的安全威胁 67
3.4 数据跨境流动与数字贸易 70
第4章 数据安全理论与实践框架 77
4.1 数据安全治理（DSG）框架 77
4.2 数据驱动审计和保护（DCAP）框架 79
4.3 数据安全能力成熟度模型（DSMM） 80
4.4 CAPE数据安全实践框架 83
第5章 数据安全常见风险 87
5.1 数据库部署情况底数不清（C） 87
5.2 数据库基础配置不当（C） 88
5.3 敏感重要数据分布情况底数不清（A） 89
5.4 敏感数据和重要数据过度授权（A） 90
5.5 高权限账号管控较弱（A） 91
5.6 分析型和测试型数据风险（P） 91
5.7 敏感数据泄露风险（P） 93
5.8 SQL注入风险（P） 93
5.9 数据库系统漏洞浅析（P） 95
5.10 基于API的数据共享风险（P） 96
5.11 数据备份风险（P） 98
5.12 误操作风险（E） 100
5.13 勒索病毒（E） 100
5.14 一机两用风险（E） 101
5.15 大模型训练和使用风险 102
第6章 数据安全保护最佳实践 104
6.1 建设前：数据安全评估与咨询规划 104
6.2 建设中：CAPE数据安全实践框架 107
6.3 建设中：数据安全管理平台 134
6.4 建设后：数据安全运营与培训 137
第7章 代表性行业数据安全实践 140
7.1 数字政府数据安全实践 140
7.2 电信行业数据安全实践 152
7.3 金融行业数据安全实践 157
7.4 医疗行业数据安全实践 163
7.5 教育行业数据安全实践 167
7.6 “东数西算”数据安全实践 173
7.7 工业数据安全实践 175
7.8 数据跨境合规与安全实践 181
第8章 数据安全技术原理 187
8.1 数据资产扫描（C） 187
8.2 敏感数据识别与分类分级（A） 189
8.3 数据加密（P） 193
8.4 静态脱敏（P） 199
8.5 动态脱敏（P） 203
8.6 文件内容识别（P） 207
8.8 数据库网关（P） 214
8.9 API安全防护（P） 219
8.10 数据泄露防护（P） 221
8.11 数字水印与溯源（E） 226
8.12 用户和实体行为分析（E） 229
8.13 数据审计（E） 232
第9章 大模型与数据安全 236
9.1 大模型赋能数据安全技术 236
9.2 大模型自身数据安全防护 239
第三部分 隐私计算
第10章 可信数据流通交易空间 243
10.1 关键问题与整体框架 243
10.2 框架支撑平台 245
10.3 数据供给平台 269
10.4 数据交易平台 276
10.5 数据交付平台 284
第11章 隐私计算技术原理 295
11.1 隐私计算技术路线 295
11.2 机密计算 297
11.3 安全多方计算 322
11.4 联邦学习 349
第12章 隐私计算实践案例 377
12.1 政务行业场景：公共数据授权运营 377
12.2 金融行业场景1：银行信贷风控 379
12.3 金融行业场景2：银行智能营销 381
12.4 金融行业场景3：证券债券定价及风控 383
12.5 公安行业场景1：打击电信诈骗 384
12.6 公安行业场景2：跨警种数据共享 385
12.7 运营商行业：数据共享开放 386
12.8 教育行业：教育信息化的数据隐私保护 387
12.9 医疗行业场景1：医疗保险业务 390
12.10 医疗行业场景2：助力药物研发 392
第13章 隐私保护大模型基础设施 394
13.1 大模型基础设施的安全风险 394
13.2 隐私保护大模型基础设施的必要性 394
13.3 基于机密计算的隐私保护大模型基础设施 395
13.4 隐私保护大模型的应用效果 397
书单推荐
