面向大学生的数据安全与隐私计算

20XX/XX/XX面向大学生的数据安全与隐私计算汇报人:XXXCONTENTS目录01

课程开篇引入02

数据安全基础概念03

隐私计算核心概念04

数据安全行业应用05

隐私计算行业应用CONTENTS目录06

数据安全风险防范07

隐私计算应用风险08

相关合规要求梳理09

课程总结与实践课程开篇引入01应对个人数据泄露风险大学生常因社交、求职泄露信息，如校园贷诈骗案例，本课能教授数据防护方法。适配数字化就业需求互联网企业普遍要求数据安全能力，掌握隐私计算知识可提升求职竞争力。助力合规科研实践大学生科研涉及大量数据，学习本课能确保数据处理符合《个人信息保护法》要求。为什么要学习本课本课学习目标

掌握数据安全核心理论与技术系统学习数据加密、访问控制等核心技术，理解如苹果端到端加密的应用逻辑。

精通隐私计算典型框架与场景熟悉联邦学习、同态加密等框架，掌握其在金融风控等场景的落地方法。

具备数据安全合规实践能力了解《个人信息保护法》等法规要求，能完成校园数据采集的合规性评估。数据安全基础概念02基于保密性的核心界定指采取技术与管理措施，确保数据不被未授权泄露，如大学生选课系统的个人成绩仅本人可查。基于完整性的范围界定保障数据在存储、传输过程中不被篡改、破坏，比如大学生学籍档案需保持原始信息的完整准确。基于可用性的目标界定确保授权用户可按需正常访问数据，像校园一卡通的消费数据需随时支持学生查询使用。数据安全的定义数据安全的重要性

保障个人信息财产安全大学生网购、校园贷等行为涉及大量个人信息，数据泄露易引发诈骗、财产损失等问题。

维护校园数字生态稳定高校教务系统、科研数据库存海量数据，安全失守会扰乱教学秩序、泄露科研成果。

助力未来职业发展大学生求职、实习时需提交各类个人数据，重视安全可避免因信息泄露错失就业机会。大学生相关数据场景

校园消费数据场景大学生日常使用校园卡、支付APP消费，涵盖餐饮、购物等数据，易成为信息泄露目标。

学业管理数据场景高校教务系统存储着大学生的成绩、选课、论文等学业数据，属于核心隐私范畴。

求职就业数据场景大学生求职时提交的简历、实习经历等数据，若被不当泄露可能影响就业机会。隐私计算核心概念03隐私计算的定义

技术视角下的隐私计算定义从技术层面看，隐私计算是指在不暴露原始数据的前提下，实现数据分析、挖掘的一类技术集合。

应用场景视角下的隐私计算定义从应用场景来说，隐私计算是为金融、医疗等领域提供数据协作同时保障数据隐私的解决方案。隐私计算的核心目标

实现数据可用不可见通过多方安全计算等技术，如蚂蚁集团摩斯系统，让数据在不泄露原始内容的前提下实现价值挖掘。

平衡数据价值释放与隐私保护在保障用户隐私的基础上，推动数据流通，像高校联合科研时可安全共享学生脱敏后的数据用于分析。

构建可信的数据协作环境借助零知识证明等技术，为企业、高校间的数据协作搭建信任桥梁，避免数据泄露风险。多方安全计算该技术可让多方在不共享原始数据的前提下协作计算，如蚂蚁集团用其实现联合风控建模。联邦学习它能让多机构在本地训练模型再整合结果，像微众银行用联邦学习开展联合信贷风控。可信执行环境依托硬件构建安全隔离空间运行代码，英特尔SGX就是典型的可信执行环境技术。常见技术方向概览数据安全行业应用04金融行业的应用隐私计算助力信贷风控借助联邦学习技术，网商银行可在不共享用户数据前提下，联合多方精准评估用户信贷资质。隐私保护下的客户精准营销招商银行通过多方安全计算，整合多渠道数据，在保护隐私的同时实现个性化产品推送。敏感交易数据加密存储工商银行采用同态加密技术，对用户交易流水等敏感数据加密，确保数据使用全程安全。病历数据隐私安全防护借助联邦学习技术，如微医平台实现多医院病历数据联合建模，无需共享原始病历保障隐私。医疗影像数据安全协作通过隐私计算框架，阿里云医联体可在不泄露影像原始数据的前提下完成影像AI模型训练。患者健康数据合规共享利用差分隐私技术，丁香园在向科研机构提供健康数据时，添加噪声避免患者隐私信息泄露。医疗行业的应用互联网行业的应用用户隐私数据加密存储

抖音、小红书等平台采用端到端加密技术存储用户浏览、收藏数据，防止数据泄露。用户行为数据匿名化分析

淘宝、京东对用户购物行为数据做匿名化处理，用于精准推荐且不暴露用户身份。API接口数据安全防护

美团、饿了么通过身份认证、流量监控等手段，保障外卖交易API接口的数据传输安全。校园场景的应用

学生个人信息防护高校通过隐私计算技术加密学生学籍、体检等数据，如清华大学搭建的学生信息安全管理系统。

校园科研数据保护针对科研团队的实验数据，利用隐私计算实现数据可用不可见，比如浙大实验室的科研数据协作平台。

校园消费数据安全管理借助隐私计算分析校园卡消费数据，既保障学生消费隐私，又能为食堂运营优化提供数据支撑。隐私计算行业应用05联合统计建模应用

高校科研数据联合分析高校联合开展医学科研时，可通过联合统计建模在不共享原始数据的前提下，完成疾病关联性分析。

校园消费数据联合建模多所高校可借助该技术，联合分析学生消费行为数据，为校园服务优化提供精准依据。

就业数据联合统计研究高校与企业通过联合统计建模，在保护学生隐私的前提下，分析就业数据以优化人才培养方案。数据协同交易应用跨校科研数据联合分析交易高校间通过隐私计算技术共享科研数据，如清北联合开展基因研究，实现数据价值共创且隐私不外泄。校企用户画像联合建模交易企业与高校合作，利用隐私计算构建精准用户画像，比如阿里与浙大合作优化电商推荐算法。金融风控数据协同交易银行与高校科研团队借助隐私计算共享风控数据，如工行与复旦合作提升信贷风险识别能力。个人信息保护应用大学生求职信息加密保护借助隐私计算技术，可对大学生简历中的手机号、住址等敏感信息加密，像智联招聘已落地相关应用。校园消费数据脱敏处理通过隐私计算对大学生校园卡消费记录脱敏，仅保留分析所需特征，如支付宝校园生活板块的隐私防护。学业信息安全共享利用隐私计算实现高校间大学生学业信息安全共享，无需暴露原始数据，如教育部学历认证平台的相关实践。跨部门民生服务数据协同多地政务系统通过隐私计算实现医保、社保数据安全共享，无需直接交换原始数据即可完成业务核验。政务信用评估数据融合借助隐私计算，将税务、工商等部门数据安全整合，为企业信用评估提供全面且合规的数据支撑。疫情防控数据联合分析部分城市通过隐私计算打通卫健、交通等部门数据，实现密接人员排查且不泄露个人隐私信息。政务数据共享应用数据安全风险防范06个人数据泄露风险社交平台过度授权泄露大学生常因授权各类小程序获取权限，如某校园社交APP曾过度读取用户通讯录致信息泄露。求职简历违规收集泄露部分求职平台违规收集大学生身份证、家庭住址等信息，曾有平台批量泄露简历给第三方机构。公共WiFi恶意窃取泄露大学生在校园公共WiFi环境下刷课、购物，曾出现黑客通过钓鱼WiFi窃取账号密码等隐私数据。不当数据共享风险

第三方平台违规共享个人数据部分大学生通过求职平台投递简历后，遭平台违规共享信息，频繁收到诈骗电话与垃圾短信。

社交平台过度共享隐私数据大学生在社交平台分享生活内容时，易因权限设置不当，导致地理位置、学籍信息被过度共享。

校园内部数据违规流转部分高校社团将收集的学生活动报名信息违规共享给商业机构，引发学生个人信息泄露问题。违规数据处理风险私自售卖用户个人数据部分大学生为牟利，私自将收集到的同学选课记录、联系方式等数据卖给校外机构，触碰法律红线。违规共享敏感学术数据部分科研团队未经许可，将大学生参与科研项目的实验原始数据违规共享给第三方企业，引发隐私泄露。超范围使用调研数据有些大学生调研团队在完成课题后，超调研初衷将收集到的师生消费数据用于商业推广，违背数据使用约定。账号权限精细化管控高校可借鉴清华大学的权限管理模式，按角色分级设置数据访问权限，避免越权操作风险。敏感数据加密存储与传输采用AES-256加密算法对学生隐私数据加密，像中山大学那样在传输中启用SSL协议保障安全。钓鱼诈骗精准拦截与科普借助AI识别系统拦截钓鱼链接，同时开展类似浙江大学的反诈讲座，提升学生防范意识。常见风险应对方法隐私计算应用风险07应用场景合规风险

数据跨境传输合规风险部分高校联合境外机构开展科研时，易出现未经合规评估就跨境传输学生隐私数据的情况。

医疗场景数据使用合规风险大学生参与医疗科研项目时，隐私计算应用若未按《个人信息保护法》处理健康数据，易触发合规风险。

校园金融场景合规风险部分校园贷平台借隐私计算分析大学生消费数据，存在超范围使用个人信息的违规隐患。多方数据融合后的痕迹残留风险如某高校联合企业开展用户行为分析，融合后原始数据痕迹未彻底清除，存在泄露隐患。算法迭代过程中的缓存数据泄露风险部分高校科研团队在迭代隐私计算算法时，未及时清理缓存数据，导致用户隐私信息被意外获取。跨场景数据流转的残留风险大学生校园消费数据经隐私计算流转至第三方平台后，仍有部分隐私字段未被完全脱敏而泄露。隐私泄露残余风险风险防控基本思路01构建全流程数据管控体系从数据采集、传输到处理全环节设置权限，参考清华大学隐私计算平台的分级管控方案。02建立动态风险监测机制依托AI算法实时识别异常操作，如某高校实验室通过该机制拦截多起违规数据访问行为。03强化合规性审查与审计定期开展合规审计，对照《个人信息保护法》排查漏洞，确保隐私计算流程合法合规。相关合规要求梳理08国内核心法律法规

《网络安全法》数据保护条款作为我国网络安全领域基础性法律，明确了数据收集、存储、使用等环节的合规要求。

《个人信息保护法》核心规则这部专门立法对个人信息处理全流程作出规范，明确大学生个人信息的保护边界。

《数据安全法》监管要求聚焦数据安全与发展，规定了数据分类分级、风险评估等制度，为高校数据管理提供依据。校园数据管理规则

01学生个人数据采集规范仅收集学业、校园服务必要数据，如选课信息、学籍资料，禁止过度采集社交、出行等非必要数据。

02校园数据存储权限管控采用分级存储机制，学生敏感数据如身份证号仅对辅导员、学籍管理员开放查询权限。

03校园数据共享审批流程跨部门共享学生数据需提交申请，经校数据安全委员会审批，如校企合作数据共享需严格审核。课程总结与实践09本课核心内容回顾

数据安全基础理论解析涵盖数据加密、访问控制等核心理论，以高校学生信息泄露案例强化风险认知。

隐私计算核心技术拆解讲解联邦学习、差分隐私等技术，结合阿里联邦学习电商应用案例说明落地场景。

校园数据合规准则