生成式人工智能赋能政府数据安全治理的机遇、风险及应对

[目的/意义]生成式人工智能是推动数据要素高水平安全的新动力,是助力政府数据安全高质量发展的新引擎,是实现政府数据治理体系和治理能力现代化的新优势。[方法/过程]本文基于政府数据安全治理“黑箱阶段—灰箱阶段—白箱阶段”的全生命周期流程,剖析生成式人工智能赋能各阶段所引致的机遇与风险,并提出应对策略。[结果/结论]生成式人工智能可以最大化发挥其在事前监测预警、事中应急响应、事后反馈评估的赋能作用,但也伴随着可能产生数据泄漏、决策失误、主体性危机等治理风险。而推动生成式人工智能精细化治理、健全全域政府数据安全治理体系、培育全链路政府数据安全治理能力,是保障生成式人工智能良技善治的重要策略。

政府数据安全治理研究:热点主题与演化趋势

基于CiteSpace软件及WoS核心数据合集,对2008~2022年发表的政府数据安全治理相关研究进行文献计量统计及可视化分析,探讨近15年来该领域的研究热点主题和发展演化趋势。结果显示,在有效的665篇文献可视化分析中,政府数据安全治理研究包含了数据安全政策、物联网、数字水印、区块链、深度学习、数据泄露、数据共享等热点主题,再结合可视化分析结果以及文献的阅读,将政府数据安全的治理归纳为两个方面,即“技术 + 政策”,为该领域未来研究提供一些思路和参考。

我国政府数据安全政策评估体系构建研究

文章针对我国政府数据安全政策评估体系,从相关概念界定、构建多元化政策评估主体以及确立政策评估指标体系三个方面进行研究。着重从多元化政策评估主体以及政策评估指标体系两方面研究政府数据安全政策评估体系的构建,并通过对评估指标进行赋值找到关键的评估指标,以期通过完善的政策评估体系优化我国政府数据安全政策的制定和实施。

大数据时代政府数据安全治理:文献综述与研究展望

本文从政府数据安全治理概况、数据安全困境、提升路径研究三个方面对近些年政府数据安全治理的相关研究进行梳理,并进行总结与回顾,试图寻找出现阶段研究存在的问题,并对未来的研究方向提出展望。