大数据在金融领域主要面临哪些风险，应该怎么解决？

数据窃取

大数据采用云端存储处理海量数据，对数据的管理较为分散，对用户进行数据处理的场所无法控制，难以区分合 法用户与非法用户，容易导致非法用户入侵，窃取重要信息，在网络空间，大数据更容易成为攻击目标。

非法添加和篡改分析结果

黑 客入侵大数据系统，非法添加和篡改分析结果，可能对金融机构以及个人甚至政府的决策造成干扰。

个人信息泄露

面临用户移动客户端安全管理和个人金融隐私信息保护的双重安全挑战，企业较难在安全性与便利性之间达成 平衡。

数据存储安全

“数据大集中”在中国金融业获得广泛认可。一些大型券商和银行纷纷建设数据种子作为金融服务的核心和基 础。大数据对数据存储的物理安全性、多副本性要求较高。一方面各类复杂数据的集中存储易出现存储混乱，造 成安全管理违规。另一方面安全防护手段的更新升级速度无法跟上数据量的非线性增长，大数据安全防护容易出现漏洞。

大数据风险防控政策建议

建立大数据金融系统

大数据金融生态系统是指金融大数据与从事大数据金融活动的个人、家庭、厂商、政府、非政府组织等社会行为体之间 共同形成的动态系统整体。

大数据金融系统可用下图表示：

人工智能_大数据_区块链_技术风险-1
　　各主体在从事金融交易活动时会产生海量金融大数据，这种大数据呈几何增长，构建海量金融大数据与大数据金融活 动相互影响的大数据金融生态系统非常重要。加强对系统内不法行为的规制，杜绝信息篡改、窃取，保护个人隐私，促 进信息流的良性循环，保证数据的真实可靠。引入信用系统、评级系统等，强化金融大数据系统的安全性和可靠性。

规范数据提取及交易程序

一方面，明确收集大数据主体。大数据的产生包括两个渠道，一是来自法律授权收集，二是公民使用网络设备自动形成 的信息记录。两种信息源头的信息混杂在一起，形成更为精准、私密的信息。针对此类信息的收集，目前无法做到程序化和模板化，只能秉持两个基本原则：利益原则和知情与许可原则。

另一方面，明晰数据交易主体。大数据是静态的提取与存储过程，也是动态的交易过程。在金融领域，不论是个人信 息、企业信息还是政府