“金融与安全大数据”专题导读

专题： 金融与安全大数据

2015年11月

第1卷 第4期

大数据已经成为促进社会进步、经济发展与科技创新的关键基础资源。大规模的数据价值利用需要兼顾数据开放共享与安全隐私保护。同时，大数据开源技术体系、“互联网+”与大数据领域应用生态链、大数据金融、大数据安全等既是大数据研究的共性基础问题，也是数据产业发展的热点领域。具体而言，金融行业的大数据化管理与大数据的金融化创新是大数据产业的重要趋势，基于大数据的征信、风控、信贷、投资等已经在金融领域产生了实际的应用效果。在安全领域，大数据的发展有效缓解了数据与信息孤岛问题，为安全分析与预警等业务提供了新的手段，但大数据自身的安全以及大数据带来的危害也正在逐步显现。本期专题通过一些特定问题研究和特定应用分析，重点关注大数据在金融与安全领域的应用现状与趋势影响，不求目睹全貌，但求窥豹一斑。

在《面向大数据的并行聚类算法在股票板块划分中的应用》一文中，海沫等人利用大数据手段研究了我国A股市场股票的板块划分问题。上市公司的经营业绩在一定程度上反映了股票的投资价值，因此他们以反映经营业绩的财务指标作为股票投资价值的衡量指标，使用面向大数据的并行聚类算法对A股市场近2 600支股票进行聚类分块，进而为投资决策提供参考。林春雨等人在《基于大数据技术的P2P网贷平台风险预警模型构建》中，基于采集到的海量数据结合大数据机器学习技术构建了P2P网贷平台风险预警模型，意在为我国P2P网贷行业的高速发展保驾护航。

在《面向国防安全的网络大数据分析与应用系统》一文中，许洪波与陈波提出了面向国防安全的网络大数据分析与应用方案。该方案既能充分发挥大数据技术在多源异构数据融合、深层安全信息挖掘等方面的优势，又能快速适应现有的业务体系，产生实际效果。近几年，高级持续性威胁（APT）已经成为安全领域的一个热点话题。周涛在《基于统计学习的网络异常行为检测技术研究》一文中，分析了传统安全防范措施在应对APT攻击时的不足，同时介绍了APT攻击持续时间长、攻击链环节多等特点，为对其进行检测防范带来的新思路。此外， 该文总结了基于大数据的异常行为检测的特点，提出了基于统计学习的检测方法的技术路线和体系架构。 自动获取高质量互联网信息源是科技情报工作的一项基础性研究内容。因此，高辉等人在《面向科技情报的互联网信息源自动发现技术研究》一文中，基于共引关系、关注关系和文本内容提出了互联网信息源自动发现技术，并给出了3类应用场景。

大数据在金融与安全等领域产生的作用已逐步显现，期望本期专题能够为读者了解这一动态打开一扇窗户，同时也期待大数据能够在不久的将来为这些领域带来更多颠覆性的影响。

---