大數據與上世紀九十年代的互聯網技術一樣，一經產生就迅猛發展，目前已深入影響世界各國的國家政策制定、科學研究發展，教育資源分享和國家安全管理等領域。繼聯合國推出“全球脈動”項目，希望利用“大數據”促進全球經濟發展后，2012年3月29日，美國奧巴馬政府集合美國國防部、能源部、國家科學基金等六個聯邦部門和機構，宣布推出“大數據的研究和發展計劃”。［1］該計劃將“大數據”作為全球性發展戰略計劃，大力推動與大數據相關的信息采集、組織、分析，改善輔助決策的工具與技術，提出“通過收集、處理龐大而復雜的數據信息，從中獲得知識和洞見，提升能力，加快科學、工程領域的創新步伐，強化美國國土安全，轉變教育和學習模式，”并最終確立了“大數據”作為未來信息技術發展的核心地位。值得關注的是，美國政府的大數據計劃特別提到了美國國家檔案與文件署（NARA）。我國的檔案界目前雖未提出具體規劃，但關注新技術、新方法，超前思考檔案工作的未來圖景，一直是研究者和管理者的使命，且國家檔案局2014年審批的科技項目中也有關于大數據研究的內容。［2］大數據技術橫跨數據存儲、虛擬化、云計算、數據庫管理、并行計算和數據挖掘等多個技術領域，在檔案管理中引入此概念必將帶來工作和科研的多樣化發展，同時對檔案信息安全管理亦提出了新的要求。檔案安全歷來就包括實體安全和信息安全，檔案信息安全正迎來大數據時代和云計算環境下的新風險、新挑戰。新環境下的信息安全盡管與以往的信息安全有著歷史的邏輯承續，但形成了一些新的特點，其風險鏈、風險域和風險度都有了諸多新變化，呈現出隱蔽的關聯性、集群的風險性、泛在的模糊性、跨域的滲透性以及交叉的復雜性等特點，需要加強研究。［3］在深入研究之前，需要厘清相關概念：云計算是你在做的事，而大數據是你擁有的東西。［4］一言以蔽之，大數據是在云計算基礎架構之上的應用形式。［5］由于大數據平臺基本上由基礎層、管理層、分析層和應用層架構而成，在檔案管理的工作實踐中，對數據庫的管理勢必對應檔案信息的收集、管理、利用等方面?！按髷祿备拍畹囊耄箼n案工作從內容到范圍、形式都與固有觀念有所不同。

1檔案數據采集安全

檔案數據采集包括電子文檔的收集和紙質檔案的數字化處理兩個部分。檔案數據采集安全在強調數據收集的齊全完整的同時，也要考慮由于重復收集產生的數據冗余問題。

1.1檔案數據收集范圍擴展

從某種意義上來說，“大數據”的一個重要理念就是掌握的數據量越大、內容越豐富，從中推斷出的信息就越多、結論就越有參考價值。具體到檔案工作，無論是從檔案的憑證價值和情報價值，還是檔案的現實價值和長遠價值，抑或檔案的第一價值和第二價值來考慮，就檔案數據收集而言，可能需要重新思考收集的范圍和形式。大數據往往是唯一的樣本數據集。舉例而言，那些測量交通、土壤酸堿、雨量、風力等物理信號的監控設備，或視頻監控以及其他類型的器材所連續積累的時段性或實時性數據，都單獨記錄著一個唯一的活動片段，一旦數據丟失，這個片段就隨之永遠消失。［6］從檔案收集的齊全、完整、真實、有效和數據安全考慮，這些數據文檔都應該實時在線歸檔,并同時保存離線副本。具體操作規范和標準可參考《電子文件管理暫行辦法》（中辦、國辦廳字〔2009〕39號）和《電子文件歸檔與管理規范》（標準號：GB/T18894-2002）。另一個比較典型的案例是美國政府的《聯邦政府Web2.0使用情況和檔案價值報告》，該報告中提到，在社交平臺上產生的信息，只要具有業務價值、證據價值和背景價值，就可以認定為歸檔的文件。我國迄今為止雖對這類內容無具體的歸檔規定，但根據大趨勢判斷，各級各類檔案館的收集范圍需要主動擴展。檔案大數據也可以說是檔案的“全數據”。相對于其他領域的數據收集，檔案大數據更強調的是數據的“全”：收集業務范圍內的所有檔案數據。一個基層檔案部門，只要收集了本機關、團體、企事業單位的全部檔案數據，即使數據總量不大，也可以稱之為大數據。因為在其后對這些數據進行的分析，將采取“樣本=總體”的方法；凡采用這種分析方式的數據分析方法，就稱為大數據分析。當一個機構擁有全部或者幾乎全部的檔案數據，就能從不同的“相關”關系而非“因果”關系中更細致地統計和研究數據的方方面面。因此，檔案大數據中的“大”不是絕對意義上的，而是相對意義上的“大”。與此同時，在具體工作中我們也發現，在大數據環境下，原來按“單位”進行的檔案收集會有相當程度的冗余信息產生。例如，各級部門下發的紅頭文件，如果每個收文單位都作了歸檔，在今后可能建立的某種級別的云檔案數據庫中就存在相當的數據冗余。［7］這時就可能需要在歸檔的源頭與具體規定這類文件的歸檔單位，其它收到此類文件的單位不需要歸檔，但在需要時有查詢和利用的權限。

1.2紙質檔案數字化過程和結果安全

紙質檔案數字化的過程安全是指在檔案數字化過程中沒有發生危害檔案實體和信息安全的事件或行為。因此，一系列的規章制度和規范的操作流程是必要的。首先，要考察數字化服務提供單位的資質和信譽。其次，要建立完善的管理制度。例如，案卷不準擅自帶離加工現場；當日數字化的案卷必須當日歸庫；案卷進出庫有嚴格的交接、檢查手續等等。最后，在數字化的過程中嚴格遵守《紙質檔案數字化技術規范》（標準號：DA/T31-2005），檔案的拆卷要以不破壞檔案裝訂原貌為基礎，在掃描過程中保證案卷整潔并確保掃描圖像與原件一致。紙質檔案數字化的結果安全是指數字化后的檔案數據有效、可用。因此，檔案數字化后必須經過電子檔案質量檢查這一環節。這也是對檔案數字化結果安全監控的重要一步。主要包括三個過程或環節：一是質量抽查，對于不合格的數據要及時返工重掃。二是數據檢測，主要內容包括病毒檢測、運行檢測和數據核對等三個方面。三是數據利用檢測，主要是將全部數據直接掛接到檔案管理系統后，對外提供利用時，是否出現錯誤或者使用者發現的一系列問題。［8］為了保證數字化后檔案信息的長期有效可用，異地的多種載體備份存儲和數字信息定期可讀性抽查、復制備份等制度的建立也是必要的。

2檔案信息管理系統安全

從上世紀90年代國內最早的檔案管理軟件產生至今，已經經歷了近20年的發展。隨著計算機及網絡技術的發展，數字化檔案管理方式在分布形式上從最初的單機版（C/S架構）、到網絡版（B/S架構）、直至發展到最新的面向服務的數據平臺（SOA架構）；在功能上則從單一的僅實現簡單檔案管理的軟件、到檔案管理軟件與OA系統整合的數據庫、再到現今的將數字化檔案管理方式滲透到整個工作流（workflow）的數據庫平臺。檔案大數據是在檔案方面涉及的資料量規模巨大到無法通過目前主流軟件工具，在合理時間內達到擷取、管理、處理并整理成為幫助企業經營決策更積極目的的信息。［9］因此，檔案信息管理系統的安全在很大程度上決定了檔案信息的安全。

2.1數據支持平臺安全

美國政府大數據計劃中的國家檔案和文件署（NARA）計劃為十億電子記錄（CI-BER）建設網絡基礎設施，這是一個聯合機構主辦的測試平臺。這個多機構主辦的網絡基礎設施，對國家檔案館87萬多樣化的數字記錄文件和信息的收集，可稱為計算研究所的“文藝復興”。這個試驗臺將評估技術和方法，進行超大規模數據收集，以支持可持續的訪問。［10］縱覽國內外各行業大數據建設實踐，構建檔案大數據平臺至少要實現四個層次的部署：一、云服務商提供全面、可視化的服務，尤其是檔案大數據服務委托方有權隨時監管、分析基礎設施中發生的所有事項；二、收集海量檔案數據，并解決各個數據庫的兼容問題；三、數據庫有更快識別目標、鎖定威脅來源和敵對事件的能力和相關設置；四、基礎設施具有可擴展性，可以執行短期和長期的分析。監控管理、風險控制、規則遵從是檔案云數據支持平臺確保安全的最基本要求。

2.2數據計算環境安全

傳統的數據庫系統不能有效地處理大數據的原因在于，這些系統的設計無法應對現如今結構化數據所占比例越來越低，數據類型日益復雜的狀況，以及傳統的數據庫無法既迅速又比較經濟地對系統進行拓展。不僅是硬件程序的設計環節，從數據管理的角度來看，少量的數據樣本容易進行單獨的測試和監控，而檔案大數據計算平臺上存儲的數據首先要有詳細的類別劃分，其次才是存儲和計算。檔案數據庫的數據分析完成后，是要將結果呈現給不同的人群使用的。針對同一條查詢指令，應該讓不同角色的人群看到不同的結果信息，即查詢所反饋的結果應該是不一樣的：技術人員讀取有關系統和設置管理的數據；檔案工作人員查看、操作與自身業務范圍相關的內容；普通利用者可以得到經審核公開的電子文本或目錄。大數據時代的檔案安全解決方案應該包括足夠強大的、能夠針對不同層次的人群提供不同的展現界面和工具。同時，檔案大數據系統必須具有目錄整理、檔案采集、檔案審核、系統維護等功能，并利用現化代網絡技術，實現多人多客戶端操作。

3檔案數據提供利用安全

正如1893年立式文件柜的出現最終解決了紙質文件的存儲和檢索的困難，檔案大數據必將對檔案信息的查找利用帶來顛覆性的變革：檔案收集保管的最終目的是為了方便利用；檔案大數據的核心不是擁有數據，而是拿這些檔案數據去做什么。

3.1檔案數據比對分析

檔案大數據最直觀的應用在于數據的比對分析。例如，在經適房的申購過程中，如何才能快速有效地鑒別申購者的資格？用申購者提供的姓名、身份證號等相關信息比對在房地產交易、車輛管理、金融機構等數據庫的相關信息，可以準確掌握申購者的資產狀況，剔除不夠格的申請者。還有一個典型例子就是我國醫療檔案大數據建設的“3521工程”。該項目融合了我國絕大部分三甲醫院和部分二甲醫院的數據庫和影像文件的數字化信息系統以及電子健康檔案系統，旨在通過數據自動匯總、統計分析，進行慢性病、流行病的自動篩查、趨勢分析和爆發預警；同時系統還可以為新藥研發、新治療方案的設計等工作提供數據支持。檔案大數據提供利用在一定程度上來說只需要知道檔案大數據“是什么”，而不需要知道“為什么”。這種變化已經遠遠突破了技術層面，將對人類認知世界的方式方法產生重大影響。從檔案大數據進行的對比分析，就是用檔案數據說話的最簡單直接證明。檔案工作的核心在“用”。利用者在檔案數據比對分析時，通過軌跡研判、信息關聯等方式，由已存的較全面的檔案信息，才能得出正確、合理的結論。在這種狀況下，可提供利用的數據資源的豐富，就代表了一定程度上的利用環境安全。

3.2檔案咨詢服務

檔案咨詢服務是網絡社會在海量檔案數據的收集、存儲和處理技術基礎上產生的一種具有前瞻性的判斷和預測能力。眾所周知，專家的價值往往在于因果推導，而大數據卻放棄對因果關系的追尋，強調關注相關關系。也就是說，大數據在很多情況下只要求關注相關關系就足以產生正確的預測。當檔案數據“大”到能對整個樣本空間進行覆蓋時，就足以減弱對理論和模型的依賴。例如，不再需要經歷“從特殊到一般（歸納法），再從一般到特殊（演繹法）”的傳統認知過程，而是利用檔案大數據去直接實現“從特殊到特殊”的判斷和預測（這種直接的方式也被稱為轉導，transduce）。換言之，此時的檔案數據本身便是模型，也即大數據可實現全體而非抽樣調查。檔案大數據技術的戰略意義不在于掌握龐大的數據信息，而在于對這些有較高價值的飽含歷史意義的數據進行專業化處理。如果把大數據比作一種產業，那么這種產業實現盈利的關鍵，在于提高對數據的“加工能力”，通過“加工”實現數據的“增值”。［11］這種主動提供利用的檔案信息不僅僅是提供原始的檔案信息，還應該同時具有內容分析、結果預測、輔助決策等功能。舉例來說，我們在購物網站上的查詢、購買內容被記錄后，經?？梢允盏缴碳业纳唐吠扑]；在搜索網站上的檢索歷史被記錄后，經常會在該網站的界面看到相關的內容推送。對于這些“智能顯示”，普通人往往有這樣一種認識：對有利于己的，會覺得大數據方便實用；對不利于己的，會質疑是誰在后臺收集了我的隱私。基于絕大多數人的行為是可以預測的，相似的產品和服務被推薦給我們，這在很多情況下是對的，但這是以真正個性化為代價的。［12］所以，檔案大數據在提供咨詢利用服務時，也可以參考某些購物平臺的設計，“購買此產品的人還購買了……”進行相關檔案查詢信息的推薦。再舉個實例，對上海世博會期間的交通、人流、消費、生產等檔案數據進行統計分析，不僅可以驗證當時的管理措施在人流聚集時效果如何，還可以找出大型活動舉辦期間城市公共設施合理布局和有序運營的參數，對城市管理和規則出臺提供參考，甚至對可能發生的災害進行預警。截至2011年，我國各級國家檔案館館藏已達3.3億卷；到2020年，各級國家檔案館館藏案卷將達6億多卷。［13］如此大量的檔案信息，如果檔案管理軟件在程序設計上能夠達到數據實時成功抓取，檔案利用服務的水平與今日相較必不可同日而語。大數據時代檔案信息安全管理在于提供了一個確實存在的"概念+事實+關系"環境，通過計算運行，對數據進行邏輯推理，從而得出正確結論。大數據時代的檔案信息安全是主動地提供檔案數據安全保障，而不是等出現了無法挽回的損失再行補救。目前所有的相關研究都是基于這一目的的超前考慮。隨著科學技術的進步及相關技術的發展，這些研究結果必將不斷修正，以更好地為實際工作服務。

作者：崔海莉 單位：上海師范大學檔案館