《数据安全法》所说的“安全”究竟是什么？

一、从来没有绝对安全

“无危则安，无缺则全”，在中国传统观念中，“安全”往往意味着没有危险且尽善尽美。然而，在当今风险社会（risk society）中，这种绝对的安全观念已经不合时宜。正如德国社会学巨擘卢曼所洞见的：我们生活在一个除了冒险别无选择的社会。

无时不在、无处不在的风险弥散在周围，更重要的是，我们作为集体或个人做出的每个决定、每种选择、每种行动同时也在制造着新的风险。这从反面证明了风险的绝对性：人们用于应对风险的规制方式, 本身就是滋生新型风险的罪魁祸首。由于现代社会前所未有的复杂与抽象，无论是冒险取向还是安全取向的制度，都可能蕴含运转失灵或决策失误风险。风险滋生风险，这是当代人的必然宿命。

最后，风险并非全然客观，而是人为建构和社会定义的“构想”（conception），是一种想象的现实。在某种意义上，风险的本质并不在于发生，而在于人们认识到它“可能发生”。只要民众在主观上相信风险的存在，风险就是真实有效的。正因如此，“不安全感”可能并非源于实际风险的增加，而是由有影响力的社会人士的呼吁所引发。正如英国金融服务局在2003年发布的《合理期待》（Reasonable Expectations）文件所揭示的，“零失误”的安全并不是监管机构的目标，但对于政府监管究竟能实现什么，公众和立法者的“期待”都需要进行实事求是的调整。

既然风险不可避免，“相对的安全”便取代了“绝对的安全”，成为国家的理性目标。“相对安全”意味着安全可以衡量，人的身心安全程度及其事物的可靠程度可称为“安全度”。当危险性低于某种程度时，人们就认为对于安全就是满意的。因此，法律和政治并不追求根除风险，也非简单考虑风险的最小化，而是设法控制那些可能导致不合理危险的风险，达到人们的“安全度”。就此来说，《数据安全法》并非对所有数据风险“零容忍”，而是通过持续的危险识别和风险管理过程，将损失降低并保持在可接受的水平以下。

二、“绝对安全”下的数据安全VS.“相对安全”下的数据安全

在绝对安全看来，封闭的数据系统比开放的数据系统更安全，这意味着独特的数据格式、不兼容的数据接口、不能二次利用的数据流动更加安全。但历史一次次地证明，由于专用系统的知识体系不开放，无法利用大众智慧帮助其改进，数据安全架构必然会越发故步自封，最终落后于开放的数据友好型生态系统。这一规律早已被习近平总书记在2016年4月19日“全国网络安全和信息化工作会议”所指明：网络安全是动态的而不是静态的，开放的而不是封闭的，相对的而不是绝对的，因此一定避免不计成本追求绝对安全，那样不仅会背上沉重负担，甚至可能顾此失彼。这里的“彼”就是我国的信息化以及更广泛的经济发展。

信息网络之所以能成为“促进发展的机器”，来自于它与“颠覆性创新”机制的耦合。哈佛商学院克里斯滕森教授与加拿大学者雷纳在《创新者的解答》一书中将创新区分为“颠覆性创新”与“维持性创新”，前者才是经济变革的真正源泉。

作为数字经济的核心生产要素，数据正成为经济转型和发展的新引擎，以及社会治理的有效工具。正是建立海量数据之上，大数据、云计算、人工智能等新技术、新产业才有可能实现颠覆性创新。为了维持这种发展态势，我国《网络安全法》专设“网路安全支持和促进”一章，特别指出鼓励数据开放和利用，其第42条第1款还赋予了利用匿名化数据的自由，这一被称为“大数据条款”的规定为企业创新打开了大门。

《数据安全法》亦应延续这一思路，充分认识到数据价值，将数据安全和数据利用看做一体之两翼、驱动之双轮，只要数据利用不会导致不合理危险，就应允许并积极推动其发展，正所谓“除弊不如兴利”，与其在事前限制数据利用以保安全，不如在数据利用中促进安全的实现。

三、通过数据共享促进数据安全

数据利用的核心在于数据的共享、聚合和二次处理。这是因为，数据具有一种特殊的“涌现性”（Emergence）。借用美国圣塔菲研究院科学家霍兰（John Holland）在其《涌现：从混沌到有序》一书中的表达，数据共享的价值以相互作用为中心的，数据汇聚就是一个典型的非线性动态涌现过程，从而产生出之前任何单一数据所无的新功能，有人甚至称之为“数据智能”。我们可以想象一下蚁群。单只蚂蚁的能力相当有限，难于完成复杂的任务。但当蚁群作为整体时，则能做出许多惊人之举，比如建筑山丘，又或者毁掉一座大坝——千里之堤，毁于蚁穴。

安全的问题，归根到底要通过发展解决。作为数据利用的枢纽，数据共享对于数据安全的意义重大，此即“数据驱动安全”之真意。按照共享主体的不同，我们可将数据共享分为三个层面：

其一，企业与用户之间的数据共享。实时在线的安全软件协助企业与用户不间断地发生着数据交换：对用户而言，他们可以随时连接到企业服务器上，以便下载具有网络欺诈内容和恶意软件网站的最新黑名单列表，帮助其快速识别并清除新型木马病毒以及钓鱼、挂马的恶意网页；对企业而言，用户终端里的大量数据也会上传到云端，企业据此建立全面的软件信息数据库，发现可疑样本，并改善数据安全服务。

其二，企业与企业之间的数据共享。在新的网络安全形势下，融合监测、感知、预警、响应等不同功能的“安全态势感知”，是实现数据安全威胁防范、内控治理的有效模式。作为动态、准实时的预测系统，安全态势感知依赖于对数据的编译、处理和融合，并依此判断变动及发展趋势。为此，不同企业之间的安全数据共享是其建立的前提。

未来的《数据安全法》可以在《网络安全法》第29条、39条基础上，进一步拓展安全数据共享的对象和主体范围。在具体制度设计上，可以借鉴美国2015年《网络安全信息共享法》，将“安全数据”细化为安全事件、威胁、漏洞、缓解措施、情景感知、最佳做法、战略分析。通过搭建一个既有中心企业又有分布式节点的“混合式共享结构”，要求各方尽量统一数据和接口标准，并适当豁免数据共享的责任，即在各方提供防止、调查或减轻数据安全威胁的协助时，只要符合法律规定的共享要求，便可免于未经信息主体授权或反垄断法下包括“垄断协议”在内的责任。

其三，企业与政府之间的数据共享。各网络强国均十分重视网络安全领域的政企合作。例如，澳大利亚《网络安全战略》就将“企业—政府伙伴关系”列为重点战略措施，鼓励政府与企业共同促进关键基础设施、网络、产品和服务领域的安全。美国2015年《网络安全信息共享法》和《国家网络安全保护促进法》同样意在推动联邦政府和企业之间的数据共享。

由于企业和政府的不对等性，《数据安全法》可以采取分而治之的手段，一方面，鼓励而非强制企业向政府共享安全数据，除非该等数据将危及国家主权、公众权利和公共利益。另一方面，应强制要求政府将其掌握的安全数据与企业及时共享，除非数据涉及国家秘密或公民隐私。同时，为了解除企业共享数据的后果之忧，政府应承诺数据使用的目的和边界，保护其中的知识产权和商业秘密，适当豁免企业对个人信息保护责任。在特定场合下，若企业主动披露未被政府掌握的安全事件及其数据，可以酌情减轻行政处罚。

总之，正如《网络安全法》第1条和第3条分别体现出安全和发展两大价值取向一样，《数据安全法》同样需要权衡数据安全和数据利用两大价值，最终令数据安全和数据利用协调一致、齐头并进，建久安之势、成长治之业。