边缘计算可以赋能公共数据开放供给端与政务应用端，还在开放中履行代理者、情景经理人和切割者等重要角色，引入该技术符合数据开发长远发展的底层逻辑。但是，边缘计算引入也存在一定的技术风险、治理问题与安全隐患。基于此，应当从技术标准与法律规范两个层面优化边缘计算技术在公共数据运营平台建构中的应用。在技术标准上致力于探索全面、精准、权威的标准体系，引入专门人工智能技术弥补技术不足，并明确边缘技术自身的话语界限。在法律规范上强调基础设施的组织与监管，构建数据保护的协调机制，充分的发挥其在公共数据开发机制建设中的治理效能。

  力，有助于加速数字化转型进程，提升国家治理水平。边缘计算是指在网络边缘执行计算的一种新型计算模型，边缘计算中边缘的下行数据表示云服务，上行数据表示万物互联服务，而边缘计算的边缘是指从数据源到云计算中心路径之间的任意计算和网络资源。边缘计算和云计算并不是对立的关系，而是相互补充的。云计算作为集中式的大规模数据处理和存储平台，适合处理大规模数据和复杂计算任务。而边缘计算则将计算和数据处理能力推向网络边缘，更接近数据产生源，以满足实时性、低延迟等需求。在公共数据开发中展现出了其独特的作用与深远影响，具有提升数据处理效率、增强数据安全性与隐私保护、促进数据共享及协作、优化资源配置以及推动智能化服务发展等多重价值。在网络边缘部署计算资源，可以轻松又有效缩短数据从产生到处理的时间链。在数据源附近进行初步数据处理，有助于减少原始数据的大规模传输，大大降低数据泄露的风险。边缘计算还支持分布式架构，为公共部门间的数据共享与协作提供便利，从而建立统一的标准和技术规范。各公共部门由此能够更轻松地共享数据资源，打破信息孤岛，促进跨部门协同工作边缘计算节点分布广泛。

  随着公共数据开发研究不断推进，一些学者指出：“公共数据是公共机构履职中生成、采集的各类数据资源。”公共数据开发中存在着供给需求不匹配、公私目的冲突、营利与不营利之争，但伴随公共数据授权运营等方针的确定，相应研究逐渐取得共识，其开发仍应以价值实现为核心，服务于经济高水平质量的发展和民生需求的改善。基于此，如何在新质生产力发展大背景下以“法律+科技”手段促进公共数据的价值实现成为核心问题。随着数字化进程的不断深入，公共部门面临着越来越庞大的数据体量，而将边缘计算引入公共数据开发的优势是显而易见的，有效处理大规模的数据，能够完全满足公共数据处理需求。“云计算+边缘计算”，实现“云边端一体化”，对于智能交通管理、紧急事件快速响应等实时性要求极高的应用场景具备极其重大意义。其不仅必然的联系到公共安全的维护与服务效率的提升，还可以有效减轻网络负担。对于遍布传感器及物联网设备的城市基础设施，即便是庞大的数据集也能经过高效筛选与压缩后再行传输。尤其是在医疗健康、个人隐私等敏感领域，通过本地初步处理数据后再进行匿名化或聚合处理，即便在数据传输过程中发生泄露，也能确保原始数据的安全。而对于涉及国家安全的关键数据，本地处理更符合安全策略的要求，能加强数据的安全屏障。以智慧城市项目为例，多个公共部门可通过各自的边缘节点共同参与数据收集与分析，有很大成效避免单一故障点可能会引起的系统整体瘫痪，增强系统的鲁棒性与协同效率。但是，引入边缘计算技术也存在一些潜在风险和挑战。边缘计算采用分布式和下沉式的数据存储、计算方式，在管理和应用方面涉及多个治理主体，数据权力的离散轻易造成各个治理主体之间出现责任推诿、利益掣肘等现象。因此，在引入边缘计算技术的公共数据开发过程中，需最大限度地考虑数据治理、权责清晰、合作机制等方面，确保技术的有效应用和数据资源的安全可靠性。

  公共数据开发的进程是灵活变换的，依托于云计算基础设施的公共数据开发平台建设推动数据开放共享的程度，但随着进程的不断深入，平台建设对于数据处理流程的优化、数据处理速度的提升和数据实时性和准确性的把握等要求不断推动国家推进技术革新。边缘计算作为一种新型的数据处理方式，能够在技术方面的要求和效率提升方面推动公共数据开发平台的顺利运行，满足公共服务和治理需求。从实践案例而言，以北京智慧交通项目为例，通过部署数千个边缘计算单元，使交通信号优化效率实现多倍提升，更将事故响应时间缩短。基于联邦学习的边缘AI模型，能够在不暴露数据隐私的前提下，促进跨部门数据的协同分析，为应急指挥系统提供决策支持，展现了边缘计算在保障数据安全与促进数据共享方面的独特优势。在数据治理层面，边缘计算与区块链技术的融合，构建了一种多层级的数据确权体系，为数据的安全可信提供了有力保障。上海市智能算力基础设施构筑“云边端+智能”产业，结合TEE可信执行环境技术，敏感数据在边缘设备内部得到处理，无需上传至云端，从而完美契合国际数据合规要求，增强了数据治理的合规性与安全性。边缘计算所构建的“云边端”三级协同体系，赋予了公共数据中心弹性扩展的能力。边缘计算还能够推动国家治理的智能化升级。杭州城市大脑通过整合大量边缘节点，建立了涵盖人口热力、经济活跃度等多个角度的实时数据模型，使公共服务资源的配置准确率得到非常明显提升。基于边缘计算的数字孪生系统，更是能够对城市运作时的状态进行分钟级的仿真推演，为城市管理与决策提供了科学依据，逐步提升了数字政务的智能化与精准化水平。

  随着社会主义市场经济的发展，特别是数字化的经济的兴起改变了传统的经济运行机制以及人们的生活方式，社会生活边界的数字拓展也直接促成了对于公共数据的广泛需求。首先是数据的交换需求。目前，我国在国家层面已发布多个文件，要求加强数据资源规划，强化数据资源管理，推进数据资源应用。数据开放正式列入政务公开的制度安排，成为调整后的全国政务公开领导小组的职责内容，政务信息资源共享也出台了相应的管理制度。由于当下市场经济的蓬勃发展以及社会管理的日趋复杂化，许多社会问题（如跨地域的教育资源分配、跨省市的犯罪治理活动等）不只属于某个公共部门的管辖范围，而是处于多个公共部门管辖范围以内。在公共部门处理某一项社会事务时，如果不能及时与其他公共部门保持沟通和协调，并进行一定的数据交换，对于有关问题的了解就会出现片面性，从而无法作出最为有效的应对措施。其次是数据共享的需求。在数据交换的需要之外，公共部门应当进一步拓宽数据共享的范围和深度。共享层面包括两个维度。一方面是公共部门之间共享数据资源。我国幅员辽阔，不同的地区公共部门之间有几率存在数据壁垒，不同治理模式可能有差异，从而加剧了数据孤岛的形成。公共部门之间的共享可以打破数据隔阂，实现数据的整合和应用，顺利实现跨部门、跨地区的协同治理。最后是共治的需求。国家治理并非各部门单打独斗能够成功，需要跨部门、多主体协同治理。不同公共部门和机构通常承担着各自的职责和任务，为了更好的提高服务效率和质量，保障信息的一致性和准确性，实现数字化治理的无缝衔接，要建立跨部门协同和数据共享机制。

  而公共数据开发利用过程中都会存在供需匹配鸿沟，主要源于信息不充分、价值不适配和成本不可控，对此能借助边缘计算的优势进行克服。

  第一，对于“信息不充分”问题，集中体现在数据供给不足等方面。尽管众多地方已积极构建公共数据开发平台，但核心业务办理的数据、社会公众迫切需求的数据往往开放程度有限，形成了“形式开放”而实质信息不足的局面。已开放的数据常因准确性、完整性和更新频率的问题，影响数据使用者的信任度和应用意愿。边缘计算作为一种前沿的技术范式，为破解公共数据开发利用中的信息不充分问题提供了崭新的视角和路径，将计算能力部署至网络边缘，即数据产生的源头附近，能轻松实现数据的快速收集、初步处理和即时响应。在提高数据供给效率方面，凭借其近距离的数据处理能力，能够加速数据采集过程，减少传输延迟。以智慧城市中的交通流量监控为例，边缘节点可对摄像头产生的海量视频流进行预处理，提取关键事件后上传云端，既提升了数据的实时性和价值，又减轻了网络负担。

  第二，对于“价值不可控”问题，“货不对板”的现象屡见不鲜，公共数据有几率存在数据不完整、不准确，或者格式混乱不统一等诸多问题，如同绊脚石，严重阻碍了数据的有效利用和深度挖掘。“文不对题”的情况更为棘手，公共数据作为行政管理过程中的“副产品”，其设计初衷并非针对特定的应用场景。在适用性、颗粒度、时效性等方面，往往与数据利用者的需求存在比较大的偏差，难以满足市场的多元化需求。边缘计算与人工智能技术的深层次地融合可以更精准地筛选出具有高价值的数据宝藏，还能有效剔除错误数据，提高数据的纯净度和准确性，从而提升数据的质量及其在具体场景中的适配程度。边缘计算连接着公共部门和数据市场，帮助公共部门识别并确认数据在特定领域和场景中的潜在价值。由于信息壁垒的存在，许多数据供给部门对于自身所掌握的数据资产在市场上的商业经济价值往往缺乏清晰的认识。而边缘计算技术的引入为公共部门配备了一把“挖掘铲”，可以深入挖掘这些隐藏的价值，还能将市场的实际的需求及时反馈到信息化项目的初期规划阶段，从而引导有关部门在构建信息化系统时，更看重数据采集的针对性和实用性，增加必要的数据采集项目。

  第三，对于“成本不可控”问题，对于数据利用主体而言，公共数据的供需对接流程往往缺乏必要的透明度，且伴随着不确定性，推高了交易成本，使得数据获取变得愈发艰难。数据主管部门面临着双向对接的巨大压力。一方面，面对大量分散的数据利用主体，难以实现个性化、差异化的服务；另一方面，在与数据供给部门的合作过程中，需要耗费大量精力将外部需求转化为内部可操作的任务清单，超出了数据主管部门的实际承载能力，也可能触及其行政职能的边界。边缘计算通过在网络边缘处就近处理数据，提升了数据传输速度，降低了延迟，从而加快了供需双方的响应速度，能够有效减轻云端中心的工作负荷，使得数据利用主体能够更快速地发现所需数据并完成供需匹配。更重要的是，边缘计算凭借其强大的数据处理和分析能力，能够在一定程度上帮助数据主管部门更精准地定位潜在的数据利用主体，将市场的真实需求高效地导入决策体系之中，从而促进公共资源的有效配置和合理利用。

  其一，通过边缘计算促进公共数据开发减轻地方政务集中处置的压力，同时提高行政效率。“作为一种新兴的计算范式，边缘计算将计算资源从云中心转移到网络边缘侧的服务器，为联网的终端设备提供计算支持。”这样的一种运作方式，会将同一城市内的公共数据直接置于有关部门的终端加以处理，而不是由特定公共部门集中统一运算。经济社会持续健康发展所带来的种种社会问题愈渐增多，民众对公共部门服务的需求也在不断的加强之中，这就导致很多时候，各类政务工作的处理都处在高并发的状态当中，这样的状态造成了极大的压力。一是易引起行政效率的降低，使得群众排队时间长，问题解决缓慢；二是行政办事的准确率会会降低，引起人民群众的不满。边缘计算在公共数据开发平台中的应用，可以良好地应对高并发的政务情形，通过分门别类的方式第一时间帮助大多数群众切实解决难题，而不需要等待云计算在终端的处理和反馈。

  其二，利用云边协同操作，对处理公共数据开发后高并发政务活动进行优势互补。单向度的边缘计算存在的劣势是信息存储缺乏安全性，而集中性的云计算又会加大政务数据开发利用的复合，降低行政效率，使人民群众最关切的问题得不到及时回应。云计算与边缘计算的协同工作就成了在高并发政务工作中一个更为合理的选项。在边缘计算中，当地民众的个人隐私信息都被存放于信息末端的端口，在前往行政大厅服务时，不再要重新填写繁琐的纸质表格，节约了居民的时间和工作人员的精力。同时，对于一些简易的行政申请，居民还可以免去前往行政大厅的路途，直接在家中进行申请。在云计算中，则通过汇总的方式，将现实中最为突出和人民最为关切的问题加以集中处理，能够保证高效地应对迫切地需要解决的社会问题，减免行政资源在琐事上的浪费。

  边缘计算在公共数据开发中扮演着代理者、情景经理人和切割者等重要的多重角色。作为代理者，边缘计算MEC技术位于数据处理流程的前沿，对来自各类传感器及物联网设备的原始数据进行初步筛选与高效处理，可以轻松又有效缓解网络带宽的压力，降低数据传输的延迟。边缘计算能够迅速识别并响应视频流中的异常事件，实现即时报警，无需将数据远传至云端做处理，本地化解决能力增强了个人隐私保护，敏感信息在源头即可被有效过滤或匿名化，仅上传必要的处理结果，从而提升整体系统的安全与隐私。边缘计算还扮演着情景经理人的角色，根据具体的环境条件和应用场景需求，动态调整操作策略，展现出高度的智能化与灵活性。在环境污染监测领域，依据空气质量传感器的实时数据及气象状况，自动调整采样频率或触发预警机制，既提高了监测效率，又实现了资源的优化配置。此外，边缘计算还发挥着切割者的作用，将原本集中于云端的庞大计算任务分解为多个小规模任务，并分派至靠近数据源的边缘节点执行，从而既提升系统的整体性能，还增强了系统的鲁棒性。即使个别节点出现故障，也不可能影响总系统的正常运行。分布式计算模式提供了更灵活的服务部署与扩展能力，使得不一样的区域能够准确的通过自身特点定制专属解决方案，无须依赖统一的中央控制管理系统，从而优化了公共服务的提供。

  特别是，边缘计算MEC技术已慢慢的变成为智慧城市基础设施不可或缺的一部分，其作为新型计算范式，在网络边缘部署计算资源，实现了低延迟、高带宽的服务交付，为智能路灯、无人驾驶汽车等新兴应用提供了有力支撑，提升了居民的生活品质。然而，伴随其大范围的应用而来的是数据安全与用户隐私保护的新挑战。因此，建立健全有关规定法律法规体系，加强技术标准制定与实施，成为推动边缘计算健康、可持续发展的关键。

  边缘计算提供了改进的数据开放数据处理、存储和服务质量，适用于未来的数据基础设施解决方案，移动云计算面临着高延迟和低效能源设备利用率的挑战，这些挑战可以通过边缘计算解决方案来解决。我国国家数据局等部门发布的《关于促进企业数据资源开发利用的意见》明确提出，要推广云计算、边缘计算、大数据分析等平台服务的要求，并强调在防范实质性风险的前提下，针对不同敏感级别的数据和数据处理场景采取差异化的数据安全与合规管理措施，为边缘计算的应用提供了宏观指导。但在具体实施层面，仍需进一步细化和完善相关细则，以推进政策的有效落地。同时，《数字中国建设整体布局规划》强调公共数据汇聚利用的重要性，明确各级党政机关、企事业单位在依法履职或提供公共服务过程中产生的公共数据应加强汇聚共享和开放开发，为边缘计算在公共数据开发中的应用提供广阔的空间和机遇。

  放眼全球，边缘计算被广泛与数据结合以解决实际问题，Navantia是一家领先的高科技船舶制造公司，其应用边缘计算用于数字化的远程协助、数据驱动的实时处理3D扫描、制造业的增强现实计算。APM Terminals是全球最大的港口、海事和陆地码头公共服务提供者，其结合开放的公共数据的边缘计算，实现云边端一体化进行固定物体的地理定位和虚拟定位。西班牙IE大学结合公共教育数据，应用边缘计算，开发安全可靠的沉浸式虚拟课程，学生可以在流媒体和自己的设备上开展学习。

  然而，全球不同国家和地区采用边缘计算的速度各不相同。拥有成熟基础设施和技术进步的发达国家正在引领这一转型，利用边缘计算的优势来促进各个领域的创新和效率。世界不同公共部门正在通过制定支持性政策和法规来积极促进边缘计算的发展，促进这项技术与各个领域的无缝集成，促进创新并确保满足安全和隐私标准。欧盟《通用数据保护条例》（GDPR）的目标是经由设计隐私来实现数据保护，美国联邦贸易委员会（FTC）规定了系列云和边缘计算相关的法规。虽然已制定了一些行业法规，但FTC对个人数据的定义因州而异，隐私保护的平衡取决于提供服务的利益相关者，由此仍需要进一步的法律建设，以应对边缘计算提出的新挑战。

  任何技术的应用都是双刃剑，将边缘计算技术应用到公共数据开发平台之中同样也会带来新的技术风险。只有充分了解边缘技术自身的特征，并充分考虑公共数据开发平台建设的治理难题，才能在应用之初防患于未然。公共数据开发关乎数据安全、隐私保护问题，需要充分对应用风险加以了解，客观讨论新技术的应用。

  首先，海量数据不易进行选择和优化。随着物联网设备数量的快速增长，边缘计算环境中产生的数据量也呈爆炸式增长，然而并非所有都需要被处理或上传至云端。如何有效地筛选出有价值的数据并对其进行优化处理成了一个重要的难题。由于边缘设备通常具有有限的计算能力和存储空间，因此可能难以执行复杂的算法来识别哪些是最具信息量的数据。即使能够实现初步的数据过滤，在后续的数据传输过程中仍然可能存在冗余信息，导致带宽资源浪费。

  其次，数据安全性风险。尽管边缘计算通过减少数据向云端的传输可以在一定程度上降低数据泄露的风险，但其分布式架构也引发了新的安全威胁。边缘节点分布广泛且物理位置多样，这增加了未经授权访问的可能性。由于边缘设备通常计算能力有限，实施高强度的安全协议可能会消耗过多资源，从而影响性能表现。一旦某个边缘节点遭到攻击，整个系统的机密性、完整性和可用性都可能受到影响。

  最后，数据基础设施的建设成本构建。支持大规模边缘计算应用的数据基础设施涉及显著的投资成本。除了购买硬件设备，还需要考虑网络连接、电力供应及长期维护等方面的支出。特别是在偏远地区或者恶劣环境下部署边缘节点时，这些成本可能会进一步增加。由于缺乏标准化的设计规范，不同厂商提供的解决方案之间可能存在兼容性问题，这提高了初期集成难度，还可能导致后期升级维护的成本上升。

  边缘计算对集中治理的影响的原因在于其特殊的运算逻辑。边缘计算与云计算尽管都是数字化时代发展出的一种大数据处理技术，但在技术运算逻辑上存在本质不同。云计算强调对数据的集中统一化处理，在此过程中，各领域的数据信息首先要汇总到统一集中的数据库，通过大数据分析得出相应指令，再反馈并应用至各领域。而边缘计算则是一种将地理或网络上与用户临近的资源进行统一，为应用提供计算、存储和网络服务的数据处理技术，核心理念是数据计算应靠近数据源头、贴近用户。如果将云计算视为由大脑收集数据并指挥身体响应的过程，那么边缘计算则更像是人体机能在局部感到危险时不经大脑而作出的条件反射。由此，从边缘计算的本质及其方法特征出发，其对政治权力的分化体现在以下两方面。

  一方面，所有由资本或企业主导的数字信息技术都难以避免“算法黑箱”难题，这为公共部门和民众了解数据内容及其运算逻辑增加了技术屏障。边缘计算技术与云计算等数据处理方法从本质而言都是人类在数字化背景下创造的一种数字运算技术，通过将现实世界进行数字化重建，对相关数据进行算法运算进而为现实世界提供如何行为的指令。在传统社会，世间万物均处于相同的时空，社会的运行规律通过各种规范得以体现。可以说，在传统的现实世界，公务人员与普通民众在相同时空下并不存在规则制定与运行的“黑箱”。同时，将规则清晰易懂地公之于众还是规则之治的内在要求。而在数字世界，由于算法技术的专业性及其运算的隐蔽性，尽管人们能够直观感受到算法所提供的应该如何行为的规范准则，但难以窥探这些准则产生的内在逻辑。在当前我国数字化转型的大背景下，公共部门与企业构成了数字化转型的“一体两翼”。二者既是推进数字化转型的命运共同体，同时又通过各自的主体优势，为数字化转型赋权赋能。考虑到数字信息技术的专业性特征，尽管公共部门在数字化转型中以主导者和引导者的身份发挥作用，但在技术的实际运用方面仍依赖于信息技术企业的专业能力和技术优势。因此，各类信息技术企业是大数据内容的直接接触者，更是数据运算逻辑的直接创造者，算法黑箱存在的认知屏障既适用于普通民众，也同样适用于社会乃至国家的治理者。传统“国家—社会”的二元结构也开始向“国家—企业—社会”共建共治共享的三元模式转型，公共部门对社会各种信息数据的掌握和判断依赖于企业的技术优势，企业对社会数据的掌握及其算法逻辑的建构则决定了公共部门能否及时准确地了解社会各方面的发展动向。

  另一方面，边缘计算“去中心化”的数据处理特征促成资源管理的多主体局面，从一定程度上分化了集中治理机制。从边缘计算的设计目的出发，其出现是为了弥补万物互联时代背景下采用集中处理的云计算方法所带来的低效难题，以此实现云计算与边缘计算相辅相成的高效的大数据处理格局。从边缘计算的方法特征出发，其运算依赖于网络边缘上的资源存储和计算，从地理距离和网络距离而言均较为贴近用户，边缘计算正是这种利用用户的边缘资源并在附近处理数据的计算模式。边缘计算的这种方法特征也决定了其数字资源分布在传输路径上，并被不同的主体所管理或控制。边缘计算采取的“去中心化”的处理模式，其强调事情的“就近解决”，削弱了政府对数据的统一监管和调控。与此同时，由商业组织提供和保证运营的网络边缘设备能够以“预设路径”使数据按照其意图涌现，与云计算的运行逻辑相比，对边缘计算这种下沉和分散式逻辑的修改更为内化和隐蔽。考虑到企业的营利性特征，若不对数据权力进行合理规制和平衡，就更难以保证企业在算法逻辑的建构中实现自身利益和社会利益的平衡。

  边缘计算的方法特征还会导致数据的折损逸散，这种现象产生的原因主要来自技术参差和规范缺失两个方面。从边缘计算的技术方法特征出发，边缘计算的运算逻辑与云计算的核心处理模式不同，边缘计算的算法设计强调对用户边缘资源的计算与整合，其计算设备与云计算相比也更靠近用户侧。这种分布式结构决定了其传输路径具有更高的被入侵风险，从而产生新的安全与数据泄露问题。从大数据的分析逻辑而言，如果我们要获取更多有价值的信息，就需要用更多的时间搜集更多的数据量，这才能保证数据分析的真实可靠。然而，大数据的分析及其价值往往带有一种时效性，正如我们可以通过大数据实时监控同一路段在不同时间段拥有不同的车流量一样。边缘计算尽管可以在数据汇集的过程中对数据进行处理和分析，但这也决定了其需要更多的计算节点。然而目前节点的计算资源有限，不同类别的数据分析框架在运算能力上也各不相同，很多计算框架只能适用于有限资源的计算节点，现有的数据模型也并不适应边缘计算的资源环境。如果大数据分析不能实时展开，过早或过晚的分析必然会丢失很多有价值的信息，这也是边缘计算需要在信息价值量与时效性之间进行权衡的一个问题。

  从政府对大数据技术的规制路径而言，不同企业在技术发展上的差距以及政府相关监管措施的缺失也同样会造成数据折损的风险。云计算作为一种较早兴起的大数据技术，已经在实践领域得到了快速发展和运用，政务、医疗、教育等领域已经出现了相关的云服务形态并受到各领域的青睐。与此同时，与云计算数据相关的安全保障措施等也有相关的规范性文件。例如，2014年中央网信办发布的《关于加强党政部门云计算服务网络安全管理的意见》强调了云计算服务网络安全管理的必要性和相关要求，2019年发布的《云计算服务安全评估办法》旨在提高党政机关和运营商在云计算方面的安全可控水平。从当前我国在数字信息技术方面的发展现状而言，企业和资本在技术上的参与和发展是不可避免的，任何资本或技术企业在技术上的创新均要以国家人民利益为重，在遵守相关法律规范的前提下展开。由于边缘计算的物端计算一般是能力相对比较弱小的计算系统，它不能像常规的计算系统一样采取多层、多种安全保障措施。有的边缘计算是直接应用于系统控制。同时，边缘计算涉及数据的处理和存储，应用在数据共享层面关乎隐私及安全等重要问题，当前的监管制度往往无法完全适应边缘计算的发展需求。应用边缘计算的安全挑战有来自技术本身的，也有来自监管真空问题的。针对这些安全挑战以及安全需求特征，需要提出全方位、多维度的安全防护解决方案，提供端到端全覆盖的全网安全运营防护体系，才能真正体现边缘计算的价值。

  因此，在技术水平参差不齐且国家缺少统一规范的情况下，边缘计算不仅不能够在技术上作为云计算的补充，造成数据分析失实，不能提供准确的数据分析，还会产生数据泄露的风险。大数据平台所承载的巨大的数字资源信息是会对潜在攻击者产生极大吸引力的高价值高敏感信息，安全是大数据时代情报工作的最大命门，没有安全保障的大数据要比没有大数据更为糟糕。如果相关数据被窃取，会对个人、社会、国家的数据信息安全造成极大威胁。

  采用边缘计算处理数据的方式不可否认能够在很大程度上提高公共数据开发的处理效率、消解传统集中式信息处理带来的问题、实现对敏感信息的有效保护。但也必须看到，边缘计算在带来“数据红利”的同时，其风险也是不容小觑的。对于公共数据开发平台构建中的管理异化，从法律制度、技术管理、价值核心三个方面入手应当能够实现对技术利用者的有效约束，摆脱技术资本垄断侵蚀分化政治权力、技术水平参差折损逸散数据、技术伦理嬗变干扰动摇政治伦理的风险。

  人工智能与边缘计算的深度融合，可以有效弥补边缘计算的固有缺陷，拓展其应用潜力和价值。在实施过程中，需要专门设计人工智能算法模型，保障技术发展的可持续性和社会效益的最大化。人工智能在资源优化与智能调度方面可以发挥重要作用。边缘设备受限于其计算能力和存储空间，难以独立处理复杂任务，而机器学习，尤其是强化学习算法的应用，使得边缘设备能够智能化地分配和管理任务资源，动态调整计算任务的优先级，推进关键任务得到及时处理，同时有效减少非必要任务对有限资源的占用。设计专门的人工智能还能够基于历史数据预测未来资源需求，提前规划，从而避免因资源短缺导致的服务中断，提升系统的稳定性和可靠性。

  公共数据开发涉及大量敏感信息，边缘计算虽能减少数据传输风险，但其分布式特性增加了安全管理的难度。深度学习和异常检测模型为数据加密和网络安全提供了新的解决方案。更先进的加密算法和行为分析系统的开发，能够实时监控网络活动，及时发现并有效阻止潜在的安全威胁，确保数据在传输和处理过程中的安全性。公共数据的价值目标之一在于提供实时数据服务，满足公众和企业的即时信息需求。面对海量异构数据源，传统的边缘计算处理模式显得力不从心。而智能技术的引入，特别是自然语言处理和图像识别等技术的应用，使得边缘节点端能够直接完成复杂的数据分析工作，缩短响应时间。随着边缘节点数量的激增，运维成本和管理难度随之上升，预测性维护技术等算法驱动的自动化运维解决方案，有望基于历史数据预测设备故障，提前采取预防措施。自我修复机制则能在设备出现故障时自动尝试修复，从而减少人工干预，降低运维成本，提高系统的可维护性和可用性。

  大数据与人工智能的技术背景催生出一种新型的权力形态——数据权力，边缘计算也是依托于此。从表面上来看，数据权力主要体现为极强的技术性，在技术治理的视域下能够在很大程度上帮助公共部门。第一，对于社会的治理需求能够更加准确的进行识别；第二，对于政策方案能够进行更加科学的制定与提出；第三，对于行政执行与公共部门绩效能够进行更全面、有效的监督与评估。但剥离现象看本质，不能忽略其背后蕴藏着的资本，数据权力在资本视角下也有垄断、成为霸权的危险。资本在取得了技术上的绝对优势后，将有可能控制社会、重塑资本与国家的关系格局。法律制度体系是为社会关系及其运行提供的引导。这种引导是通过规范的制定以国家强制力为基本保障的，且具有预设性，法律关系以及权力与权利也以法律制度予以确定。因此，对于数据权力平衡最为根本的途径就是法律制度体系化。在体系化的过程中逐渐对边缘计算中涉及的各项权力的范围进行调整，以期实现整个制度的平衡。就当前而言，我国关于边缘计算风险治理相关的法律规制并不完善，国家只有以正式的方式介入，才能够协调数据权力与政治权力配比，进而摆脱技术资本垄断侵蚀分化政治权力的风险。

  第一，规范数据的采集与使用。放眼域外，数据权力的立法发展已有近50年，从信息隐私保护、数据安全保护、平台行为规范等方面进行分散性立法或者专门性立法，构筑起了数据开放与治理的制度规范。就边缘计算而言，数据红利与垄断倾向呈现出明显的“双刃剑”属性，有必要采取“一般性立法+专门性立法”的模式进行法律规范制度体系的构建。应当认识到，数据权力能够在资本视域下实现垄断主要有两个方面的原因。一方面，技术的突破与进步需要大量资本的投入。换言之，谁掌握了资本，谁就有了在一定程度上掌握技术进步的可能。另一方面，当前法律和法规以及相关政策尚不完善，对于资本无法实现引导，进而对于数据安全也缺乏相应的保障。对此，需要制定并出台《数据开发促进法》来对数据主体的基本权利、数据采集的范围与程序以及不良后果的责任划分等方面的内容进行明确与规制，保证全社会的数据处于合法、合理的使用状态，既不会成为资本牟利的工具，也能够发挥其在技术支持下的重要价值。

  第二，提升公共部门间和公私间数据开放与共享水平。当前数据的使用正从方方面面渗透至整个社会，公共部门虽然拥有海量的数据，但由于各个部门对数据存储的方式、格式均不同，导致数据难以进行有效整合。与此相反，企业为了追逐商业利益愿意在此投入大量的人力、财力、物力以实现数据整合所带来的巨大的效率优势。当今少数的寡头企业，在数据体量上已经堪比公共部门，同时技术上也处在前沿地位。因此，改变资本垄断下数据权力占优的格局就要求公共部门必须逐步开放数据的共享。首先，应当加快建设国家大数据中心，制定统一公共数据采集标准和存储格式，实现国内数据资源的跨部门、跨区域、跨层级共享。其次，应当强调“全球一体化”的理念，加强同其他国家之间的合作。换言之，在数据开放层面实现全球化的统一体系。在这个过程中，一方面应当强调推动数据的自由流通，另一方面也需要注意维护各国数据主权的安全，以及建立数据跨境流动的监管。

  随着大数据与人工智能在社会生活中的普及，社会治理的智能化也逐渐普及。在这样的大背景下，不仅仅是商业数据，政务数据的数量也越来越大。这些基于社会个体产生、关乎社会生活的存量数据中包含大量的隐私/敏感数据。此外，在数据全球化流通的过程中，基于国家主权也将产生大量的秘密/敏感数据。由于“敏感数据”等的存在，各个边缘计算结点需要按照统一的标准对数据进行预处理，符合其规范的才能进入边缘计算结点的存储环节和计算环节，以实现对政治隐私的“脱敏”。数据脱敏就是这样一个过程，即在保留原始数据的业务价值、技术价值的前提下，对敏感信息进行脱敏、隐蔽处理。具体而言，数据脱敏会根据不同的使用需求选择不同的方式，实现不同程度的脱敏。通过这一技术，能够在一定程度上解决数据敏感的痛点问题，不仅能够实现数据的正常使用与流通，同时也能够完成敏感数据的保护。设置规范的脱敏标准，可以考虑从如下两个方面入手。

  第一，统一脱敏范围，各领域互通共享。公共数据实现开放、采集以及与企业、国际的互通、共享，需要对开放的范围进行界定。就目前而言，我国信息安全方面的法律规定较为零散，主要集中在网络安全、数据安全、个人信息保护方面。总体而言，当前的法律还停留在公共部门对相关信息的保护义务上，对于公共数据的开放仍然较为欠缺。特别是对于数据分级、数据脱敏等关键性问题仍然处于空白。此外，由于缺乏法律的宏观指导，地方公共部门在具体实施公共数据开发的过程中也容易出现不协调、不统一甚至不符合法理等问题。为此，需要确定敏感公共数据的范围。具体而言，一是制定统一的数据开放目录，对于开放的主体进行明确，如政府部门、事业单位的名称、地址、联系方式，再如开放数据的类型、所属行业等信息。二是明确开放的规则，对于敏感数据的主体要明确告知同意，对于敏感数据开放的目的要进行限制，对于敏感数据的开放程序要予以规定。三是制定统一的数据脱敏标准和要求，一方面能够使信息得到充分的利用，另一方面也能够保证敏感的内容不被泄露。在这个过程中，应当实现概念、术语的具体化和统一化。概念的混用、界限的模糊是实践中经常出现的问题，具体到公共数据开发就更加突出，将导致法律规范的适用对象不明确，实践中就可能会存在应当开放的没有开放，不适合开放的却没有得到相应的保护的情况。还有可能导致不同的地域标准，产生相同类型的数据在一个地方无权查看却在另一个地方轻松获得的问题。

  第二，设定通用标准，全周期恰当保护。就目前而言，信息部门的安全重点主要在信息系统对外的安全和终端防护。当前，海量数据每时每刻都在进行交换、互通，应当认识到，敏感数据的数据全生命周期的各个环节均存在被泄露的风险。与此同时，保障敏感数据在全生命周期安全的重要性也越发突出。实施数据脱敏应当遵循以下基本标准：一是脱敏的算法不可逆。数据脱敏旨在防止敏感数据的泄露，因此脱敏算法必须是不可逆的。只有如此，才能防止数据使用者通过非敏感数据对原始数据进行推断与重构。二是脱敏后的数据仍然需要保留其数据价值。数据脱敏的根本目的还是要发挥数据在应用过程中的价值，脱敏只是手段而不是目的。如果一味强调保护数据，那么将数据的内容、结构破坏掉是最有效也是最强力的保护措施，但数据价值也就荡然无存了。脱敏后的数据，一方面要隐去敏感内容，另一方面也需要保证数据可以正常地应用。具体而言，技术上要保留原始数据的格式，业务上要保留业务分析价值。三是脱敏后的数据引用应当保持完整。原始数据可能会存在诸如主外键等关联引用关系，在脱敏的过程中，其关联数据也应当进行相同的脱敏操作，否则敏感信息仍能够最终靠关联信息得到，脱敏将没有意义。

  在计算机科学飞速发展的当下，科学伦理的研究还稍显滞后，边缘计算作为一种新型技术要特别重视技术伦理嬗变干扰动摇政治伦理的风险。党的十九届四中全会提出：“建设中国特色社会主义法治体系、建设社会主义法治国家是坚持和发展中国特色社会主义的内在要求”，以“法治”这一核心价值作为引导，边缘计算平台的发展方向也就明朗起来了，公共部门也能够在充分利用“数据红利”的同时严防政治伦理扰的风险。

  具体而言，第一，数据开发的普遍性需要法治价值的引导。数据开放并不仅仅是一个企业、一个行业或者是一个公共机构的治理，数据管理与应用与当下人们所处的全球性的庞大的社会组织息息相关，需要法治予以规范。对于企业而言，大量商业数据的收集、使用一方面给企业带来了商业利益，但同时也带来了巨大的法律风险。对于公共部门而言，不同地域、不同部门之间的数据需要进行对接，政务改革的同时也存在公权力与私权利之间的冲突。对于全球性社会而言，提高数据自由互通的便利程度的同时，也需要保障各个国家的基本主权。第二，数据开发的技术性需要法治价值的引导。数据开发依靠的是加快速度进行发展的计算机技术，在伦理有待继续研究的当下，新技术的快速发展将伴随没有边界的无限扩张，需要法治予以限制。算法作为数据开发的底层逻辑，应当以法治作为推动向善向上。只有这样才能将算法歧视、算法垄断等乱象从源头上进行规范治理，能够促进整个平台、行业的良性发展。第三，数据开发的复杂性需要法治价值的引导。不同于传统的社会治理，数据开发面临的是更大的社会体量、更丰富的社会需求以及更快的社会变化，这同样也需要法治予以指引。

  从2018年至2020年，边缘计算都被全球最大IT咨询公司Gartner评为“十大战略性科技”。随着边缘侧数据通信、存储、处理量的爆发式增长，公共数据开发需要重新思考如何实现更为高效的收集、存储以及共享数据的问题，边缘计算引入公共数据开发平台的建设，是数据量激增背景下公共数据开发的必然之举，也是顺应数字化浪潮，提高行政效率，促进经济稳步的增长的重要举措。但是，边缘技术引入公共数据开发平台建设，确实可能引发集中治理机制的分化、数据安全和技术危机以及政治伦理弱化的风险。因此，有必要从数据权力的平衡、规范数据脱敏以及价值的指引等几个维度，来对边缘计算引入公共数据开发平台做法律规制。未来公共数据开发平台的建构，除了在持续完善既有的云计算、区块链等技术的运用基础上，还必须要充分的发挥边缘计算在促进数据要素乘数效应的价值。

  邵怿｜互联网空间管辖权的去中心化与弱中心化之辩王磊｜医疗告知义务的动态体系论

  特别声明：本文经上观新闻客户端的“上观号”入驻单位授权发布，仅代表该入驻单位观点，“上观新闻”仅为信息发布平台，如您认为发布内容侵犯您的相关权益，请联系删除!

  神舟十九号载人飞船返回舱在东风着陆场成功着陆。出舱前，航天员蔡旭哲、宋令东、王浩泽报告：感觉良好！©2025中央广播电视总台版权所有。未经许可，请勿转载使用。

  潮汕英歌与海阳大秧歌同台斗舞，二者气势各异，一个靠动作，一个靠呐喊，网友：看了一场跨越南北的非遗“对话 ”

  潮汕英歌与海阳大秧歌同台斗舞，二者气势各异，一个靠动作，一个靠呐喊，网友：看了一场跨越南北的非遗“对话 ”

  神舟十九号航天员蔡旭哲顺利出舱蔡旭哲：在太空中，我们无数次凝视着美丽的蓝色星球，这是我们人类共同的家园，要求我们共同守护好。尤其是空间站舱壁外面的那抹鲜艳的中国红，是太空中最亮的色彩。我为我们伟大的祖国感到骄傲！

  2025年4月30日，湖北省高级人民法院对中国国家男子足球队原主教练李铁受贿、行贿、单位行贿、非国家工作人员受贿、对非国家工作人员行贿案二审公开宣判，裁定驳回上诉，维持原判。

  据中国载人航天工程办公室消息，北京时间2025年4月30日13时08分，神舟十九号载人飞船返回舱在东风着陆场成功着陆，现场医监医保人员确认航天员蔡旭哲、宋令东、王浩泽身体状态良好，神舟十九号载人飞行任务取得圆满成功。△独家视频丨神十九飞船返回舱成功着陆 三名航天员到家了！

  4月30日，#山西太原居民小区发生爆炸，现场产生大量浓烟，周边建筑有玻璃震碎，人员受伤或死亡情况不详。

  全进华的爸妈做白日梦都没想到，自己种果园辛苦了大半辈子，没想到如今成为了全村人的骄傲#全进华 #丝苗米 #支持三农扶持三农发展 #好吃不贵经济实惠 #优质农产品

  美国打算对华打金融战？我还得给美财长上一课 #立说财经 #掘金计划2025 #经济学视角看世界 #人间清醒商业问答

  054A强势驱离菲舰，美军作壁上观，“见死不救”令菲方破防 #抖音热评

  最近一段时间，美方接二连三喊话中方谈判，而中方则是稳坐钓鱼台，继续“不予理会”，并告诉美国人，中国“就不跪”，也不退!