數(shù)據(jù)泄露防護(DLP)技術是目前數(shù)據(jù)安全防護領域的事實標準之一,在遠程工作模式和云計算應用大量普及之前,,DLP在組織數(shù)據(jù)泄露防護中發(fā)揮了巨大作用,。但有研究人員認為,,由于組織現(xiàn)在需要更多共享數(shù)據(jù),,企業(yè)的數(shù)據(jù)分布開始從內(nèi)部環(huán)境轉(zhuǎn)向多種類型的云存儲平臺,,這使得DLP的應用價值正在發(fā)生變化。
現(xiàn)有數(shù)據(jù)防護技術的不足
每家組織都會采用一些數(shù)據(jù)訪問控制措施來防止數(shù)據(jù)丟失和泄露,。理論上講,,這些措施都很簡單:只要根據(jù)請求者的角色,決定批準還是拒絕即可,。但是實際上,,現(xiàn)有的數(shù)據(jù)安全措施幾乎成了所有企業(yè)安全團隊的噩夢,因為它們應用起來非常復雜并容易出錯,,幾乎沒有企業(yè)對自己的數(shù)據(jù)安全管控現(xiàn)狀感到滿意,。
DLP技術的應用,依賴基于提前配置的規(guī)則過濾來保護數(shù)據(jù)的流動,,有較高的規(guī)則,、策略設置要求,因此推行 DLP 的決心和成本,,對企業(yè)而言是不小的考驗,。同時,DLP需要以數(shù)據(jù)分級分類作為應用前提,。對企業(yè)用戶而言,,手動或半自動化分類數(shù)據(jù)面臨無法克服的挑戰(zhàn),用戶很難一致且準確地對他們擁有的全部數(shù)據(jù)進行識別發(fā)現(xiàn),,因此很多非活躍數(shù)據(jù)長期處于無人管理的狀況,,而這些內(nèi)容中大量含有敏感或受監(jiān)管的數(shù)據(jù)。
防火墻,、入侵檢測系統(tǒng)(IDS)及其他基于邊界的數(shù)據(jù)控制對于如今復雜環(huán)境下的數(shù)據(jù)保護而言同樣不夠有效,,其防護手段相對單一和粗暴,主要是在邊界進行阻攔或者審計,。但是目前的數(shù)據(jù)泄密,,來自內(nèi)部的風險急劇增加,基于邊界的防護卻很難檢測或跟蹤,。
企業(yè)目前應用的各種數(shù)據(jù)安全工具相互獨立,,難以統(tǒng)一管理,無法實現(xiàn)數(shù)據(jù)安全態(tài)勢分析,,也難以做到管控策略的區(qū)分對待和細顆粒度管理,,“一刀切”式粗暴的管理邏輯往往使得用戶感覺自己的工作受限制、受監(jiān)控,,因此會對配合數(shù)據(jù)安全管理工作產(chǎn)生抵觸情緒,。
基于零信任的訪問控制策略或許能夠填補這個漏洞,一些組織也已經(jīng)使用基于用戶角色的方法來限制訪問,。但對訪問內(nèi)容了解有限將會影響數(shù)據(jù)保護的實際效果,。數(shù)據(jù)質(zhì)量差、難以集成以及缺乏數(shù)據(jù)可發(fā)現(xiàn)性,,成為企業(yè)組織在管理數(shù)據(jù)時的主要挑戰(zhàn),。數(shù)據(jù)安全防護需要更多的互操作性和智能化。而關系知識圖譜和機器學習等應用正在興起,,有可能為行業(yè)發(fā)展帶來變化,。
數(shù)據(jù)自主保護的價值
數(shù)據(jù)保護從來并非易事,隨著數(shù)據(jù)變得更龐大,、多樣化和廣泛分布,,保護工作會變得更具挑戰(zhàn)性。現(xiàn)有的數(shù)據(jù)保護做法表明不夠有效,。我們需要一種自主的數(shù)據(jù)訪問控制方法,,利用人工智能和自然語言處理(NLP)等先進技術提供內(nèi)容動態(tài)洞察,并根據(jù)語義上下文進行風險評估,。這樣信息安全團隊才可以更放心地共享數(shù)據(jù),,避免疲于應付各種未知的安全問題,。
Concentric.ai 公司創(chuàng)始人Karthik Krishnan表示:網(wǎng)絡正在連接一切,基于大數(shù)據(jù)和上下文的檢測,、分析和響應技術已經(jīng)成為主流,,幾乎所有的安全問題都可歸結于數(shù)據(jù)安全問題,具備自適應能力的數(shù)據(jù)自主防護模式將會成為未來的主要方向,。
Krishnan認為,,數(shù)據(jù)自主保護的核心是在數(shù)據(jù)生產(chǎn)和運營體系中嵌入數(shù)據(jù)安全屬性,以解決數(shù)據(jù)應用過程中的數(shù)據(jù)安全問題,,其主要特點是能夠根據(jù)應用程序和用戶操作所處的上下文中的時間,、位置、數(shù)據(jù)敏感性等因素,,做出精確,、智能的安全決策。數(shù)據(jù)自主保護需要能夠持續(xù)監(jiān)測網(wǎng)絡流量,、應用程序活動,、用戶行為、端點狀態(tài)及其他相關數(shù)據(jù)集,,獲得盡可能全面的上下文信息,,并依據(jù)獲取的數(shù)據(jù)分析結果采取管控行動,而不是依賴死板的規(guī)則阻斷,。
新興的零信任安全框架有望幫助企業(yè)實現(xiàn)數(shù)據(jù)自主保護,,但前提是要有一種完善的數(shù)據(jù)安全解決方案提供支撐。向基于目的的訪問控制演進,,有望解決今天的數(shù)據(jù)安全面臨問題,,并且足夠靈活。實現(xiàn)基于目的的數(shù)據(jù)安全控制,,需要非常復雜和強大的數(shù)據(jù)和風險洞察能力支撐,。目前的數(shù)據(jù)分級分類框架太過簡單,還只是將數(shù)據(jù)分成有限的幾大類,,無法提供基于上下文動態(tài)觀察的功能,。
數(shù)據(jù)自主保護需要使用NLP來識別和闡明要保護的數(shù)據(jù)內(nèi)容及其含義。傳統(tǒng)方法使用預定義的規(guī)則將數(shù)據(jù)分類到已有的幾大類,;相比之下,,基于人工智能的系統(tǒng)會基于數(shù)據(jù)本身生成寶貴的信息,并在需要和需求發(fā)生變化時創(chuàng)建新的類別,。而NLP自主操作具有的價值非常關鍵,,自動化是具有前瞻性、主動性思維的數(shù)據(jù)安全方法必備要素,。
在數(shù)據(jù)自主保護模式中,,任何解決方案(包括基于人工智能的解決方案)必須全面集成,。它必須能夠連接到每個系統(tǒng)和數(shù)據(jù)存儲位置,包括原有的舊系統(tǒng),、云存儲和共享驅(qū)動器等,。它還必須支持結構化數(shù)據(jù)和非結構化數(shù)據(jù),比如PDF,、文檔和電子表格。這種方法可以向基于目的的控制不斷演進,,支持全面的數(shù)據(jù)訪問治理,。它生成滿足最小特權原則所需的內(nèi)容觀察,還可以根據(jù)不斷變化的用戶角色及其他情況(比如監(jiān)管框架的變化),,動態(tài)調(diào)整訪問權限,。
更多信息可以來這里獲取==>>電子技術應用-AET<<