(一) 数据资产难梳理,分类分级难落地

随着数字化的持续推进,各行业对数据感知、存储、传输、处理 等能力提出了更高要求。随着企业对大数据技术的大规模采用,数据 量呈 PB 级迅速激增,且业务的持续扩大与数据应用的不断裂变,往 往存在这样的现象——大量的老数据存储在不同的、分散的中小型结 构化数据库中,同时持续在建的数据仓库或数据中台则承担了大量新 业务的数据存储职能,这就造成了数据的分布广泛且规模庞大的特点。

同时,企业不断推出的新业务也推动着数据形态特点不断演进 ——海量、多元和非结构化成为数据发展新常态,数据环境呈现多样 化、复杂化特征,使得大量文本、图片、视频等非结构化数据被产生、 存储和使用。例如,在智慧城市场景中,各类传感设备采集的数据从 单一内部小数据形态向多元动态大数据形态发展。海量、分布广泛、 结构各异的数据给企业对自身数据资产的梳理造成了困难,而建立在 数据资产梳理基础之上的分类分级工作的实施则更无从谈起。

(二)数据流动难监测,联防联控难实施

新一代信息技术的快速发展,企业的运行效率不断被优化和提 升,企业新生业务对数据流动性要求日益增加,由此带来的是微服务 架构的盛行,对数据变化则是调用链变得更长了。单体应用架构下数 据只经过单个服务的处理就流向了终端(人),而在微服务架构下,

服务的职能被切分的更加细致,数据可能需要经过几个甚至十几个服 务的处理才会流向终端(人);而云和容器技术的广泛采用,南北向 与东西向交叉的数据的调用链甚至能织成一张数据流动“网”。

同时,中大型企业的数据业务变得更加开放,数据的访问可能来 源于企业内部,也可能来自于分支结构,甚至是外部的第三方合作伙 伴;访问的客户端也从 PC 更多的转向各种手持设备,因此数据的访 问来源也变得更加复杂。面对数据调用链长,访问来源多的场景,进 行全面的业务梳理往往需要投入大量人力,而且安全部门与业务部门 之间往往存在配合难问题,企业想建立清晰的数据流动监测视图非常 困难。由于企业对数据流动视图处于“失明”状态,导致数据安全建 设时只能采取传统的堆砌式的数据安全单品防护,实现“头痛医头脚 痛医脚”,而体系化的联防联控只能沦为纸上谈兵。

(三)数据风险难发现,安全评估难进行

数据安全与网络安全最大的不同在于,数据安全的违规行为往往 隐藏在正常的办公行为中,甚至很多事件是已授权的用户、应用、API 等对象非法操作导致的。例如水滴泄密——企业内部员工利用自身合 法权限每天进行少量敏感数据下载,积累到一定程度后加密压缩外发 到个人网盘;数据 API 滥用——数据 API 按业务需求开放后,可能 有具备权限的第三方服务没有按约定场景使用,或长时间没有使用形 成暴露在外的幽灵 API 等。由于从业务视角短期来看这些行为都属于 正常行为,但实际上已成为潜在的数据安全风险。

同时,对数据泄漏事件的检测与识别也变得更加困难,据 IBM 发 布的《2021 年数据泄漏成本报告》显示,2021 年识别一起数据泄漏 事件平均需要 212 天,遏制一起数据泄漏事件平均需要 75 天,总 生命周期为 287 天。由此可见,恶劣数据泄漏往往是由一系列“微 小”的可疑操作组成的,混淆在正常行为中,导致企业难以及时发现 其中的数据安全风险,而有效的风险检测能力的缺少注定其定期开展 的数据风险评估是 “失真”的,不可靠的。

数据安全态势感知是安全运营的前提

DT 时代下,数据资产的分布是广泛的,数据流动的路径是复杂 的,数据违规的风险是隐蔽的,这导致数据泄漏事件成因复杂交织, 既有外部攻击,也有内部威胁;既有技术漏洞,也有管理缺陷;既有 新技术新模式触发的新风险,也有传统安全问题的持续触发,因此单 纯依靠传统的被动式的防御措施根本无法抵御蓄谋已久的数据安全 攻击行为,任何基于“单点”防御的体系都难以避免被欺骗或绕过。 因此,Gartner 提出的自适应安全架构(Adaptive Security Architecture) 强调了“防御、检测、响应、预测”的重要性。“防御” 是指一系列策 略集、产品和服务可以用于防御攻击,关键目标是通过减少被攻击面 来提升攻击门槛,并在受影响前拦截攻击动作;“检测”是用于发现那 些逃过 “防御”措施的攻击,关键目标是降低威胁造成的“停摆时间” 以及其他潜在的损失;“响应”是用于高效调查和补救被检测分析功能(或外部服务)查出的事务,以提供风险来源分析,并产生新的 “防御” 措施来避免未来事故;“预测”使系安全体系可从持续监测的风险中学 习,以主动锁定对现有系统和信息具有威胁的新行为,该行为被将反 馈到“防御”和 “检测”功能,从而构成整个处理流程的闭环。

面对日益增长的数据安全威胁,DT 时代的数据安全体系建设需 要不断演进,基于自适应安全架构(ASA)的思想内核,数据安全态 势感知显得尤为重要,只有切切实实地对数据安全风险做到 “可感 知”,才能实现数据安全的“可运营”,因此建立一套全局的数据安 全态势感知运营中心来指导数据安全体系建设,是解决问题之道。

参考资料

红蓝攻防构建实战化网络安全防御体系
青藤云安全 2022攻防演练蓝队防守指南

大数据时代下 数据安全运营面临严峻待解决问题有哪些相关推荐

  1. 大数据时代中数据安全运营面临的主要挑战

    (一) 数据资产难梳理,分类分级难落地 随着数字化的持续推进,各行业对数据感知.存储.传输.处理 等能力提出了更高要求.随着企业对大数据技术的大规模采用,数据 量呈 PB 级迅速激增,且业务的持续扩大 ...

  2. DT时代下数据安全运营面临的主要挑战

    DT时代下数据安全运营面临的主要挑战 (一) 数据资产难梳理,分类分级难落地 随着数字化的持续推进,各行业对数据感知.存储.传输.处理 等能力提出了更高要求.随着企业对大数据技术的大规模采用,数据 量 ...

  3. 大数据时代下市场营销面临的机遇与挑战

    大数据时代,谁掌握了数据,谁就具有了主动权.大数据作为时代发展的产物,让市场营销变得更为复杂化及多样化.大数据在企业市场营销活动中作用日益凸显,企业在营销过程中应抓住机遇,积极应对挑战,为企业创造更大 ...

  4. 大数据时代下的新生态、新洞察、新趋势 | 神策 2019 数据驱动大会

    10 月 22 日,以"矩•变"为主题的神策 2019 数据驱动大会在北京维景国际大酒店顺利举行,来自全球大数据各大行业的领袖人物聚首北京,融合国际前沿技术与行业实践,深入探讨大数 ...

  5. 大数据时代下房地产市场变革,微构房产大数据信息化应用简析

    导读 大数据是看待市场的全新角度,将极大的改变土地.工程.营销.售后.物业等房地产企业经营运作的所有流程.本文从房企市场.数据类型.数据价值.应用场景等方面简要分析大数据时代下的房企应用. 随着房地产 ...

  6. 爱肤宝医生产品负责人王照陆:大数据时代下的人工智能医疗

    嘉宾介绍 王照陆:爱肤宝医生产品负责人.前华为研发工程师,CSDN博客专家,同济大学MBA,负责过医疗智能硬件血压.血糖.体脂等产品设计与数据分析:现负责皮肤医疗大数据产品,从0-1实现皮肤轻问诊预约 ...

  7. 大数据时代下的计算机和互联网

    21世纪 由于科技发展速度飞快,计算机软件技术也广泛应用到了各个行业的各个领域,对我们的日常生活与工作均产生了一定的影响,在大数据时代的影响下,社会各个领域必须要提高计算机技术,进而促进计算机软件技术 ...

  8. 大数据时代下如何保障信息安全?

    对于"大数据"(Big data),研究机构Gartner给出了这样的定义."大数据"是需要新处理模式才能具有更强的决策力.洞察发现力和流程优化能力来适应海量. ...

  9. 隐私保护与隐私计算研讨会 | 余维仁:大数据时代下需要各界更新对个人隐私保护的固有认识

    8月13日下午,由深圳市信息服务业区块链协会.陀螺研究院.矩阵元主办,中国生物识别与计算机视觉科技创新产业联盟.金砖国家未来网络研究院中国分院.中国船舶综合技术经济研究院.深圳市人工智能产业协会.深圳 ...

最新文章

  1. 使用 Python 在 GitHub 上运行你的博客
  2. 初学__Python——Python 可重用结构:Python模块
  3. mysql通过命令创建数据库和导入数据库
  4. 第四节:Task的启动的四种方式以及Task、TaskFactory的线程等待和线程延续的解决方案
  5. 拉面说:如何成为速食拉面独角兽
  6. 7-11 名人堂与代金券 (25 分)
  7. Android 应用性能优化(2)---优化Android 应用启动速度
  8. Spring学习总结(22)——spring-framework-bom解决spring的不同模块依赖版本不同问题...
  9. 移动端开发——京东首页制作(流式布局)
  10. python json.dumps参数_json.dumps参数之解
  11. 线索二叉树是一种什么结构_技术面试之常用的数据结构
  12. 房屋出租管理软件,打造一体化的管理模式
  13. java自定义对象集合排序
  14. 用c语言编程小鸭子,小鸭子
  15. Koo叔说Shader-Unity中的Shader
  16. pytorch 支持amd显卡吗_AMD平台上配置PyTorch+Apex开发环境
  17. 3 计算机网络的主要功能,计算机网络的功能主要有哪些?
  18. android10代码开启横幅通知,Android通知以编程方式启用横幅设置
  19. python数据分析计算递增百分比pct_change()
  20. 高考填志愿—利用大数据填报

热门文章

  1. 两种ps切图方法(图层/切片)
  2. 关于VB.net禁用右键菜单的实现
  3. 特殊特性和关键特性的区别和联系
  4. Linux安全原理简介
  5. 怎么将.txt改为任意文件格式
  6. html input 删除线,css样式实现字体删除线效果
  7. css实现图片毛玻璃效果
  8. 群晖Synology DS918+使用笔记-基础篇
  9. 不礼让行人怎么抓拍的_斑马线前不礼让行人抓拍设备增加!详细图解告诉你各情况下怎么让才对!...
  10. 首出集团:超级推荐引爆流量,6步店铺跨越到第六层级