数字时代,风起云涌。
2021年,我国关于数据安全和个人信息保护的法律法规和国家标准密集出台,“数据安全”成为了数字化的热门话题,也因此,2021年被称为是数据安全的“元年”。
随着数字化进程的不断深入,众多的企业也纷纷开始布局数据安全工作,如何做好数据安全,便成了大家共同面临的问题。
6月14日下午,由中国大数据产业生态联盟数据治理与流通专委会主办,中国软件评测中心数据治理中心、深信服科技股份有限公司承办的「数据安全治理和体系化建设实践线上研讨会」圆满举办,6位数据安全方面的权威专家亲临直播间,对开展数据安全的重点、难点问题一一进行探讨,并为我们分享了思路与建议。
深信服副总裁、安全业务总经理郑磊以《围绕保护数据处理活动建设数据安全体系实践》为主题对深信服的数据安全理念和建设思路进行了分享。
演进不停,步履不止
随着IT基础架构和法律法规的变化,数据安全已经从“孤岛式系统建设的1.0时代”到“数据集成与汇聚共享的2.0时代”,现在正步入“聚焦对数据价值全面保护的3.0时代”。
数据安全的演进不会停息,数据安全的探索就不会止步。
伴随着数据资产逐渐集中、访问边界更加开放、使用方式越发复杂、数据权责已经分离的现状,数据的本质发生了巨大的变化。我们越来越难以清楚地看到所拥有数据的整体状况和各个环节面临的风险,加上体系化数据安全建设和泄密溯源能力的缺失,数字化转型工作面临安全力度不当、安全业务失衡、安全成本过高等巨大的挑战。
如何在成本可控、均衡发展的前提下保障数据安全,成为了数据安全必须探索的问题。
依法治数,有效保护
为什么要依法治数?
《数据安全法》和《个人信息保护法》的颁布与实施,标志着数据安全监管的顶层设计已经完成。另外,数据安全相关的行政条例、标准规范和行业管理办法的相继起草和发布也会建立更加细化和具体的数据安全监管合规体系。所以,企业应该以数据安全相关法律法规的要求为基础构建自身的数据安全体系,满足数据安全的监管要求。
如何有效保护?
数据安全本身的复杂性以及数据安全产品的碎片化导致数据安全建设落地的难度比较大,落地之后的数据保护效果往往达不到预期。只有结合自身现状,有针对性地建设数据安全解决方案,并通过运营服务的持续运营优化,才能有效提升数据保护的效果。
基于“依法治数,有效保护”的价值主张,深信服提出了“平台+组件+服务”的理念,通过“四化”(场景化、组件化、平台化、服务化)进行具体建设,以期达到不同用户的数据安全建设目标。
场景化:
从每个单位自身的重要业务场景入手,建设数据保护能力,如数据汇聚场景、数据加工场景、数据分析场景、数据共享场景等。
组件化:
将数据安全能力深度融合在端到端的数据流动链路当中,避免因基础设施庞杂带来的产品组件碎片化、难以部署、难以管理的问题,有效保护数据,同时简化管理。
平台化:
平台化也可以称为中台化,就是把数据资产集中到一个平台或中台进行管理。组织的数据资产是一个全局化的对象,因此围绕整个数据资产的分布流动,要进行全局化的风险监测,全局化的安全管控。
服务化:
引入外部的专业资源和专业力量,结合组织自身对业务理解,发挥各自优势,更好地保护数据处理活动。
发挥优势,创造价值
深信服的数据安全解决方案有哪些优势呢?
首先,围绕数据安全应用的访问、API的访问,能够全面监测敏感数据流转,有效掌控全局数据安全隐患;
其次,基于敏捷开放的数据安全能力建设,融合碎片化的组件能力,提供简单有效的整体安全防护能力;
最后,深信服作为专业的网络安全厂商,拥有非常强的应对复杂攻击和未知威胁的能力,能够形成外防内控的安全体系。
未来,深信服将围绕数据安全领域开展产品与技术创新工作,为用户创造新的价值,为推动我国数据安全产业创新发展和产业生态打造贡献信服力量。
好文章,需要你的鼓励
邻里社交应用Nextdoor推出重新设计版本,新增本地新闻、实时警报和名为"Faves"的AI功能,用于发现本地商户和地点。该应用与3500家本地出版商合作提供新闻内容,通过Samdesk和Weather.com提供天气、交通、停电等实时警报。Faves功能利用15年邻里对话数据训练的大语言模型,为用户提供本地化AI推荐服务,帮助用户找到最佳餐厅、徒步地点等本地信息。
Skywork AI推出的第二代多模态推理模型R1V2,通过创新的混合强化学习方法,成功解决了AI"慢思考"策略在视觉推理中的挑战。该模型在保持强大推理能力的同时有效控制视觉幻觉,在多项权威测试中超越同类开源模型,某些指标甚至媲美商业产品,为开源AI发展树立了新标杆。
英国生物银行完成了世界上最大规模的全身成像项目,收集了10万名志愿者的超过10亿次扫描数据,用于研究人体衰老和疾病过程。该项目历时11年,每次扫描耗时5小时,投资6200万英镑。目前已有8万人的成像数据供全球研究人员使用,剩余数据将于年底前发布。项目已开发出能预测38种常见疾病的AI工具,并在心脏病、痴呆症和癌症诊断方面取得突破。
这项由北京大学等多所高校联合完成的研究,首次对OpenAI GPT-4o的图像生成能力进行了全面评估。研究团队设计了名为GPT-ImgEval的综合测试体系,从文本转图像、图像编辑和知识驱动创作三个维度评估GPT-4o,发现其在所有测试中都显著超越现有方法。研究还通过技术分析推断GPT-4o采用了自回归与扩散相结合的混合架构,并发现其生成图像仍可被现有检测工具有效识别,为AI图像生成领域提供了重要的评估基准和技术洞察。