數據泄露防護（DLP）技術是目前數據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在組織數據泄露防護中發(fā)揮了巨大作用。但有研究人員認為，由于組織現(xiàn)在需要更多共享數據，企業(yè)的數據分布開始從內部環(huán)境轉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)有數據防護技術的不足
每家組織都會采用一些數據訪問控制措施來防止數據丟失和泄露。理論上講，這些措施都很簡單：只要根據請求者的角色，決定批準還是拒絕即可。但是實際上，現(xiàn)有的數據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)對自己的數據安全管控現(xiàn)狀感到滿意。
DLP技術的應用，依賴基于提前配置的規(guī)則過濾來保護數據的流動，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需要以數據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據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據進行識別發(fā)現(xiàn)，因此很多非活躍數據長期處于無人管理的狀況，而這些內容中大量含有敏感或受監(jiān)管的數據。
防火墻、入侵檢測系統(tǒng)（IDS）及其他基于邊界的數據控制對于如今復雜環(huán)境下的數據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。但是目前的數據泄密，來自內部的風險急劇增加，基于邊界的防護卻很難檢測或跟蹤。
企業(yè)目前應用的各種數據安全工具相互獨立，難以統(tǒng)一管理，無法實現(xiàn)數據安全態(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，因此會對配合數據安全管理工作產生抵觸情緒。
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使用基于用戶角色的方法來限制訪問。但對訪問內容了解有限將會影響數據保護的實際效果。數據質量差、難以集成以及缺乏數據可發(fā)現(xiàn)性，成為企業(yè)組織在管理數據時的主要挑戰(zhàn)。數據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。
數據自主保護的價值
數據保護從來并非易事，隨著數據變得更龐大、多樣化和廣泛分布，保護工作會變得更具挑戰(zhàn)性?，F(xiàn)有的數據保護做法表明不夠有效。我們需要一種自主的數據訪問控制方法，利用人工智能和自然語言處理（NLP）等先進技術提供內容動態(tài)洞察，并根據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據，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：網絡正在連接一切，基于大數據和上下文的檢測、分析和響應技術已經成為主流，幾乎所有的安全問題都可歸結于數據安全問題，具備自適應能力的數據自主防護模式將會成為未來的主要方向。
Krishnan認為，數據自主保護的核心是在數據生產和運營體系中嵌入數據安全屬性，以解決數據應用過程中的數據安全問題，其主要特點是能夠根據應用程序和用戶操作所處的上下文中的時間、位置、數據敏感性等因素，做出精確、智能的安全決策。數據自主保護需要能夠持續(xù)監(jiān)測網絡流量、應用程序活動、用戶行為、端點狀態(tài)及其他相關數據集，獲得盡可能全面的上下文信息，并依據獲取的數據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)數據自主保護，但前提是要有一種完善的數據安全解決方案提供支撐。向基于目的的訪問控制演進，有望解決今天的數據安全面臨問題，并且足夠靈活。實現(xiàn)基于目的的數據安全控制，需要非常復雜和強大的數據和風險洞察能力支撐。目前的數據分級分類框架太過簡單，還只是將數據分成有限的幾大類，無法提供基于上下文動態(tài)觀察的功能。
數據自主保護需要使用NLP來識別和闡明要保護的數據內容及其含義。傳統(tǒng)方法使用預定義的規(guī)則將數據分類到已有的幾大類；相比之下，基于人工智能的系統(tǒng)會基于數據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、主動性思維的數據安全方法必備要素。
在數據自主保護模式中，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)和數據存儲位置，包括原有的舊系統(tǒng)、云存儲和共享驅動器等。它還必須支持結構化數據和非結構化數據，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，支持全面的數據訪問治理。它生成滿足最小特權原則所需的內容觀察，還可以根據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)調整訪問權限。
更多信息可以來這里獲取==>>電子技術應用-AET<<
