數據安全2個關鍵變化需重視，深信服安全GPT實現數據流動風險可視

新年伊始,2個關于數據安全的國家級法規及指引落地,吹響了數據安全建設“沖鋒號”!

2025年1月1日,我國數據安全領域的一部重要行政法規《網絡數據安全管理條例》(以下簡稱《條例》)正式開始施行。

2025 年 1 月 6 日,國家發展改革委、國家數據局、工業和信息化部印發《國家數據基礎設施建設指引》(以下簡稱《指引》》的通知。

新法規和新指引對數據安全防護有哪些新規范與新要求?

企事業單位除了滿足合規,還應該做好哪些關鍵舉措?

接下來我們將為各位“圈好重點”,剖析新階段數據安全的關鍵問題,新的一年在數據安全建設中拿出“高分答卷”!

專章規范安全防護,2項關鍵要求需重視

研讀《條例》和《指引》,不難發現數據安全防護在其中都占據重要篇幅,最終都指向數據傳輸、使用的風險評估和預防上。

數據安全建設,由被動應對到主動防御

《條例》要求重要數據處理者在提供、委托處理、共同處理重要數據前,應當進行風險評估,且應當每年度對其網絡數據處理活動開展風險評估。通過主動監測、評估和處置數據安全風險,實現對重要數據的有效保護。

傳統的數據安全管理,對于數據安全風險往往是出了事之后的被動、滯后處理,雖能亡羊補牢,但可能給企業單位甚至國家帶來無法挽回的損失,如交通、能源、金融等關基單位或大型企業。

在《指引》第八章節“安全防護”中,也明確提出在數據流通利用安全層面,綜合利用隱私保護計算、區塊鏈、數據使用控制等技術手段,保證數據的可信采集、加密傳輸、可靠存儲、受控交換共享、銷毀確認及存證溯源等,規避數據隱私泄露、違規濫用等風險。

《條例》第七章明確了網信辦的監管職責,將會定期組織開展本行業、本領域網絡數據安全風險評估,履行監督檢查和指導督促整改的責任。

相比以往滿足合規,新法規提出了數據安全風險可視、主動評估預防的新要求,也明確監督主體,換言之,數據安全管理不再僅限于對數據的梳理,而是識別、監測和把控數據的流動與使用。

數據安全風險識別,從關注靜態到動靜態并重

《條例》中不僅要求按照數據分類分級保護制度確定重要數據,更明確要對數據的處理動向開展風險評估并及時報送。

這充分說明,數據安全的風險不僅僅來源于靜態數據,更存在于用數活動中。數據的識別與管理,不僅要做靜態數據,更要注重流動數據。

而過往因技術的局限和業務數據的復雜,常常在做靜態數據識別上就花費了大量人力精力。傳統NLP識別技術雖能提升部分效率,但也只能識別靜態數據,且依賴于龐大的數據集來訓練,難以理解不同行業不同企業的非結構化數據,花費時間精力也難以監測用數風險。

結合兩個關鍵點,如何用更加簡單有效的方式實現動靜態數據的可視,將成為數據安全建設的核心能力。大模型技術的應用,提供了一種新解法。

數據流動與風險3張圖可視,數據安全建設化繁為簡

深信服于業界率先實現動態數據分類分級,通過安全GPT數據安全大模型突出的自然語言理解能力、跨行業泛化能力和推理生成能力,實現動靜態數據自動化分類分級、常態化智能風險監測預警,幫助用戶降低管理和建設數據安全的門檻。

通過大模型技術賦能,用戶只需要通過“3張圖”就可看清數據的分布、流動及使用風險。

數據資產一張圖,敏感數據心中有數

安全GPT數據安全大模型基于強大的文本數據理解和跨行業數據識別能力,能夠自動對企業數據和上傳的分類分級模板進行理解、分析和匹配,不止能識別靜態數據,更能突破業界方案局限,對流動數據進行識別,最終生成完整的動靜態數據資產地圖。

數據流轉路徑圖,數據動向清晰可見

大模型通過追蹤數據流轉,能夠針對單類重要數據流轉繪制路徑,匯總訪問應用及高頻訪問用戶,數據動向清晰可見,及時調查重要數據是否存在異常訪問,針對性輸出預防或調整策略。

智能風險研判圖,用數行為風險可視可溯

安全GPT數據安全大模型針對用數行為過程實時進行風險檢測,并及時研判生成事件。對于隱蔽性高、非常像正常業務行為的風險,大模型也能夠監控到異常,并調查上下文信息,對該用數賬號的更多異常行為進行關聯分析,對風險進行綜合研判,像真正的數據安全專家一樣,定性真實數據安全風險。

大模型之所以能夠實現數據可視,在于對動靜態數據的高效識別與分類分級。用戶只要導入行業分類分級模版,大模型就能自動生成帶有行業屬性的分類分級清單,實現以下效果:

通過自動化技術實現動靜態數據分類分級,識別率高,效率提升約40倍。

常態化值守實現風險持續預警研判,準確率高,檢出率達90%以上。

↑大模型通過多個智能體實現敏感數據智能推理及自動分類分級

培育發展數據要素市場,釋放數據紅利,已成為推動經濟高質量發展的新動能,數據安全保護則是數據要素市場健康發展的基石。深信服用大模型技術賦能數據安全建設,為各企事業單位提供更簡單有效的防護方案,共同抓住數字機遇,共謀高質量發展。

免責聲明：市場有風險，選擇需謹慎！此文僅供參考，不作買賣依據。

標簽：