自动化数据智能及风险评估工具极为重要

文章讲的是自动化数据智能及风险评估工具极为重要2015年7月1日,全球领先的数据集成软件独立提供商 Informatica(纳斯达克代码:INFA)近日宣布发布“2015年数据安全智能现状研究报告”,这是一份由美国独立研究机构Ponemon每年发表的广泛性全球研究报告。在全球范围内基于大约1700名IT及IT安全专家进行的此次问卷调查,揭示了企业在内部环境和云环境中,如何利用数据安全智能评估并降低敏感及机密数据所面临的风险。

  2015年度报告揭示了:

  l 不了解敏感数据或机密数据的所在位置,已日益成为全球IT从业人员的心头大患,大部分企业(80%)无法掌握企业数据所面临的风险程度。

  l 保存在云环境中的敏感及机密数据被认为风险程度更高,但是仅有1/3的受访人表示企业配备了自动化解决方案,以发现并监控企业保存在云环境中的敏感数据。

  l 当今市场上主要的数据安全解决方案包括数据分类、监控和发现工具。受访者认为能够通过以下智能解决方案改善合规性和安全性:自动化用户访问历史记录和实时监控 (75%)、安全策略工作流程自动化 (74%) 和自动化数据发现/风险评估 (68%)。

  主要调查结果

  数据安全忧虑日益加剧:随着敏感及机密数据的扩散,IT专业人员的担忧逐步增长。根据Informatica赞助Ponemon的一项调查结果显示,64%的受访者指出,不了解敏感数据的存储地点,是他们面临的最大担忧,这一数据高于2014年的57%。55%的受访者对于临时工作人员及承包商可能的错误表示担忧,比2014年的50%也有所提升。此外,48%的受访者对第三方及外包数据管理(包括云计算环境)倍感压力,高于去年的42%。

  由于企业缺乏信心及投资保护,云计算成为担忧的一大源头:平均来看,企业存储在云计算环境中的敏感数据,有34%被认为存在风险,而相比之下,对于企业内部的敏感数据,这一数字仅为24%。尽管如此,企业却正在减少使用自动化解决方案保护云数据的投资。62%的受访者表示自己所在的企业配置了自动化解决方案,以发现内部环境数据库及应用中的敏感数据,并进行风险评估,但是仅有33%的受访者表示已对云中的数据采取了同样的措施。因此,我们不难看出为何52%的企业自信能够有效保护企业内部数据,而只有40%的企业对保护云中的数据有信心。

  总体而言,大部分企业对数据泄露准备不足:仅有21%的受访者认为自己所在的企业能够随时检测数据泄露(比2014年的26%有所降低),但仅有32%认为自己所在的企业在发现并制止数据泄露方面已经做到良好或出色。同时,超过半数(55%)承认在过去一年内发生的数据泄露事件,本可以通过采用适当的流程及智能技术得以避免。

  就数据安全智能需求达成一致

  根据Ponemon最新调查研究显示,受访者们认为采用自动化解决方案来发现敏感数据的扩散位置并进行风险评估,能够提升数据安全防护的有效性。调查显示,73%的受访者认为此类解决方案能够提升企业的安全等级。但是,有迹象表明数据安全智能市场仍存在很大的增长空间,仅有46%的受访企业采用了自动化解决方案来保护内部数据,而只有37%的企业拥有类似方案以保护云环境中的数据。

  行业差别

  在数据安全和隐私保护方面,所有受访者都表示担忧,这些担忧具有鲜明的行业色彩,例如:

  l 公共部门及通讯企业同其他行业相比,在发现数据泄露方面的自信心最低。当问及企业有无能力发现数据泄露的时候,38%的公共部门受访者回答“有时候可以”,而20%的通讯企业直接回答“没有”。

  l 零售、娱乐及传媒行业是唯一认为员工数据风险高于商业智能数据的行业。在数据泄露方面,所有行业都认为客户数据面临的风险性最高。

  l 与其他行业相比,39%的保险企业及38%的消费产品企业拥有最高百分比的敏感及机密数据。

  l 公共部门(58%)和传媒娱乐行业(51%)对于在主动应对内部数据所面临的新威胁方面信心最差。

  l 零售业(62%)及服务业(61%)对于主动响应云中的威胁最没有信心。

  l 金融服务(60%)和医疗行业(60%)对于临时员工或者承包商可能发生错误的担忧,要高于敏感及机密数据处于未知存放位置。

  区域差异性

  同样,受访者们的担忧也具有区域差异性:

  l 德国(36%)和北美(36%)认为自己在云环境中的大量数据处于危险状态,同时,荷兰(65%)认为自己在云环境中存储了大量自己无法分辨泄露风险的数据。

  l 澳大利亚(83%)在制定通用跟踪流程以跟踪有权访问企业内部敏感数据方面排名第一,荷兰(33%)则在云环境中排名第一。

  l 北美 (49%) 和荷兰 (48%) 对自身主动响应企业内部新威胁的能力最没有信心,北美 (62%) 和日本 (59%) 则对响应云中的此类威胁最没有信心。

  关于Informatica

  Informatica Corporation(纳斯达克代码:INFA)是全球领先的数据集成软件独立提供商。世界各地的众多企业都依赖Informatica来实现其信息潜能,并推动卓越业务目标。作为业界首款嵌入式虚拟数据机(VDM),Informatica Vibe为Informatica Platform提供了独一无二的“一次开发,多次部署”功能。在全球范围内,超过5,800 家企业依赖Informatica充分利用他们在本地、云端及社交网络上的来自于计算设备、移动终端、社交媒体及大数据上的信息资产。欲了解更多信息,请致电Informatica中国客户支持热线400 810 0900 或登陆公司网站:www.informatica.com.cn。

作者:景保玉

来源:IT168

原文链接:自动化数据智能及风险评估工具极为重要

时间: 2024-07-30 00:42:50

自动化数据智能及风险评估工具极为重要的相关文章

《科技之巅2》序——机器智能数据智能:工具之王

"凡是过去,皆为序曲."--莎士比亚 通过不断发明工具,人类科技指数级进化.语言汇聚原始部落,马镫开启了中世纪的欧洲文明,"高产种子"引发人口爆炸,蒸汽机创造工业文明,大规模集成电路激活数字经济,人工智能供养人类......人类一直都不是"万物之灵",而是大自然最好的学生,人类研发新技术创造工具,甚至创造"老师"(例如谷歌围棋老师AlphaGo),不断强化自身能力,驯服其他物种,开采地球资源,繁衍壮大. 每一个时代都会出现取之

数据智能:工具之王

"凡是过去,皆为序曲."--莎士比亚 通过不断发明工具,人类科技指数级进化.语言汇聚原始部落,马镫开启了中世纪的欧洲文明,"高产种子"引发人口爆炸,蒸汽机创造工业文明,大规模集成电路激活数字经济,人工智能供养人类......人类一直都不是"万物之灵",而是大自然最好的学生,人类研发新技术创造工具,甚至创造"老师"(例如谷歌围棋老师AlphaGo),不断强化自身能力,驯服其他物种,开采地球资源,繁衍壮大. 每一个时代都会出现取之

苏州协鑫:数据智能开启“工业互联网”中国路径

苏州协鑫:数据智能开启"工业互联网"中国路径 "云栖奖"获奖人:苏州协鑫信息管理部经理 周小栋 作者:阿里云研究中心 田丰   当美国制造业回归,日本机器替换匠人,德国研发"工业4.0"智能工厂之际,"中国制造2025"应运而生,虽然中国工业普遍面临原材料成本上升.劳动力老龄化.高端技术不足.经济增长放缓等现实挑战,但"新制造"."新市场"也为中国企业带来了赢得全球核心市场的机会.截至目

IBM 成立大数据智能应用中心

近日,IBM(NYSE: IBM)在厦门举行了主题为"洞察商机,领先一步"的IBM 2014非结构化数据管理用户大会.会上,IBM企业内容管理(Enterprise Content Management,ECM)针对大数据环境下非结构化数据管理的挑战,为核心行业提供了完整的解决方案,并分享了IBM ECM在人力.金融等领域的客户体验.在会上,IBM宣布与合作伙伴美亚柏科信息股份有限公司(以下简称美亚柏科)进行合作,发布大数据智能应用中心.新的大数据智能应用中心,运用IBM在企业内容管理

IBM成立大数据智能应用中心

ZDNet至顶网软件频道消息:IBM在厦门举行了主题为"洞察商机,领先一步"的IBM 2014非结构化数据管理用户大会.会上,IBM企业内容管理(Enterprise Content Management,ECM)针对大数据环境下非结构化数据管理的挑战,为核心行业提供了完整的解决方案,并分享了IBM ECM在人力.金融等领域的客户体验.在会上,IBM宣布与合作伙伴美亚柏科信息股份有限公司(以下简称美亚柏科)进行合作,发布大数据智能应用中心.新的大数据智能应用中心,运用IBM在企业内容管

数据智能时代,语音交互将是第一爆发领域

在云栖TechDay第十五期活动上,阿里云iDST总监初敏博士给大家带来了题为<数据智能时代的语音交互>的分享,初敏博士认为当今是一个数据驱动的智能时代,语音交互将是这个时代的第一爆发领域,将会形成新一轮入口之争.她主要从语音识别与合成.人机对话.应用案例分析三部分展开了此次分享. 下面是现场分享观点整理. 自从谷歌的Alphago战胜李世石后,人工智能在全世界范围内引起了高度关注.细看近年来备受热议的人工智能案例,实际上是机器学习特别是深度学习技术的发展和普及的结果.而今天的深度学习,跟三四

阿里金融云在金融互联网创新的真经总结:场景、数据智能、运营以及核心引擎

作者:徐敏 阿里金融云经理 尊敬的各位领导,上午好!很荣幸今天有机会来向各位汇报和分享金融互联网创新方面的实践. 在过去的两三年中,我和我的团队有幸参加了几十家金融机构的互联网创新类项目,有IT的,也有业务的.归纳起来,这个阶段的创新集中在这四个方向: 第一是场景,和更多的互联网或者产业场景对接: 第二是数据智能,大家也都认识到数据智能不是简单地搭一个大数据平台,除了平台之外,至少还要具备四方面的能力,第一是大数据,利用更多的内外部数据实现数据大拼图:第二是算力,云计算的普及让我们获得了大量的"

当数据智能遇上工业制造

云栖TechDay第32期,阿里云数据业务总架构师周卫天带来主题是"当数据智能遇上工业制造"的演讲.本文主要从DT时代的开启开始谈起,接着分析了智能工业智能化.融合化和人性化的三大趋势,然后着重分享了阿里工业在智能化.融合化和人性化的实践,包括协鑫光伏实践.货运列车智能故障检测和飞机发动机智能健康管理等案例.   以下是精彩内容整理: DT时代用DT实现DT 用DT来实现DT比较有趣,第一个DT代表数据的技术,第二个DT代表数字化的转型.当数据智能碰到工业制造的时候,根据我自己的一些观

帮助企业开始采用大数据的7大工具

几乎每一个行业厂商都希望过渡到一个数据驱动的方法.不过,虽然许多企业擅长收集数据,但了解数据却是比较困难的.以下介绍的这七个工具可以提供帮助. 今天许多企业都在努力解决一个大问题:如何管理我们的数据?在收集资料的同时,如何分析和理解更为复杂的大数据? 企业拥有内部数据,这可能是结构化数据图表和数据库,或非结构化数据,如元数据或电子邮件的文本.有来自网络的社交媒体数据,数据可穿戴设备或其他物联网采集的数据流量,这样的例子不胜枚举.最后,还有"大数据"的好处是将各种数据收集在一起,拼凑出事