AI+安全
数据安全
数据基础设施
态势感知
云安全
基础安全
终端安全
商用密码
软件供应链安全
网络空间靶场
工业互联网安全
物联网安全
安全托管服务
运营管理服务
公司
不要泄露！疑似45亿条国内个人信息泄露背后的数据安全账
2月12日晚，Telegram各大频道突然大面积转发某隐私查询机器人链接。网传消息称该机器人泄露了国内45亿条个人信息,疑似电商或快递物流行业数据。用户只需输入手机号,就可以查询到姓名、手机号和详细的收货地址等隐私信息。
近年来，数据泄露事件频出，每一次数据泄露背后，都是一次、甚至多次不可估算的损失，这些损失不仅来自于被泄露信息的个人，也包括泄露数据的机构，甚至整个国家、社会。
根据IdentifyTheft Research Center中心的数据显示，2022年世界范围的数据泄露事件比2021年增长了14%，其中热门的医疗机构、金融服务公司、制造企业和公用事业企业成为黑客的首要攻击目标。
从表面看来，数据泄露伴随着巨大的经济损失，2022年7月，美国电信巨头T-mobiles 在一份公告中披露，该公司就2021年一起盗取部分客户数据的网络攻击的集体诉讼达成和解协议。T-mobiles 同意支付3.5亿美元来处理集体诉讼原告的索赔。
IBM在2022年底发布的发布的一项企业数据泄漏成本报告显示，近两年来，数据泄漏导致企业每年的平均成本支出超过400万美元。
进入数字时代，作为关键的生产要素，数据的重要性大幅提升，同时因数据安全风险造成的损失也同比例，甚至更大比例的提升。忽视数据安全治理的背后，不仅仅是千百万甚至上亿的经济损失，事故背后为社会、企业带来的无形损失，更是一笔无法评估的“安全账”。这种风险直接成为阻碍数据要素价值充分释放的拦路虎、绊脚石，如何解决这一问题？
尊龙凯时-人生就是搏!在实践中发现，数据泄露往往有三种情况：
一、网络攻击
据统计，60%以上的数据泄露是由网络攻击导致的，正因为数据要素的重要性，使得黑客组织热衷于攻击关键部门、大型企业，以达到其经济诉求，或者破坏目的。
二、来自内部
现在各行各业都推进数字化转型，大量员工、开源人员、合作伙伴都可以接触到数据，过程中的管理不当就可能造成数据泄露。
三、在组织之间的流通
数据只要给出去就没有办法拿回来了。虽然这种情况发生比较少，却是阻碍数据要素发展最重要的一个因素。
当前火爆一时的AI，其实也存在着数据泄露风险。微软、亚马逊等科技巨头就纷纷提醒员工不要与ChatGPT分享敏感数据。
近年来，《网络安全法》《数据安全法》《关键信息基础设施安全保护条例》《个人信息保护法》等法律的相继落地施行，以及市场监管总局、国家网信办印发的《数据安全管理认证实施规则》《个人信息保护认证实施规则》，为数据保护提供了政策支持，护航数据安全，从而最大化发挥数据价值。
制定安全规划
首先，需要制定安全规划，确定数据安全的边界范围、目标、基本原则以及工作重心；设立专门的组织机构，并细化数据安全管理职责和职能，明确各部门的协同配合和职责划分；建立完整的制度体系。
在数据安全框架体系的基础上，制定纲领、指南与安全实现设计规范以及管理办法。建立完整的数据安全体系，确定面对不同的数据安全风险采用何种技术方式应对，并进行落实。建立数据安全运营体系，使得数据安全工作能够持续的改进优化，保证安全工作长久有效。
梳理评估数据资产
第二步，在数据安全防护工作开展之前，需要进行梳理评估数据资产。包括数据资产运行环境安全评估、数据分类分级以及权限梳理，以便清楚数据资产状况，如数据资产的分类情况，敏感数据的分布情况，访问者来源，访问者本身拥有的权限是否满足最小够用原则。《数据安全法》的第二十一条明确指出“各地区、各部门应当按照数据分类分级保护制度，确定本地区、本部门以及相关行业、领域的重要数据具体目录，对列入目录的数据进行重点保护”。对数据及相关信息进行梳理，对数据进行分类分级，是数据安全重要的第一步。
在对数据进行梳理及分类分级后，需要针对数据不同的安全级别以及不同的应用场景采取不同的防护。
1、对数据的访问登录采取多因子身份验证，按照“零信任”策略进行持续认证，动态访问控制，防止非法访问登录；
2、对开发测试库的数据进行静态脱敏处理，防止敏感数据在开发测试环节的数据泄露；
3、对数据库运维操作，按照敏感数据级别精确到字段级配置精细化访问控制策略、命令审批机制以及动态脱敏处理，防止运维人员对敏感数据的越权访问、恶意操作等；
4、对高度敏感数据进行加密存储处理，保证即使被盗黑客也无法看懂真实数据；
5、对外发的数据植入水印种子保护，确保数据泄露后可有效溯源；
6、对所有的数据库和API访问进行审计留痕，对敏感数据的访问采取更严格的审计策略，做到全流程的完整操作审计；
7、覆盖数据全生命周期，以统一的数据安全管控平台对各探针进行统一纳管、策略打通和态势感知，实时威胁检测，第一时间洞察异常和风险。
建立持续运营机制
最后，数据安全防护是一个长期的工作，应当在做好防护的基础上建立好安全工作的常态化持续运营机制。通过风险识别、安全防护、持续检测、响应处置，IPDR进行可持续改进、闭环管理的常态化安全运营，不断迭代优化数据安全整体防护能力和效果。
