数据安全性是什么?
数据安全性是指在数据输入,处理,统计或打印过程中,如何有效地防止由于硬件故障,电源故障,崩溃,人为误操作,程序缺陷,病毒或黑客而造成的数据库损坏或数据丢失。合格的人员或操作员可能无法读取某些敏感或机密数据,从而导致数据泄漏和其他后果。
数据安全运营的工作方法是什么?
目标设定
起步阶段,找业界同行Top1-2家公司这方面的目标设定作为参考,根据不同业务、数据安全的发展阶段,设定目标;发展阶段,对比自己的历史数据,参考业界指标,设定目标;特殊时期的阶段性目标,如疫情期间数据安全目标的设定。
持续运营
基础工作:数据分类分级、数据标签;建立资产库和资产大盘,掌握数据资产在业务的分布、风险状态;权限管理、关键业务日志等;
技术手段
数据全生命周期管理
数据采集→前台业务处理→数据储存→访问和维护→后台数据分析→展示和使用→共享和再分发→数据营销
这里暂不涉及具体数据安全措施在业务的建设内容,这些措施在不同行业、公司文化、及业务不同发展阶段的建设方向和次第需要讲究和考量的。如数据在收集阶段的涉敏资产发现服务;数据在存储中的扫描服务、加密存储服务;数据在使用过程中的文件分发平台等,这些基础能力的建设坚持对标业界,避免走弯路的同时提升效率;
数据安全(风险评估):一般通过事件发生概率与影响来评估风险值,这也是很多咨询类公司的常见做法,或者套用DREAD模型的计算方式:等级=危害性+复现难度+利用难度+受影响用户+发现难度来进行数据安全风险评估,这些方法的使用无可厚非,其最终能与业务达成一致的风险认知很关键。
数据安全(风险识别):在基础工作上利用多维度数据进行风险行为分析,如UEBA。
数据安全(风险场景识别):除了运营同学深入业务比业务还要了解业务外、还可以将特征数据进行重组或进一步深挖数据,进而发现新风险、另外一个就是内外部情报数据。
在风险管控过程中 逐步建立工具和平台,实现自动化,如建设UEBA平台、安全运营平台(SOAR-安全编排、自动化及响应)。
尝试界定数据安全边界并关注核心风险,如数据泄露、人员舞弊,加上资源总是稀缺的,即主要风险应该都在视野内,你的地盘还有没有不在视野范围内的数据安全风险?
数据安全(安全治理):单纯的自上而下,本质上利用权力来威慑业务达到安全目的,通常效果有了也隐藏了业务的怨言。利益共同体式的自上而下,即通过联合作战项目安全牵头发起、业务主导共同推进安全治理并共享成果。这也是自上而下的模式,其实这种是需要更强的组织机制来保障的。技术上实操上结合数据全生命周期管理过程中涉及到的安全措施,可以联合业务方、或安全自研或采购工具进行治理,如水印服务、数据加密、漏洞扫描、BC端涉敏根服务调用链治理等,通过有序的治理工作,有时候会获得较好的安全回报,如风险收敛、勾搭上业务MM又熟悉业务了。
数据安全(业务赋能):数据赋能,对业务输出高质量数据,支持业务决策发展,安全能力赋能业务方,从服务业务方变成业务的安全伙伴,给业务以力量,自己也硬气了。
数据安全(效果验证)
通过数据指标量化验证,数据指标变化应与采取措施的预期一致,我们对某个指标采取了措施,一种情况是观察一段时间后对指标没有影响,很可能是我们没有找到根因,另一种情况可能是采取的多种措施对指标都有正向影响,此时我们需要选择一个性价比最高的措施,考虑ROI。
数据安全(与业务关系)
怎么向业务阐述清楚业务面临的数据安全风险更为关键,这也是运营的基本功之一吧,安全运营离不开业务这个衣食父母,要有服务意识,这是基础,如果能与业务就风险达成一致的认知,以覆盖率、收敛为目标的安全措施、治理项目就更多的变成在业务侧怎么协调资源、排期的执行层面的问题了。数据运营团队的数据支持与合规团队的情报线索、线下调查结合明确各自的主战场并建立协同作战。
想了解更多信息扫描下方二维码咨询
▼
立刻咨询
点击下方二维码咨询!
[1] |