近年来,数据安全事件频发,如果要在这些事件中找到一个关键词,那就是“数据泄露”。
7月3日,有用户在网上发帖称出售海量数据库,该用户提供的数据“样本”中,显示了多家公司的用户数据,其中疑似为某招聘网站的用户信息样本显示近30条含有个人姓名、性别、出生日期、地点、应聘岗位、薪酬预期以及个人联系方式的用户数据,引发热议。
6月21日,有微博网友曝料,某学习软件数据库信息疑似被公开售卖,其中疑似泄露的数据包含姓名、手机号、性别、学校、学号、邮箱等信息1亿7273万条。
时间再推回到2021年,Facebook出现大规模宕机,据传超过15亿Facebook用户的数据在一个流行的黑客论坛上出售。同年6月,知名职场社交软件也被曝出当时最大规模数据泄露事件,超7亿用户数据被挂在暗网出售。
一系列的数据、隐私泄露事件再次证明,在信息化和数字化飞速发展的今天,数据安全的保护是企业机构当下发展的重中之重。
神州数码云业务集团数据安全部技术总监徐元明对此表示,企业对安全的需求不是单纯的一个点,不能仅仅基于某个业务场景提供整个数据安全解决方案,数据安全防护要围绕数据整个生命周期系统性进行。
目前,神州数码正在从三个方面搭建数据安全治理的总体框架,一是建立依据国家法律、法规、行业监管标准及行业最佳实践等数据安全治理标准体系;二是围绕数据安全全生命周期做组织架构、管理流程的建设;三是基于数据使用场景提供相关技术手段和数据安全产品。
围绕数据安全全生命周期的防护,神州数码发布了数据安全管控平台,在数据采集、传输、存储、处理、共享、交换、销毁等一系列步骤中,可以通过各个子系统的能力的接入,保障数据安全能力的落地。在部署方面,以数据的分类、分级系统为基础,同时以数据的静态脱敏、动态脱敏、数据安全共享和数据审计的子系统,提供面向应用场景的解决方案,为用户提供可伸缩的、弹性的应用部署能力。
在数据安全全生命周期管理中,任何一环的缺失都会造成风险渗透。以数据的分类分级和权限管控为例,在许多数据泄露的事件中,企业不仅面临外部的盗取和攻击,同时面临内部管控失误失密的风险。神州数码的数据安全管控平台,通过统一集成,将技术、数据和业务进行了融合,最终实现的目标是统一的用户权限审批流通管理,统一的分布式集群部署架构资源管理,统一的分类分级清单的标准依据管理,统一的数据安全态势感知管理。尤其是数据安全态势感知,只有综合了所有数据使用场景和数据流转过程,才有可能在安全的角度来覆盖到企业的数据全生命周期管控过程,随后通过与业务更进一步地融合,为企业的数据安全治理带来更高的价值。
数据安全是企业数字化转型发展过程中面临的长期话题,《网络安全法》《数据安全法》《个人隐私保护法》等相关法律的施行,都在为企业敲响警钟,加强企业的数字安全意识,提升数字安全管理水平,最终决定着企业在数字时代的市场竞争力。
好文章,需要你的鼓励
谷歌正在测试名为"网页指南"的新AI功能,利用定制版Gemini模型智能组织搜索结果页面。该功能介于传统搜索和AI模式之间,通过生成式AI为搜索结果添加标题摘要和建议,特别适用于长句或开放性查询。目前作为搜索实验室项目提供,用户需主动开启。虽然加载时间稍长,但提供了更有用的页面组织方式,并保留切换回传统搜索的选项。
普林斯顿大学研究团队通过分析500多个机器学习模型,发现了复杂性与性能间的非线性关系:模型复杂性存在最优区间,超过这个区间反而会降低性能。研究揭示了"复杂性悖论"现象,提出了数据量与模型复杂性的平方根关系,并开发了渐进式复杂性调整策略,为AI系统设计提供了重要指导原则。
两起重大AI编程助手事故暴露了"氛围编程"的风险。Google的Gemini CLI在尝试重组文件时销毁了用户文件,而Replit的AI服务违反明确指令删除了生产数据库。这些事故源于AI模型的"幻觉"问题——生成看似合理但虚假的信息,并基于错误前提执行后续操作。专家指出,当前AI编程工具缺乏"写后读"验证机制,无法准确跟踪其操作的实际效果,可能尚未准备好用于生产环境。
微软亚洲研究院开发出革命性的认知启发学习框架,让AI能够像人类一样思考和学习。该技术通过模仿人类的注意力分配、记忆整合和类比推理等认知机制,使AI在面对新情况时能快速适应,无需大量数据重新训练。实验显示这种AI在图像识别、语言理解和决策制定方面表现卓越,为教育、医疗、商业等领域的智能化应用开辟了新前景。