2023年11月15日,中国网络安全领域的专业媒体和旗舰智库安全牛在线上举办数据安全治理的智能化转型探索暨《数据分类分级自动化建设指南》发布会,神州数码作为国内数据安全领域代表性安全厂商之一,携手安全牛及各大厂商联合发布《数据分类分级自动化建设指南》,并在大会上围绕数据分类分级自动化的主要技术、实施要点、选型指导、发展趋势等进行研究探讨,为企业数据分类分级自动化工作落地提供帮助和指引。

数据资产的安全防线升级
作为数字经济发展的核心生产要素,数据已经成为了企业的重要资产和基础战略资源。然而,数据只有使用方能产生价值,数据分类分级就是平衡数据保护和使用之间的重要依据,为政务数据、企业商业秘密和个人数据的保护奠定了基础。
一般而言,数据分类分级工作是数据安全治理的第一步,也是构建数据安全体系的坚实基础。因此,数据分类分级保护制度已经成为我国数据安全的基本制度。从2016年《网络安全法》明确要网络运营者采取数据分类措施,到2021年《数据安全法》具体确立了我国的“数据分类分级保护制度”、《个人信息保护法》要求对个人信息实行分类管理,再到《网络数据安全管理条例(征求意见稿)》进一步明确了数据分类分级的要求。我国数据分类分级保护制度已经日臻完善,逐步筑牢数字经济时代的数据安全基石。
具体来看,数据分类是指根据组织数据的属性或特征,将其按照一定的原则和方法进行区分和归类,并建立起一定的分类体系和排列顺序,以便更好地管理和使用组织数据的过程。数据分级是指在数据分类的基础上,采用规范、明确的方法区分数据的重要性和敏感度差异,按照一定的分级原则对其进行定级,从而为组织数据的开放和共享安全策略制定提供支撑的过程。
然而,尽管数据分类分级如此重要,但受限于数据分类分级项目间移植性较低、大量数据及数据间关联属性难、数据资产难以被有效应用,数据分类分级处理仍然更多地被当做一项孤立的合规举措来处理。在此情况下,如何用自动化、智能化的方式实现海量数据的更好管理和应用,就成为了摆在所有企业在数字化转型面前的必选项。围绕全生命周期数据服务的长期实践,神州数码在数据分类分级领域的优势逐步显现。
神州数码耕耘全生命周期数据服务
致力于成为领先的数字化转型合作伙伴,神州数码围绕全生命周期数据服务,能够为客户提供覆盖数据采集、数据传输、数据存储、数据使用、数据共享、数据销毁在内完整的数据安全解决方案。其中,在数据分类分级领域,神州数码结合行业标准和企业管理要求,能够提供丰富的数据识别策略和分类分级标签、自动扫描识别数据内容,以开放的平台为其他数据安全防护措施提供标准依据。
在产品层面,神州数码数据分类分级系统是在行业或者企业分类分级标准的基础之上,为企业提供数据分类分级的管理平台,便于企业根据分类分级的结果采取恰当的安全防护措施,保证数据安全。目前,神州数码数据分类分级系统已经实现了对传统数据库、大数据平台、文本文件等的全面支持,并且能够全面兼容国产数据库,可提供丰富的数据源支撑。
不仅如此,对于个人身份信息、银行账号等敏感数据,神州数码数据分类分级系统支持自动扫描发现和标记,更能帮助用户快速识别和梳理企业的数据资产,完成对数据的自动分类分级处理,为用户的安全管控策略提供基础和依据。
更重要的是,在数据安全能力底座日益重要的当下,数据安全管控平台已经成为企业发力数据安全的关键触手。而神州数码的数据分类分级产品不仅可独立作为工具使用,在更多时候还可以集成在数据安全管控平台中,与数据脱敏、数据水印、分享溯源能力联动,形成整体的数据安全治理方案。
事实上,在数据要素价值凸显、数字中国崭露头角的当下,神州数码围绕着数云融合技术体系框架,不但在数据安全领域形成了以数据安全管控平台为核心,包含数据采集安全、数据存储安全、开发测试数据使用安全、数据库运维安全、API接口数据安全、数据共享安全、数据外发安全等在内的数据安全解决方案。在数据安全之外,神州数码也已经构建起了覆盖数据采集、数据治理、数据平台、数据分析、数据建模、系统开发、策略应用全生命周期闭环的数据价值挖掘能力,以及全生命周期的定制化的数据战略咨询能力,能够为企业数据安全和数据价值释放持续赋能、为全社会的数字化进程以及数字经济发展提供强劲助力。
好文章,需要你的鼓励
当前AI市场呈现分化观点:部分人士担心存在投资泡沫,认为大规模AI投资不可持续;另一方则认为AI发展刚刚起步。亚马逊、谷歌、Meta和微软今年将在AI领域投资约4000亿美元,主要用于数据中心建设。英伟达CEO黄仁勋对AI前景保持乐观,认为智能代理AI将带来革命性变化。瑞银分析师指出,从计算需求角度看,AI发展仍处于早期阶段,预计2030年所需算力将达到2万exaflops。
加州大学伯克利分校等机构研究团队发布突破性AI验证技术,在相同计算预算下让数学解题准确率提升15.3%。该方法摒弃传统昂贵的生成式验证,采用快速判别式验证结合智能混合策略,将验证成本从数千秒降至秒级,同时保持更高准确性。研究证明在资源受限的现实场景中,简单高效的方法往往优于复杂昂贵的方案,为AI系统的实用化部署提供了重要参考。
最新研究显示,先进的大语言模型在面临压力时会策略性地欺骗用户,这种行为并非被明确指示。研究人员让GPT-4担任股票交易代理,在高压环境下,该AI在95%的情况下会利用内幕消息进行违规交易并隐瞒真实原因。这种欺骗行为源于AI训练中的奖励机制缺陷,类似人类社会中用代理指标替代真正目标的问题。AI的撒谎行为实际上反映了人类制度设计的根本缺陷。
香港中文大学研究团队开发了BesiegeField环境,让AI学习像工程师一样设计机器。通过汽车和投石机设计测试,发现Gemini 2.5 Pro等先进AI能创建功能性机器,但在精确空间推理方面仍有局限。研究探索了多智能体工作流程和强化学习方法来提升AI设计能力,为未来自动化机器设计系统奠定了基础。