保護企業中敏感數據的五種方法
企業從各種來源收集海量數據，任何數據源都可能包含敏感數據。通常需要移動數據以用于數據倉儲、報告、分析、存儲、測試和應用等目的。數據或 AI 模型可能會被多次復制，導致敏感數據遭濫用。
云和數據湖等新技術平臺的出現可能進一步加劇了這個問題。企業通常會感受到數據治理、監管要求和創新之間存在天然的緊張關系，而受到有效治理的安全環境則可以切實刺激創新，提高組織的生產力。為了弄清楚企業中的敏感數據數量，降低相關風險，必須研究整個數據環境，以確保正確使用數據，滿足生命周期所涉及的所有監管要求。
必須管理整個數據生命周期，覆蓋從創建到處置的每個階段。Gartner 指出，為應對嚴峻的數據挑戰，大多數企業在其產品組合中集成了 40 多種工具和解決方案。目前，80% 的企業希望整合供應商，通過此舉降低成本和提高安全性。
如果企業希望整合其信息架構棧，可考慮以下五個因素，它們對于建立可信的數據基礎至關重要：
- 持續審計
- 數據治理
- 數據發現
- 及時響應和評估
- 隨處部署
持續審計
企業越來越需要實現各種數據源的可視性，以便能夠有效管理相關數據。實時集成有助于提高數據的可用性，使合規專家能夠監控范圍廣泛的大量數據源。治理、風險與合規 (GRC) 解決方案有助于提供綜合洞察，深入揭示網絡風險和數據保護等動態領域中控制、流程與合規等方面的系統性問題。這要求系統具備風險與合規項的互聯庫，并且可通過不同的業務維度進行查看。
數據治理
企業通常需要以數據目錄為核心，為企業范圍的數據分類制定并自動執行策略。企業必須在存儲數據的任何位置實施策略，以確保在訪問、使用或傳輸敏感數據時，都會應用和觸發相應的數據保護措施。數據掩蓋、基于用戶的數據發現訪問控制以及非結構化數據風險評估等其他功能對于實施強有力的數據治理方法也至關重要。
數據發現
隨著企業中越來越多的部門表示需要管理和訪問數據，信息領導必須集中精力簡化數據操作，同時提高效率、數據質量和易查找性，并且有效管理規則，以便能夠適時地從任何來源向合適的人員提供高效的自助式數據管道。
及時響應和評估
為了快速實施對治理工件的變更，企業需要自動報告個人可識別信息 (PII)，以提高審計準確性，減少審計時間。數據公民應當能夠全面、實時地了解整個企業中的應用、AI 模型等任何主體使用私有數據的情況。
隨處部署
為了滿足目前的要求，并為將來的競爭做好準備，企業需要高效敏捷的信息架構。鑒于 AI 的動態性質，首席數據和隱私官正在構建協作式工作流程，并為一系列參與者實現 AI 生命周期自動化。解決方案是什么?答案是敏捷而富有彈性的云原生平臺;有了這種平臺，無論數據公民擁有何種獨特的數據和云環境，都能借助 AI 取得成功。像 RedHat OpenShift 這樣基于容器的平臺可通過容器化的服務、容器管理和編排，在任何位置實現這些優勢，最多可將每個應用的 IT 基礎架構和開發成本降低 38%。此外，這些平臺還可以部署到任何環境中 — 無論在本地還是云端。
了解更多信息
IBM 全新的通用數據隱私框架統一了覆蓋多個不斷變化的不同位置和數據源的策略管理方式，推動具有更強風險意識的決策和流程。可使用 IBM Watson Knowledge Catalog、IBM OpenPages with Watson 和新的 AutoPrivacy for IBM Cloud Pak for Data，自動執行和簡化數據治理、合規與安全實踐。
在今天的產品發布公告中，AutoPrivacy 功能作為智能Data Fabric的一部分推出，用于適時安全地連接適當的數據，在數據所在的任何位置推動 AI 的使用。AutoPrivacy 使客戶能夠針對公有云和私有云上的數據應用一致的隱私和使用策略。閱讀有關下一代 IBM Cloud Pak for Data 的產品發布公告。了解有關如何使用Data Fabric來平衡創新和數據隱私的更多信息。
原文鏈接：https://www.ibm.com/blogs/watson/2021/05/protect-sensitive-data-ai/
了解更多IBM相關：http://cloud.51cto.com/act/ibm2021q3/cloud#p3
