Why IT security leaders are prioritizing data discovery & classification

数据安全技术框架

核心观点
IT安全领导者面临数据泄露威胁加剧、敏感数据收集量增加以及数据监管日益严格的多重挑战。本报告通过CB Insights数据评估和评分技术，为IT安全领导者提供数据安全策略制定的技术市场监测、验证和优先级排序建议。

技术市场评估框架
采用“MVP技术框架”评估技术，基于两大维度：

1. 行业领导者活动（信号包括CVC活动、收购等）
2. 私募市场动力（信号包括初创企业数量、投资资本、市场成熟度等）

技术市场分类及建议
报告将数据安全技术分为四类，并给出优先级建议：

优先级排序（PRIORITY）

1. 数据访问治理

   • 背景：53%公司存在敏感文件全员可访问问题，零信任框架下需通过访问控制保护敏感数据
   • 优先级原因：支持零信任架构，企业并购活跃（如身份访问管理、事件响应集成）
   • 评估要点：员工目录状态、与其他工具集成能力、对生产力的影响

2. 数据监控

   • 背景：63%攻击来自内部，AI驱动的用户行为分析（UBA）可大规模识别异常行为
   • 优先级原因：覆盖端点、网络、云环境，可替代传统规则工具
   • 评估要点：安全集成能力、解决方案范围（端点/网络/云）

3. 数据脱敏

   • 背景：70%公司增加个人数据收集量，GDPR等法规要求通过加密等技术保护敏感数据
   • 优先级原因：提供加密、混淆等技术，IBM、Oracle等大厂已集成相关能力
   • 评估要点：数据量、用例、计算成本、数据类型、监管限制

4. 数据发现与分类

   • 背景：企业数据来源多样，典型组织含500K+敏感文件
   • 优先级原因：支持合规（隐私法规）、风险评估、保护措施实施
   • 评估要点：数据范围（结构化/非结构化）、定制化能力、NLP模型准确率

验证阶段（VET）

1. 合成数据

   • 应用：AI/分析项目预计60%使用合成数据（如Amex欺诈检测）
   • 验证要点：误差范围、行业经验、真实数据代表性

2. 机密计算

   • 技术：差分隐私、安全多方计算等保护数据使用阶段安全
   • 验证要点：硬件解决方案需求、计算延迟影响

3. 密钥管理

   • 问题：多云环境导致密钥管理复杂
   • 验证要点：加密策略（减少供应商）、数据删除策略、BYOK/HYOK方法

4. 区块链数据安全

   • 特点：不可篡改账本、去中心化结构支持安全共享
   • 验证要点：应用场景、与现有系统集成性、区块链网络选择

监测阶段（MONITOR）

1. 数据驻留

   • 背景：2007-2015年间数据本地化要求翻三倍
   • 监测要点：敏感信息来源、司法管辖区法规、合规能力（自建/外包）

2. 后量子密码学（PQC）

   • 风险：量子计算将威胁现有加密方法
   • 监测要点：NIST标准（2022年发布）、硬件需求、不同设备标准差异
   • 建议：提前识别高风险数据，更新基础设施

结论
企业需根据业务场景和技术成熟度，分阶段部署数据安全解决方案。优先级排序应聚焦数据访问治理、监控、脱敏和分类，同时持续关注合成数据、机密计算等新兴技术，为后量子时代做好准备。