核心观点
- 数据安全的重要性日益凸显：随着人工智能（尤其是生成式AI）的兴起，数据安全成为企业面临的核心挑战。可靠、高质量的数据对于AI的训练、推理、增强和内容生成至关重要，因此确保数据的机密性、完整性和可用性成为企业成功的关键。
- GenAI带来的安全风险：GenAI的快速发展带来了新的安全风险，69%的受访者认为快速变化的GenAI生态系统是最大的安全风险。数据完整性（64%）和可信度（57%）成为继数据可用性之后的第二大和第三大安全担忧。
- 应用安全是数据保护的基础：应用架构的日益复杂化要求企业加强应用安全。超过三分之一的业务（34%）使用超过500个应用程序编程接口（API），这引发了代码漏洞（59%）和软件供应链（48%）的担忧。企业需要平衡应用功能和安全需求，并优先考虑静态应用安全测试（SAST）和动态应用安全测试（DAST）。
- 数据分类和加密的重要性：87%的受访者表示他们可以对至少一半的数据进行分类，这是一个显著的进步。然而，近三分之二（61%）的受访者使用五个或更多的工具进行数据发现和分类，这可能导致保护策略的不一致。企业需要加强数据分类和加密能力，以有效管理AI集成和转型带来的风险。
- 量子计算带来的挑战：量子计算的发展对现有加密算法构成威胁，企业需要积极应对。约60%的受访者表示担心未来加密的妥协、安全的密钥分发和未来对现有数据的解密。企业需要评估后量子密码（PQC）算法，并提高加密的灵活性。
- 数据主权成为重要议题：数字主权允许企业在特定控制和环境中管理敏感和机密信息，以应对数据保护和隐私法规的日益增多。近三分之二的企业表示，他们正在采取措施满足客户、区域或全球隐私要求，例如使用加密和密钥管理来提供足够的保护。
- 云开发和平台工程：随着企业采用多云和SaaS环境，云开发和平台工程变得越来越重要。平台工程师和操作员在通过开发管道管理和部署数据资产方面发挥着关键作用。然而，多云环境的复杂性也带来了新的挑战，例如密钥管理、身份和访问管理以及网络安全。
关键数据
- 69%的受访者认为快速变化的GenAI生态系统是最大的安全风险。
- 64%的受访者表示担心未来加密的妥协。
- 61%的受访者使用五个或更多的工具进行数据发现和分类。
- 近三分之二的企业表示，他们正在采取措施满足客户、区域或全球隐私要求。
- 76%的受访者使用两个或更多的云。
- 64%的受访者认为云安全是最紧迫的安全领域。
研究结论
- 企业需要加强数据安全措施，以应对AI、量子计算和数据主权带来的挑战。
- 应用安全是数据保护的基础，企业需要平衡应用功能和安全需求。
- 数据分类和加密对于有效管理数据至关重要。
- 企业需要积极应对量子计算带来的威胁，并评估后量子密码（PQC）算法。
- 数据主权成为重要议题，企业需要采取措施保护数据免受外部威胁。
- 云开发和平台工程需要与安全控制相结合，以保护企业数据。
