【大·数据安全 | 谋定而后动，先梳理再治理】-尊龙凯时官方旗舰店

三大难题痛点

难题一：企业级用户数据资产太过庞大

进入21世纪以来，我国信息化建设高速发展，企业级用户的数据库以及数据资产规模持续增长，年均产生的文档图片、音视频等各类电子化数据在pb级（1pb=1024tb）以上。面对海量且纷繁复杂的数据资产，企业级用户的难题在于如何从中发现有价值的数据？又该如何向不同价值的数据提供相应的安全防护？简单来说，如何对数据资产实现准确有效的梳理，已成为大数据安全治理的前提和阻碍。

难题二：传统资产梳理方式存在局限性

信息科技的日新月异，促使企业级用户在进行数据资产梳理的同时，不断适应计算机软硬件技术的变化发展。试想一家公司在经营发展的过程中，受自身规模、管理方法、人员设备等的变化影响，其在不同阶段所产生和留存的数据资产常常种类多样、繁杂不一。而传统的数据资产梳理方式因流程设计不严、技术手段缺失、人员参差不齐等缺陷，可能导致资产梳理不全甚至敏感数据泄露等问题，难以满足当前用户的实际需求。

难题三：数据资产梳理该如何持续进行

数据是企业的无形资产，能够客观反映出企业的经营状况、业务需求、发展潜力等内在因素；相对地，数据的使用情况、流转途径、甚至组成结构也处于持续变化中。因此，企业级用户需要持续观察数据、尤其是核心数据的使用情况（收集、存储、使用、流转），并定期进行数据梳理，用以了解核心数据分布，继而根据数据的特征和价值对其进行分类分级管理。问题是，如何才能做到对数据资产有效、可持续的梳理？

数据资产梳理，能够帮助企业级用户进行资产安全状况摸底及资产管理工作，通过优化梳理模式、提高梳理效率、保证梳理质量，支撑大数据安全治理工作的有效开展。

五种应对手段

手段一：自动识别敏感数据

支持按照用户指定的敏感数据或预定义的敏感数据特征，对抽取的数据进行自动识别——通常以旁路方式接入本地局域网中，对链路中的动态流量包进行分析，获取访问对象信息，并根据数据特征识别流转的数据对象，实现对敏感数据分布的动态发现；从而提高工作效率，快速完成海量数据的梳理工作。

手段二：实现数据分级分类

支持对各类型数据资产的自动发现，自动厘清各数据之间的关系，并在此基础上实现对数据的分级分类——依据自身业务特点对产生、采集、加工、使用的数据进行分类；同时，支持以数据分类为基础，采用规范、明确的方法区分数据的重要性和敏感度差异，进行分级；在满足安全需求的同时降低大数据安全治理的成本投入

手段三：梳理任务统一管理

支持对多并发梳理任务进行统一管理，既可全网段自动扫描发现数据资产分布，也可在创建任务时指定ip段和端口范围进行搜索；针对目标数据源，可创建授权任务对该数据源进行敏感数据发现；同时允许用户创建自定义的定时任务，更好的帮助企业定期核查数据资产的分布和使用情况。

手段四：梳理结果统计分析

支持对数据资产按照日、周、月三个周期进行统计分析，客观呈现数据使用频度、数据访问热度、数据量变化、数据权限变化等信息，帮助用户了解某一周期内的数据分布、敏感数据、权限分布以及资产使用情况；同时，允许用户将任意两个周期的资产梳理结果进行对比分析，从而发现数据资产的历史变化。

手段五：丰富的报告和报表

支持提供整体资产统计、敏感数据梳理、资产使用、资产对比分析等丰富的专项报表，便于用户直观的看到统计结果；同时，按周期对资产梳理情况与分析结果进行汇总，形成专业的月度、季度、年度运维工作分析报告，便于用户深入了解数据资产的使用情况，并形成归档记录以供日后查阅。

身处大数据时代，企业级用户面对海量数据常常难以有效梳理。尊龙凯时官方旗舰店致力通过数据资产梳理服务帮助it管理人员掌握自身数据资产使用情况，为用户进行大数据安全治理及相关建设工作提供有力支撑，让大数据使用更安全。