云安全
態(tài)勢感知
物聯(lián)網(wǎng)安全
工業(yè)互聯(lián)網(wǎng)安全
安全管理
數(shù)據(jù)安全
網(wǎng)絡(luò)安全
應(yīng)用安全
商用密碼
端點安全
新型智慧城市
軟件供應(yīng)鏈安全
云原生安全
網(wǎng)絡(luò)空間靶場
安全托管服務(wù)
運營管理服務(wù)
安恒信息連續(xù)被Gartner®列為“數(shù)據(jù)分類分級領(lǐng)域”代表廠商
?Gartner
此前，在《2022中國網(wǎng)絡(luò)安全技術(shù)成熟度曲線（Hype Cycle for Security in China, 2022）》報告中，安恒信息被列為數(shù)據(jù)安全平臺、云安全資源池、智慧城市網(wǎng)絡(luò)物理系統(tǒng)安全、態(tài)勢感知、數(shù)據(jù)分類分級和攻防團隊六大領(lǐng)域代表廠商。
在《2023中國網(wǎng)絡(luò)安全技術(shù)成熟度曲線（Hype Cycle for Security in China, 2023）》報告中，安恒信息被列為數(shù)據(jù)安全平臺、CPS安全、云安全資源庫、軟件成分分析、數(shù)據(jù)分類、攻防對抗六大領(lǐng)域標桿供應(yīng)商。
伴隨數(shù)字中國建設(shè)的持續(xù)深入，海量數(shù)據(jù)呈幾何級數(shù)增長，數(shù)據(jù)應(yīng)用場景持續(xù)拓展，數(shù)據(jù)分類分級的重要性愈發(fā)突顯。Gartner在報告中指出，“數(shù)據(jù)分類為治理和安全目的的數(shù)據(jù)保護過程提供了便利。這些目的可能涵蓋從價值、訪問權(quán)限、隱私管理、存儲、倫理和質(zhì)量到數(shù)據(jù)保留等方面。中國的數(shù)據(jù)安全監(jiān)管要求使得數(shù)據(jù)分類成為數(shù)據(jù)安全、數(shù)據(jù)治理和數(shù)據(jù)合規(guī)項目的重要一步。數(shù)據(jù)分類可以幫助組織區(qū)分數(shù)據(jù)的敏感性，提高數(shù)據(jù)安全控制的有效性?！?/span>
Data classification facilitates the process of data protection for governance and security purposes. These purposes could range from value, access rights, privacy management, storage, ethics and quality to the retention of data. China’s data security regulatory requirements make data classification a vital step for security, data governance and compliance programs. Data classification helps organizations distinguish the sensitivity of the data and improves the effectiveness of data security controls.
同時，Gartner在報告中給出了用戶建議：
“通過對組織內(nèi)現(xiàn)有數(shù)據(jù)的類型、價值和敏感性進行全面評估，確定整個組織的數(shù)據(jù)分類用例和工作。與業(yè)務(wù)部門和數(shù)據(jù)分析團隊合作，找出數(shù)據(jù)分類至關(guān)重要的具體用例。
推行用戶培訓(xùn)，并將用戶驅(qū)動和自動化數(shù)據(jù)分類相結(jié)合，作為數(shù)據(jù)安全治理（DSG）計劃的一部分進行部署。
分析行業(yè)監(jiān)管機構(gòu)或國家標準委員會發(fā)布的數(shù)據(jù)分類指南和標準，制定符合國家監(jiān)管要求的數(shù)據(jù)分類方案模板。
優(yōu)先選擇能與其他數(shù)據(jù)安全技術(shù)（如匿名化、加密、數(shù)據(jù)丟失預(yù)防（DLP）和數(shù)據(jù)安全平臺）提供增強集成和互操作性的數(shù)據(jù)分類工具。此外，還應(yīng)包括增強的內(nèi)置分類模板和靈活的自定義標記和標注。
在評估基于機器學習/人工智能的數(shù)據(jù)分類工具時，重點關(guān)注提供預(yù)訓(xùn)練和用戶訓(xùn)練解決方案的選項，以便利用組織特定數(shù)據(jù)訓(xùn)練模型，提高準確性?！?
User Recommendations
Determine organizationwide data classification use cases and efforts by conducting a thorough assessment of the types, values and sensitivity of data present within the organization. Collaborate with business departments and data analytics teams to identify specific use cases where data classification is crucial.
Implement user training and deploy a combination of user-driven and automated data classification as part of a DSG program.
Analyze data classification guidance and standards released by industry regulators or national standard committees to develop a data classification scheme that aligns with regulatory requirements in China.
Prioritize data classification tools that offer enhanced integration and interoperability with other data security technologies — such as anonymization, encryption, DLP and data security platforms. Also, other aspects include enhanced built-in categorization templates and flexible self-defined tagging and labeling.
Focus on options that provide pretrained and user-trained solutions when evaluating ML/AI-powered data classification tools to facilitate training models with organization-specific data for improved accuracy.
Gartner在報告中特別指出：
“機器學習（ML）/人工智能增強的數(shù)據(jù)分類工具帶來了一定程度的精度、適應(yīng)性和效率，這是以前僅通過手動方法或基于規(guī)則的自動化無法實現(xiàn)的?！?
Machine learning (ML)/AI-enhanced data classification tools introduce a level of precision, adaptability and efficiency that were previously unattainable with manual methods or rule-based automation alone.
安恒信息作為業(yè)內(nèi)首家分類分級產(chǎn)品結(jié)合大模型進行落地的廠商，將數(shù)據(jù)分類分級交付效率提升了30倍。利用大模型百億級別參數(shù)及海量行業(yè)數(shù)據(jù)，可以覆蓋所有行業(yè)的分類分級工作，相比之前的技術(shù)手段，可以更精確識別數(shù)據(jù)含義及給出分類分級結(jié)果，并且能夠從業(yè)務(wù)視角自動解釋分類分級結(jié)果的依據(jù)。同時能以一句話形式的自然語言指令注入專家經(jīng)驗，讓大模型按照用戶期望批量調(diào)整結(jié)果，無需再寫復(fù)雜的規(guī)則，易用性大幅提升。
與此同時，AiSort分類分級工具已經(jīng)和安恒多款數(shù)據(jù)安全產(chǎn)品實現(xiàn)分類分級結(jié)果聯(lián)動，無需進行二次開發(fā)，即可實現(xiàn)精細化的數(shù)據(jù)安全監(jiān)測、預(yù)警、管控，共同構(gòu)成了一道更加嚴密和全面的數(shù)據(jù)安全防線。
參考文獻：
Gartner, Hype Cycle for Data, Analytics and AI in China, 2024, By Ben Yan, Tong Zhang, Mike Fang, Xingyu Gu, Fay Fei, Julian Sun, Published 18 June 2024
免責聲明：
Gartner未在其報告中支持任何廠商、產(chǎn)品或服務(wù)，也并不建議技術(shù)用戶只選擇有最高評分或其它特征的廠商。Gartner研究出版物代表的是Gartner研究機構(gòu)的意見，不應(yīng)解釋為對事實的陳述。Gartner對與本研究有關(guān)的所有明示或暗示的保證概不負責，包括對適銷性或特定用途的適用性的任何保證。
GARTNER和HYPE CYCLE是 Gartner, Inc. 和/或其關(guān)聯(lián)公司在美國和國際上的商標和服務(wù)標識，并在獲得許可的情況下在此使用。保留所有權(quán)利。
