立即扫码
享受一对一服务
数据安全治理所遵循的三大原则
发布时间：2019.05.23来源：知乎浏览量：84次标签：数据治理
搞清楚数据安全要解决哪些问题、大数据时代下解决这些问题所面临的主要挑战，就可以梳理数据安全治理的核心思路了。简单说，数据安全治理可以遵循“以数据为中心、以组织为单位、以能力成熟度为基本抓手”的原则。
1、以数据为中心
以数据为中心，是数据安全工作的核心技术思想。人们比较习惯的是以系统为中心的思想，即围绕着一个数据库、一个产品、一个网站、一个服务器等评价其安全性。
这种思路主要适用于保护一个特定系统的正常工作状态。但是在今天，数据在多个系统、产品、业务环节中频繁快速流转，这种以系统为中心的思想已经不能满足数据安全的需求了。
以数据为中心的安全，是将数据的防窃取防滥用防误用作为主线，在数据的生命周期内各不同环节所涉及的信息系统、运行环境、业务场景和操作人员等作为围绕数据安全保护的支撑。
这时候，某个系统被入侵，并不等于数据安全的目标就遭到最终的破坏，反之某个单一环节的安全能力再强，也不代表整体数据安全保护的能力就够好。
在数据生命周期的不同阶段，数据面临的安全威胁、可以采用的安全手段有可能很不一样。
例如，在数据采集阶段，可能存在采集数据被攻击者直接窃取，或者个人生物特征数据不必要的存储面临泄露危险等;在数据存储阶段，可能存在存储系统被入侵进而导致数据被窃取，或者授权用户无应用场景支持访问用户敏感数据，或者存储设备丢失导致数据泄露等;在数据处理阶段，可能存在算法不当导致用户个人信息泄露等。
把不同阶段从不同角度面临的风险放到一起进行综合考虑，建立强调整体而不是某个环节安全能力，是以数据为中心的安全的核心思想。
2、以组织为单位
以组织为单位，是数据安全治理的核心管理思想。
读完前面的内容后应该容易理解，一个服务器很安全、一个手机应用产品很安全都不代表着要保护的数据安全。数据会在不同的服务器、产品、业务中流转。
而且从法律的角度来说，拥有或使用数据的组织才是承担数据安全责任的主体。因此，虽然在大数据时代还有数据共享、数据转移、数据交易等各种复杂的情况，但拥有或者处理数据的组织是所有这些活动的基本单元，因此也是数据安全治理的基本单位。
以组织为单位的数据安全治理，具体指的是数据在特定组织内全生命周期的安全，这个组织要对其负责。
不论数据在这个组织中的生命周期涉及多少产品业务或人员，那些单个系统单个业务的安全都不说明问题，说明问题的应该被最终衡量的这个组织的数据安全。
一个组织的数据安全水平，可以作为其是否符合法律要求、特定事件中具备怎样的责任、面向用户赢取信任、面向行业适合处理的数据类型和规模等的参考依据。
换句话说，政府或者行业可以以组织为单位进行数据安全管理，而不是某个产品的安全，一个组织要证明的是自己整个组织的数据安全水平，而不是自己的某个应用的安全。
3、以能力成熟度为基本抓手
用什么来衡量组织的数据安全呢?数据安全的能力成熟度可以作为基本抓手。
能力成熟度是一种经过考验的方法，目前在越来越多的领域被应用，美国甚至制定了网络空间安全能力成熟度战略。数据安全能力成熟度模型，是借鉴能力成熟度的核心思想，结合数据在组织内的生命周期以及构成安全能力的关键要素而构建的。
一个组织的数据安全能力成熟度等级，说明了这个组织在数据安全保护方面的综合能力水平。而这个水平的高低，则可以用于数据安全治理的各种相关工作。
例如，相关政府部门或行业主管部门，可以根据本行业的数据敏感度特点决定哪些数据类型或者多大的数据规模需要多高的数据安全能力成熟度水平，进而让数据安全能力成熟度足够的组织才能够处理特定数据，从而实现本行业安全与发展的平衡;
在数据共享、转移、交易等过程中，法律可以规定数据拥有者有义务要求数据接受者提供自己足够的数据安全能力成熟度水平，从而避免数据在流动过程中进入安全更差的组织，从而减少数据流动导致的安全失控;
根据特定行业、特定数据类型以及特定时段数据安全威胁的具体情况，国家主管部门可以设定和调整特定领域数据安全能力成熟度的衡量标准和等级要求，从而实现整体数据安全状态的可控;组织可以通过自己的数据安全能力成熟度水平，让消费者用更加客观量化的方法衡量自己是否值得信任;等等。
（部分内容来源网络，如有侵权请联系删除）
立即免费申请产品试用
免费试用
相关文章推荐
-
-
如何全面解决数据问题？看这里就全知道！
当今的大型企业，内部分工日趋细化，采购、服务、市场、销售、开发、支持、物流、财务、人力等各个环节，无不每时每刻产生着大量的数据。数据的格……查看详情发布时间：2019.09.04来源：知乎浏览量：138次
-
谈谈工业企业数据治理建设的趋势
工业企业数据环境复杂，数据类型多、产生速度快、数据量大、数据质量不高、数据人才匮乏，因此如何发挥和挖掘数据要素的价值成为当代企业关注的话……查看详情发布时间：2022.06.28来源：互联网浏览量：294次
-
数据指标体系搭建实践：指标管理四步法
因为不同人对于一个指标口径的理解，会存在偏差的，比如对于“新用户”这个原子指标的定义口径，有的人是理解为当日新注册的用户为新用户，而有些……查看详情发布时间：2020.09.21来源：头条浏览量：144次
-
以数据中台为切入点，场景/应用驱动源头数据治理
数据中台通常是应用驱动构建，所处理的数据是业务关心和使用的数据。在数据中台开发与运营服务的过程中，面临很多源头数据的问题，比如不同系统的……查看详情发布时间：2020.04.01来源：知乎浏览量：128次
-
什么是主数据管理系统？
采集与集成、共享、数据质量、数据治理是主数据管理的四大要素，主数据管理要做的就是从企业外部和企业的多个业务系统中采集和整合最核心的、最需……查看详情发布时间：2020.04.29来源：知乎浏览量：109次
-
数据质量—并非所有数据都是平等的
数据质量是调节数据以满足业务用户特定需求的过程。准确性，完整性，一致性，及时性，唯一性和有效性是数据质量的主要衡量标准。……查看详情发布时间：2019.04.04来源：亿信华辰浏览量：140次
-
完善数据治理的制度设计
作为最具时代特征、最活跃的生产要素和价值创造来源，“数据”首次出现在《决定》的文本之中。这既反映了经济社会数字化转型不断加快的特征事实，……查看详情发布时间：2020.10.31来源：知乎浏览量：99次
-
银行数据治理的核心问题
银行一直掌握着大量关于客户的数据，数据汇总，存储和分析的持续进步意味着收集的数据提供了不可估量的价值和机会。 ……查看详情发布时间：2019.08.14来源：简书浏览量：121次
-
为什么数据治理是改善决策的关键
能够快速收集大量数据，分析数据，然后使用您学到的知识来帮助促进更好的决策，这是许多企业高管的梦想。但是就像任何可以在一个句子中总结的事物……查看详情发布时间：2019.01.22来源：亿信华辰浏览量：192次
相关主题