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：127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
-
-
数据治理的概念、难点和最佳实践方法
数字化转型的目的和核心是数据赋能业务，通过智能数据归一、数据统一治理与服务、数据实体化融合、数据资产化的方式，帮助实现业务转型、创新和增……查看详情发布时间：2021.08.06来源：亿信华辰,数据治理的实践方法浏览量：138次
-
什么是数据治理以及数据治理架构
数据治理(DataGovernance)，是企业数据治理部门发起并推行的，关于如何制定和实施针对整个企业内部数据的商业应用和技术管理的……查看详情发布时间：2018.12.06来源：数据治理浏览量：236次
-
从主数据到数据资产，数据资产管理到底应该怎么做？
主数据和数据资产管理的定义我们已经说烂了，今天就从主数据出发，来说说怎么进行数据资产管理。主数据的问题80%是管理问题很多企业的信息部门……查看详情发布时间：2020.08.19来源：CDDN浏览量：147次
-
数据驱动，高效的数据质量管理才是是重中之重
给领导汇报工作时，你是否对报告的基础数据质量产生过担忧，担心质量不达标呢？大数据时代数据的核心不是“大”，而在于“有价值”，而有价值的关……查看详情发布时间：2019.05.06来源：亿信华辰浏览量：207次
-
数据管理与数据治理的区别
当我们谈数据资产管理时，我们究竟在谈什么？就目前而言，我们谈论得最多的非数据管理和数据治理这两个概念莫属。但是对于这两个概念，两者的准确……查看详情发布时间：2019.11.22来源：知乎浏览量：135次
-
数据质量对数据治理的重要性！
人常说“失之毫厘，差之千里”，在数据来源多样化的情况下，数据的可靠性和实用性，直接影响到统计分析是否得到正确的结论，所以说数据的质量尤为……查看详情发布时间：2019.11.01来源：知乎浏览量：146次
-
银行业重塑数据治理体系 助力转型升级
银行业金融机构要深化认识，积极主动对接国家政策，改革数据治理体系，依靠数据治理改进决策、缩减成本、降低风险、增强核心竞争力，推动银行业向……查看详情发布时间：2019.10.18来源：知乎浏览量：169次
-
数据质量分析主要包括那些内容？
数据是组织最具价值的资产之一。企业的数据质量与业务绩效之间存在着直接联系，高质量的数据可以使公司保持竞争力并在经济动荡时期立于不败之地。……查看详情发布时间：2019.11.13来源：知乎浏览量：246次
-
企业想获得更清醒的数据，请做好数据质量管理
数据质量管理是指为了满足信息利用的需要，对信息系统的各个信息采集点进行规范，包括建立模式化的操作规程、原始信息的校验、错误信息的反馈、矫……查看详情发布时间：2019.11.04来源：知乎浏览量：157次
相关主题