腾讯安全董志强:四大关键步骤促进数据安全治理闭环,提升企业免疫力

腾讯安全联合IDC发布“数字安全免疫力”模型,强调企业需重视数据和数字业务安全,通过数据默认安全、可视、可控和智能化运营来加强数据安全治理。报告指出多数企业数据安全建设滞后,面临数据泄露和合规挑战。腾讯安全提供DSGC、CASB、KMS等解决方案,助力企业提升数据安全防护能力。

高速发展的数字时代,数据已成为推动产业发展的最重要生产要素之一,真正成为了创造经济财富的数字能源,守护数据资产的安全成为企业高质量发展不可回避的重要命题。

6月13日,腾讯安全联合IDC发布“数字安全免疫力”模型框架,其中指出,企业需要将守护企业数据和数字业务两大核心资产作为企业安全建设的目标,在数据安全治理环节,打造企业数据生态,加速合规数据价值释放,构建数字安全免疫力的“堡垒”。

在技术分享环节,腾讯杰出科学家、腾讯安全云鼎实验室负责人董志强以《数据安全成为企业数字化转型的安全DNA》为题发表演讲,他指出,作为企业数字化转型的安全DNA,数据安全治理需要从数据默认安全内生业务、数据可见、可管可控和智能化运营四大关键步骤促进闭环。

(腾讯杰出科学家、腾讯安全云鼎实验室负责人董志强)

数据安全滞后制约企业数字安全建设

数据安全是当前时代的热点话题,也是所有企业安全参与者关注的重点要素,然而多数企业当前的数据安全体系建设能力不足,对数据泄露的感知滞后。根据腾讯安全与安在联合调研1500位CSO形成的《2023企业安全建设水平抽样调研报告》显示,企业当前安全建设主要围绕网络安全展开,以安全事件应急响应为主,数据治理占比仅为8.4%。

董志强表示,数据安全是组织发展的关键命脉,新时代下数据安全面临着五大挑战:第一,数据安全建设落后于数字化进程,数字安全投入占企业数字化整体投入比例不足5%;第二,数据隐私和合规呈爆发趋势,数据成为企业生命线,处罚风险加剧;第三,数据不可见、数据流动无感知,导致数据泄露频发;第四,新兴威胁导致的数据泄露成为企业数据安全治理盲区,API数据泄露、身份攻击冲击企业数据安全防线,RaaS化导致勒索门槛进一步降低,平均每11秒就有一家企业成为勒索病毒的受害者;第五,企业对于数据泄露后知后觉,缺乏免疫机制。

企业在数据安全体系建设实践中,实现数据与安全同步规划、同步建设、同步使用仍存在困难,当意识到数据安全建设的重要性进行安全接入时,往往安全风险已随处可见。对此,董志强表示,数据安全治理,需要打造企业数据生态,加速合规数据价值释放,构建数字安全免疫力的“堡垒”。

数据安全免疫力打造企业核心资产保护壁垒

董志强指出,数据安全治理建设需要重点关注四大步骤:

第一,数据默认安全,融合到业务。数据安全深入融合业务,需要构建数据默认安全体系,融入企业安全体系设计,其中包括数据传输加密、存储加密等,将数据安全嵌入业务体系可以使组织在一定程度上具备先天的数据安全免疫能力。

第二,数据看得见,数据安全链路流转可感知。针对企业数据、个人数据、行业监管高敏数据等构建看得见的能力,并跟踪数据在企业内外部的流传。数据处于不同业务场景下,对应的安全需求也将产生变化,这就需要对非中心化、非结构化的数据进行分类分级管理。

第三,提升数据保护、防御能力,构建免疫体系。数据安全可被管控,出现风险可被快速处置,在技术能力层面,提供平台和工具为数据安全兜底。

第四,数据安全智能化运营,风险闭环。通过DataSecOps智能化运营,促进数据风险闭环并持续迭代改进。数字化数据安全的核心目标,是“零”起企业级底线保护数据泄露。

通过对自身数据安全实践经验沉淀和能力标准化,腾讯安全打造了包含数据安全中心DSGC、数据安全网关CASB、密钥管理系统KMS、机密计算与联邦学习CCP等几大关键能力,并协同腾讯云各安全能力,形成闭合的数据安全防护网,帮助企业最大化提升安全效益。

此外,董志强表示,企业需要聚焦自身业务需求对自身数据风险承受能力进行评估分析,并根据自身风险承受能力及业务需求制定针对性解决策略,用指标驱动、指标度量驱动业务配合数据安全治理,推动数据安全工作的有效开展。

目前,腾讯安全已经累计为包括数字政务、零售、汽车等金融行业企业客户提供稳定可靠的数据安全产品和服务,未来也将持续在流程体系,包括技术支撑体系及基础能力维度,持续创新,助力数字安全融入企业数字化转型的安全DNA,推动生态数据安全治理可持续。

基于遗传算法的新的异构分布式系统任务调度算法研究(Matlab代码实现)内容概要:本文档围绕基于遗传算法的异构分布式系统任务调度算法展开研究,重点介绍了一种结合遗传算法的新颖优化方法,并通过Matlab代码实现验证其在复杂调度问题中的有效性。文中还涵盖了多种智能优化算法在生产调度、经济调度、车间调度、无人机路径规划、微电网优化等领域的应用案例,展示了从理论建模到仿真实现的完整流程。此外,文档系统梳理了智能优化、机器学习、路径规划、电力系统管理等多个科研方向的技术体系与实际应用场景,强调“借力”工具与创新思维在科研中的重要性。; 适合人群:具备一定Matlab编程基础,从事智能优化、自动化、电力系统、控制工程等相关领域研究的研究生及科研人员,尤其适合正在开展调度优化、路径规划或算法改进类课题的研究者; 使用场景及目标:①学习遗传算法及其他智能优化算法(如粒子群、蜣螂优化、NSGA等)在任务调度中的设计与实现;②掌握Matlab/Simulink在科研仿真中的综合应用;③获取多领域(如微电网、无人机、车间调度)的算法复现与创新思路; 阅读建议:建议按目录顺序系统浏览,重点关注算法原理与代码实现的对应关系,结合提供的网盘资源下载完整代码进行调试与复现,同时注重从已有案例中提炼可迁移的科研方法与创新路径。
【微电网】【创新点】基于非支配排序的蜣螂优化算法NSDBO求解微电网多目标优化调度研究(Matlab代码实现)内容概要:本文提出了一种基于非支配排序的蜣螂优化算法(NSDBO),用于求解微电网多目标优化调度问题。该方法结合非支配排序机制,提升了传统蜣螂优化算法在处理多目标问题时的收敛性和分布性,有效解决了微电网调度中经济成本、碳排放、能源利用率等多个相互冲突目标的优化难题。研究构建了包含风、光、储能等多种分布式能源的微电网模型,并通过Matlab代码实现算法仿真,验证了NSDBO在寻找帕累托最优解集方面的优越性能,相较于其他多目标优化算法表现出更强的搜索能力和稳定性。; 适合人群:具备一定电力系统或优化算法基础,从事新能源、微电网、智能优化等相关领域研究的研究生、科研人员及工程技术人员。; 使用场景及目标:①应用于微电网能量管理系统的多目标优化调度设计;②作为新型智能优化算法的研究与改进基础,用于解决复杂的多目标工程优化问题;③帮助理解非支配排序机制在进化算法中的集成方法及其在实际系统中的仿真实现。; 阅读建议:建议读者结合Matlab代码深入理解算法实现细节,重点关注非支配排序、拥挤度计算和蜣螂行为模拟的结合方式,并可通过替换目标函数或系统参数进行扩展实验,以掌握算法的适应性与调参技巧。
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值