作者:高建坤,网络信息联盟数据安全治理委员会专家,安华金,华南区技术总监。近十年的数据安全行业技术工作经验,丰富的项目实践以及对数据安全治理和技术的研究。

01
数据安全形势分析从法律法规来看,2021年是网络安全事件频发的一年。随着《数据安全法》和《个人信息保护法》两部重要法律法规的颁布实施,数据安全开始进入大众视线。鉴于当前的国际形势,2018年,欧盟GDPR生效,美国等国相继颁布数据安全法,其显著特点是长臂管辖。即其他国家的企业和组织在处理本国的敏感数据如公民信息时,会受到当地法律的限制和保护,如果违反了规则就会受到惩罚。而我国的数据安全法也有长臂管辖的规定,使得我国有了对等的法律武器。从数字化转型的角度来看,在数字中国的总体战略下,数据是不断流动、汇聚、合并、共享的。这种数据层面的变化带来的新技术、新模式也引入了新的安全风险,比如开放模式导致安全边界模糊,智能化导致不可信问题。数据安全的风险变得更加复杂多变,数据的流动给企业的管理带来了诸多困难,如管理者所处环境的复杂性、数据的不断移动和扩散、内部数据安全问题的突出、大数据开源组件的安全性堪忧等。
从数据安全事件方面来看,数据安全事件层出不穷,企业遭受了巨大的经济和声誉损失。比如2020年,某著名芯片厂商泄露专有数据和源代码超过20GB。某国际知名企业,在重要数据服务器上设置弱密码,导致内部未经授权人员批量下载数据并放到互联网上,给企业造成严重损失。金融行业也有很多个人资料泄露和滥用的例子,我们认为有很好的安全建设。
企业数据安全管理面临法律法规监管、新技术新模式应用引入新风险、安全事件频发等诸多压力。无论是企业的负责人,还是组织中的安全管理者,都应该更加重视和全面建设数据安全。
02
数据安全治理体系的构建及建议对于企业来说,数据安全并不陌生。目前这方面的工作或多或少都有。但《数据安全法》中提出了明确要求,即建立健全数据安全治理体系,提高数据安全保障能力。那么,在数据安全法的框架下,需要做些什么来履行企业数据安全保护的义务呢?首先,要建立数据安全管理机构,设置明确的数据安全责任人;
其次,建立数据分类分级保护制度和全过程数据安全管理制度;
三是结合法律法规、行业规范和标准,对各类业务场景和数据生命周期进行合规审查,定期对涉及的核心数据、重要数据和个人敏感数据进行风险梳理和评估,并向相关部门提交风险报告;
第四,根据前期合规审查和风险评估中提出的问题,制定和完善数据保护规范和流程;
第五,建立监测预警和应急机制,结合技术和工具实时监控数据安全风险,及时处理和报告事件;
第六,定期进行培训和宣传。企业数据合规是一个持续的过程,结合企业文化长期宣传企业人员的合规意识;
七是通过对企业和责任人数据安全合规性评估的日常评估,确保有效性,督促相关人员主动履行职责,在权责一致的情况下落实合规责任;
第八,企业应结合安全产品、技术工具、安全体系和评估机制,对数据安全进行动态监控、预警和处置,并进行定期和不定期的审查和持续迭代更新,以实现可持续安全的目标。
数据安全治理体系的构建首先,企业要制定数据安全体系建设框架,指导数据安全建设。整个系统可以分为管理系统、技术系统和运营系统三个部分,从而形成战略规划、建设运营、监控分析和改进的闭环。
管理体系的建设主要围绕合规要求、行业惯例和企业实际情况来构建组织架构、管理规范、安全政策和运营流程,并制定评估体系监督数据安全的运行,从而加以完善和推广,形成闭环。

技术体系的构建主要基于两个方面,一是覆盖生命周期;二是有效控制数据使用、分析、运维、分发等场景。
运营系统是在管理和技术系统的基础上进行统一运营,通过运营系统发挥管理和技术的最大协同价值。
数据安全系统建设的典型步骤
在数据安全的建设中,确定组织架构无疑是第一步。有了组织和人员,就可以建立相应的管理制度。由于数据和业务的紧密联系,数据安全体系需要从顶层战略规划上平衡业务和安全需求,包括具体的管理制度、操作流程、应急预案等。,然后通过数据安全评估梳理资产,进行差距分析,通过制度、流程、规范、技术工具的有机结合填补差距,最后通过审计、监督发现系统运行中的不足,优化系统提升短板能力。组织建立后,安全体系的建立、数据安全的评估、能力建设、审计监督形成循环,使整个体系处于不断完善和优化的状态。
数据安全管理系统
建设步骤前三部分的组织架构、数据安全体系、数据安全评估都是建设框架中管理体系的内容。下面重点介绍数据资产的分类和分级以及数据安全评估。
数据整理与分级:整理企业资产的三个步骤。一种是基于网络嗅探和流量数据库协议分析技术,自动发现网络环境中存在的数据资产;二是对企业所有网络数据资产进行清查,基于资产标签化能力,识别完整的数据资产属性信息,如业务系统、机构、负责人等;第三,基于数据库类型、组织、IP分布等维度的统计,可以知道数据资产的分布情况。在此基础上,可以发现敏感数据,根据分类分级规范自动完成分类分级标记,形成敏感数据资产列表和分类分级列表,为数据安全工具的监控策略提供输入和锚定依据。
数据安全评估:从上图可以看出,在进行安全评估时,我们首先参考相应的法律法规,输入合规标准,然后从数据流的不同维度分析相应的管理和技术方面,包括高风险场景下的安全威胁评估。
数据安全评估针对不同级别数据的使用和访问,评估业务系统的访问权限策略和控制措施的现状,以及存在的问题和风险。数据安全风险评估并输出报告后,可以逐步使用技术工具进行分级监控。我们发现有些企业已经开始自主进行数据分类分级,但还停留在纸面阶段,没有和监控策略挂钩。可见,企业对于计划如何实施,如何转化为好的结果,还是很迷茫的。如果要针对不同的级别制定相应的保护和监控策略,分别实施,那么就有一个工作级别,分为以下两个方面:
1.技术体系:根据生命周期的不同阶段和数据应用的不同场景,采用合适的技术支持。技术施工参考下图。传统的网络安全技术能力是数据安全的基础。从审计、脱敏、保护、加密等基础数据安全能力,到对这些基础能力的集中管理,将数据资源管理、安全策略管理、风险事件检测、风险分析、运行监控结合起来,使数据安全管控能力形成一个有机整体。安全将进行集中管理,对各个环节进行检测和控制,及时应对风险,实现风险可追溯。
最后,从数据安全系统的三个子系统来看,运营系统是基于管理系统和技术系统。通过对数据资源、数据安全策略、数据安全事件、数据安全风险的运营,逐步建立数据运营体系。
2.数据安全运营:实施管理体系规范和流程,充分发挥技术系统的监控和保护能力,需要正常完善的运营能力的支撑。它可以分为三个部分:
日常运营:通过日常运营管控平台,支持集中化、日常化的数据安全运营业务流程,实现数据安全建设流程和运营标准化;
运营监控:通过可视化运营监管能力构建运营监控中心,帮助管理者全面掌握数据安全运营状况;
服务:通过日常运营服务、专家服务、网络保护服务、再保险服务、培训服务,实现数据安全的常态化。
除了以上三部分,企业还可以从审计和监管的角度来看数据安全运营。从数据感知、安全合规、事件审计、风险感知四个维度,对企业的数据安全运营进行审计,监督规划的实施,并形成相应的考核指标。
03
关于数据安全建设的建议在数据安全法的要求下,数据安全的治理和建设已经成为一个热门话题。首先,关于标准,《数据安全法》是一部指导性法律,可以指导数据安全的工作方向,但不能具体指导企业实施自身的安全建设。在数据安全法中,没有详细的数据应用场景的监控规定和制度规定,更具体的标准需要落到各行业主管部门。以《数据安全法》为基础,根据行业特点制定行业的数据分类和数据安全标准规范,可以指导企业针对不同级别的数据和不同的数据生命周期,详细制定相应的安全控制。其次,核心数据和重要数据的认定,一般的法律法规都是指导性文件,各行各业都没有具体的核心数据目录和重要数据目录。就像标准制定一样,由于各行各业的数据特征不同,从国家层面划分具体领域是不现实的,所以最终需要落到行业主管部门。比如“重要数据”信息安全标准委员会制定了《信息安全技术重要数据识别指南》,重要数据的识别可以有据可依。只要符合任何特征,都可以归为重要网络数据。

不同行业的数据安全建设发展阶段不同,有些行业已经有相应的标准来实施数据安全工作。对于那些还缺乏标准导则的行业,可以参考现有的安全建设建议。
-结束-


