大数据时代，所有数据都具有了一定的价值。价值的背后潜藏着巨大风险，大量敏感数据被贩卖、窃取和无授权滥用，这一问题已经严重危害到个人隐私、企业发展甚至国家安全。

如何迈好数据安全治理

数据安全治理是企业安全管理的重要组成也是管理难点之一，随着《网络安全法》、《民法典》、《数据安全法》和《个人信息保护法》等国家相关法律法规的出台，以及地方性、行业性的规范及指导意见的实施，都体现出数据安全管理的重要性和必要性。

 从数据安全过程管理角度看，数据采集阶段是践行DSMM数据安全管理的第一步。在数据采集阶段所需要做的数据发现、数据定义、数据分级分类等工作，是后续更好地完成数据过程管理的基础。

全域敏感数据发现正在面临挑战

对于企业而言，数据安全的核心是针对特定的敏感信息实施安全防护。在数据安全治理中，数据采集阶段的重要目标是完成数据分类分级。可在执行中，企业通常会面临以下的一些挑战：

1. 不知道哪些系统存有需要处置的数据？

2. 只有数据库中的数据才需要管理么？

3. 如何根据自身业务情况配置分类分级策略？

由此可见，进行数据分类分级的前提是了解客户环境中全量数据情况。

全域敏感数据发现的秘密武器

1）善用机器学习的能力

机器学习是目前分析、理解、识别数据模式的最佳工具。在数据安全治理过程中合理地借助机器学习的能力，能有效解决全域敏感数据发现过程中准确度、匹配度等问题。

其次，机器学习具备广泛的技术适配性，可通过多种技术的复合应用来解决企业应用场景中异构数据类型及不同数据源的全域敏感数据的发现。

2）AI（人工智能）赋能全域敏感数据发现

目前，企业生成的数据量正呈指数级增长，这是由于隐藏于数据库中所有未被发现的敏感信息进行评估而产生的。自动化的广泛应用，是可以有效提升数据治理的。因此，可通过两方面实现AI赋能全域敏感数据发现：

1、基于AI发现能力：

通过自动化嗅探技术将客户环境中的存储进行识别，并通过扫描样例数据摸底，初步梳理出客户的数据资产。包括：

1）通过SQL检索摸底并梳理结构化数据库数据信息；

2）通过NLP及对应的数据学习模型完成非结构化文档中的敏感数据解析；

3）通过大数据连接组件及内置的正则式发现半结构化数据中的敏感信息。

2、利用AI分类分级

在了解客户基本数据环境情况以后，产品通过内置的智能分类器对全量数据进行自动化标签处理，并再结合法律法规的解读和导入进行自动化的分级分类处置。在处理过程中，通过聚类算法等方式提高处理效率及准确性。