如何做好数据安全态势管理（DSPM）？

我们已经生活在基于云的何做好数数字时代，那些能够从数据中获取最大价值的据安组织将成为最后的赢家。在数字化转型和数据民主化的全态发展背景下
，企业开展数据安全保护也面临诸多新挑战：

以上因素共同构成了一个新的源码库“数据安全攻击面”，这是一种新的威胁途径 。为了应对挑战，研究机构Gartner在其发布的《2022年数据安全技术成熟度曲线》报告中，提出了一种新的数据安全方案——数据安全态势管理（DSPM）。根据Gartner给出的定义，DSPM旨在为企业组织提供更加全面的数据安全可见性 ，以便深入了解敏感数据的位置、访问权限、源码下载如何被利用以及如何存储等安全状况态势信息。DSPM的主要功能包括：数据安全策略实施、数据风险评估、数据分类、数据泄漏保护、数据访问监控、数据发现
、数据风险补救
、数据风险排序 、数据所有者标识、数据合规性报告、数据流映射以及数据沿袭识别等 。

如果将DSPM与CSPM（云安全态势管理）进行比较
，我们可以发现，CSPM的亿华云主要功能是保护企业云上应用和数据免受未经授权的访问，但无法为组织提供有关数据的详细上下文信息，而DSPM解决方案则聚焦于云上数据的流通和变化，重点帮助组织解决如下问题：

完善的DSPM方案应该具备数据发现、优先级评估、安全防护和持续监控等关键要素，服务器租用这样才能识别所有已知和未知的数据，并根据数据量、暴露情况和安全态势确定安全隐患的风险级别，提出风险警报和补救指导
。因此，企业组织要做好数据安全态势管理工作并不是件很容易的事情，而遵循以下最佳实践，可以帮助企业从DSPM项目建设中获取更多好处。

01建立数据资产目录

DSPM是一种以数据为中心的数据治理和安全防护方法
 。因此，高防服务器组织首先有必要发现并登记所有的数据资产信息。拥有原生发现功能的云服务商只能识别正规的云原生资产，但是识别率往往不够全面，比如难以识别影子数据资产。这些实例或工作负载通常是为备份或实验任务生成重复副本的产物 。作为DSPM策略的一个核心部分 ，为所有数据资产整理出一套完备的目录至关重要 ，无论资产是在本地，还是在公共云
、私有云、混合云或者SaaS应用程序上。

02做好数据环境分析

现代企业组织每年都要处理PB级的海量数据 。这些数据会以不同的格式保存在整个企业数字化环境中，包括结构化数据、半结构化数据和非结构化数据 。发现和分类如此大量的数据对企业而言是个巨大的挑战 。组织应该利用人工智能/机器学习技术（比如NLP）
，以准确发现和分类敏感数据，并且更深入地了解其数据使用环境。

03将各类安全解决方案有效协同

组织必须将DSPM解决方案与已有的CSPM、CWPP、SOC、SEIM等方案有效整合 ，统一运营使用
 。虽然CSPM等解决方案缺乏对数据理解能力，但可以弥补DSPM解决方案难以具备的防护能力 
。如果充分利用DSPM提供的敏感数据洞察力
，组织可以根据数据敏感度来确定资产的优先级，以解决现有防护体系中的不足。这不仅使组织能够缓解误报引起的警报疲劳 ，还可以更有效地保护敏感系统
。

04用零信任框架优化访问

未经授权的访问是导致企业数据泄露的主要原因之一。组织必须尽快实现基于最低权限访问模型的零信任框架。对于安全团队而言 ，可以充分分析数据访问相关信息，比如访问敏感数据的身份 、访问者的地理位置及其访问这些数据的频次
。这些信息可以帮助组织更好地优化其访问策略和控制 ，并保护数据免受未经授权的访问
。

05加强对流数据的监管

在多云时代，越来越多的组织选择使用Kafka和Confluent之类的流数据平台。这些平台允许组织实时处理和分析数据，以便及时作出决策
。然而组织在管理流数据时会遇到一些挑战 ，比如未经授权访问和数据蔓延等问题。组织必须深入了解经由流数据平台传输的敏感数据，并利用这些信息建立访问控制措施，以防止数据蔓延和未经授权的访问。

06做好隐私合规分析

遵守数据隐私法并不容易，因为数据正在失去控制，分散到众多的数据系统和存储地点。由于数据急剧增加
，很难将数据与个人身份准确对应起来。由于缺乏数据的上下文信息，企业往往很难理解与单个数据集相关的合规策略
。但作为DSPM策略的一个关键部分，组织必须将数据治理工作与监管政策要求严格对应起来，以便有效地履行隐私义务，比如数据主体权利的实现和跨境数据传输等。

参考链接：https://www.networkcomputing.com/data-centers/6-best-practices-data-security-posture-management-dspm

最新评论