我們已經生活在基于云的數字時代,那些能夠從數據中獲取最大價值的組織將成為最后的贏家。在數字化轉型和數據民主化的發展背景下,企業開展數據安全保護也面臨諸多新挑戰:
以上因素共同構成了一個新的“數據安全攻擊面”,這是一種新的威脅途徑。為了應對挑戰,研究機構Gartner在其發布的《2022年數據安全技術成熟度曲線》報告中,提出了一種新的數據安全方案——數據安全態勢管理(DSPM)。根據Gartner給出的定義,DSPM旨在為企業組織提供更加全面的數據安全可見性,以便深入了解敏感數據的位置、訪問權限、如何被利用以及如何存儲等安全狀況態勢信息。DSPM的主要功能包括:數據安全策略實施、數據風險評估、數據分類、數據泄漏保護、數據訪問監控、數據發現、數據風險補救、數據風險排序、數據所有者標識、數據合規性報告、數據流映射以及數據沿襲識別等。
如果將DSPM與CSPM(云安全態勢管理)進行比較,我們可以發現,CSPM的主要功能是保護企業云上應用和數據免受未經授權的訪問,但無法為組織提供有關數據的詳細上下文信息,而DSPM解決方案則聚焦于云上數據的流通和變化,重點幫助組織解決如下問題:
完善的DSPM方案應該具備數據發現、優先級評估、安全防護和持續監控等關鍵要素,這樣才能識別所有已知和未知的數據,并根據數據量、暴露情況和安全態勢確定安全隱患的風險級別,提出風險警報和補救指導。因此,企業組織要做好數據安全態勢管理工作并不是件很容易的事情,而遵循以下最佳實踐,可以幫助企業從DSPM項目建設中獲取更多好處。
01
建立數據資產目錄
DSPM是一種以數據為中心的數據治理和安全防護方法。因此,組織首先有必要發現并登記所有的數據資產信息。擁有原生發現功能的云服務商只能識別正規的云原生資產,但是識別率往往不夠全面,比如難以識別影子數據資產。這些實例或工作負載通常是為備份或實驗任務生成重復副本的產物。作為DSPM策略的一個核心部分,為所有數據資產整理出一套完備的目錄至關重要,無論資產是在本地,還是在公共云、私有云、混合云或者SaaS應用程序上。
02
做好數據環境分析
現代企業組織每年都要處理PB級的海量數據。這些數據會以不同的格式保存在整個企業數字化環境中,包括結構化數據、半結構化數據和非結構化數據。發現和分類如此大量的數據對企業而言是個巨大的挑戰。組織應該利用人工智能/機器學習技術(比如NLP),以準確發現和分類敏感數據,并且更深入地了解其數據使用環境。
03
將各類安全解決方案有效協同
組織必須將DSPM解決方案與已有的CSPM、CWPP、SOC、SEIM等方案有效整合,統一運營使用。雖然CSPM等解決方案缺乏對數據理解能力,但可以彌補DSPM解決方案難以具備的防護能力。如果充分利用DSPM提供的敏感數據洞察力,組織可以根據數據敏感度來確定資產的優先級,以解決現有防護體系中的不足。這不僅使組織能夠緩解誤報引起的警報疲勞,還可以更有效地保護敏感系統。
04
用零信任框架優化訪問
未經授權的訪問是導致企業數據泄露的主要原因之一。組織必須盡快實現基于最低權限訪問模型的零信任框架。對于安全團隊而言,可以充分分析數據訪問相關信息,比如訪問敏感數據的身份、訪問者的地理位置及其訪問這些數據的頻次。這些信息可以幫助組織更好地優化其訪問策略和控制,并保護數據免受未經授權的訪問。
05
加強對流數據的監管
在多云時代,越來越多的組織選擇使用Kafka和Confluent之類的流數據平臺。這些平臺允許組織實時處理和分析數據,以便及時作出決策。然而組織在管理流數據時會遇到一些挑戰,比如未經授權訪問和數據蔓延等問題。組織必須深入了解經由流數據平臺傳輸的敏感數據,并利用這些信息建立訪問控制措施,以防止數據蔓延和未經授權的訪問。
06
做好隱私合規分析
遵守數據隱私法并不容易,因為數據正在失去控制,分散到眾多的數據系統和存儲地點。由于數據急劇增加,很難將數據與個人身份準確對應起來。由于缺乏數據的上下文信息,企業往往很難理解與單個數據集相關的合規策略。但作為DSPM策略的一個關鍵部分,組織必須將數據治理工作與監管政策要求嚴格對應起來,以便有效地履行隱私義務,比如數據主體權利的實現和跨境數據傳輸等。
參考鏈接:
https://www.networkcomputing.com/data-centers/6-best-practices-data-security-posture-management-dspm
來源:安全牛