那 罡

每年，非結(jié)構(gòu)化數(shù)據(jù)以60%以上的速度增長，越來越難于管理和保護。企業(yè)最寶貴的信息“知識產(chǎn)權(quán)”，往往會被淹沒在海量非結(jié)構(gòu)化數(shù)據(jù)中，很多數(shù)據(jù)并不是敏感信息。非結(jié)構(gòu)化的數(shù)據(jù)存儲的安全性要低于其他的數(shù)據(jù)，更容易遭受內(nèi)部和外部威脅而丟失。知識產(chǎn)權(quán)比以往任何時候都要易于受到攻擊，一些針對性攻擊如Hydraq和其他高級別保密文件丟失等即是明證。

一般來說，在采取保護敏感信息的措施之前，企業(yè)需要首先識別敏感信息。數(shù)據(jù)丟失防護一直以來基于兩類檢測技術(shù)：指紋鑒別技術(shù)和信息描述技術(shù)。指紋鑒別技術(shù)需要將所有需要保護的文件集合起來，然后為各個檔案分配獨特的指紋。而信息描述技術(shù)則需要創(chuàng)建正則表達式和關(guān)鍵詞列表來識別敏感信息。由于信息是廣泛分布的，所以指紋鑒別技術(shù)對企業(yè)來講難度很大；對于信息描述技術(shù)而言，不但創(chuàng)建正則表達式和關(guān)鍵詞列表非常耗時，而且該技術(shù)的準確性也不如指紋鑒別技術(shù)。

賽門鐵克最近推出了數(shù)據(jù)丟失防護DLP11，主要用于簡化對企業(yè)最寶貴信息“知識產(chǎn)權(quán)”的檢測和保護。采用了機器學習技術(shù)Vector Machine Learning，可以克服目前檢測技術(shù)的局限性。企業(yè)可以利用樣本文件來訓練Vector Machine Learning去識別一些自定義的特征，并找出敏感信息與非敏感信息的細微差別。這就避免了創(chuàng)建關(guān)鍵詞列表，也避免了指紋鑒別新創(chuàng)建的文件。利用Vector Machine Learning，僅需一些樣本文件即可創(chuàng)建準確的規(guī)則，而且，隨著越來越多的正面和反面樣本文件進入系統(tǒng)，其準確性會日益精進。

“賽門鐵克的Vector Machine Learning技術(shù)會基于機器學習能力促進敏感信息的產(chǎn)生，并大幅提高我們公司保護非結(jié)構(gòu)化數(shù)據(jù)的能力?！?Enterprise Strategy Group首席分析師Jon Oltsik表示，“該技術(shù)使企業(yè)能夠更容易地定義、檢測并最終保護他們的知識產(chǎn)權(quán)?！?/p>

記者了解到，賽門鐵克DLP11將提供多種端點增強功能，包括使企業(yè)能夠靈活地使用更廣泛的應用程序和存儲設(shè)備，同時使信息處于高度安全的狀態(tài)。應用程序文件訪問控制（Application File Access Control）功能可以確保員工在使用iTunes、Skype和WebEx之類的用戶應用程序時不會泄露敏感信息。信任設(shè)備（Trusted Devices）功能使企業(yè)在使用多種存儲設(shè)備的同時確保敏感信息僅能復制到獲得許可的設(shè)備，比如企業(yè)發(fā)布或者跟蹤的設(shè)備。本次推出的新功能還有Endpoint FlexResponse，旨在集成用戶其他的賽門鐵克和第三方解決方案，比如加密和企業(yè)權(quán)限管理（Enterprise Rights Management，ERM），從而簡化用戶在端點擴展數(shù)據(jù)保護這一過程。