使用深度學習工具來保護非結(jié)構(gòu)化數(shù)據(jù)

產(chǎn)品路線圖，合同和公司戰(zhàn)略的其他組成部分形式的數(shù)百萬個文檔也代表了內(nèi)部或云中存儲的無結(jié)構(gòu)的脆弱數(shù)據(jù)，事實證明如此。

一家名為Concentric的數(shù)據(jù)安全初創(chuàng)公司本周從隱身模式中脫穎而出，聲稱是第一個使用深度學習工具來幫助公司確定非結(jié)構(gòu)化數(shù)據(jù)駐留在何處以及如何保護它的公司。在量化數(shù)據(jù)安全挑戰(zhàn)的同時，Concentric還聲稱其“語義智能”平臺可生成洞察力，這些洞察力可用于保護戰(zhàn)略數(shù)據(jù)，同時還可滿足數(shù)據(jù)治理要求。

由業(yè)內(nèi)資深人士創(chuàng)立的這家位于圣何塞的創(chuàng)業(yè)公司也在周三（1月29日）宣布了由Clear Ventures牽頭的750萬美元融資。

Clear Venture的創(chuàng)始人兼管理合伙人克里斯·魯斯特（Chris Rust）說：“非結(jié)構(gòu)化數(shù)據(jù)現(xiàn)在是該行業(yè)的主要威脅面，因為它高度分散并且以各種形式出現(xiàn)，并且很難保護關(guān)鍵業(yè)務內(nèi)容。”

同心的自動化方法應用深度學習來生成對非結(jié)構(gòu)化數(shù)據(jù)的語義理解。根據(jù)這家初創(chuàng)公司的說法，其框架可以發(fā)現(xiàn)，分類和分類業(yè)務文檔。該初創(chuàng)公司發(fā)布的另一份數(shù)據(jù)風險報告指出，企業(yè)數(shù)據(jù)中心通常包含數(shù)百萬個不安全的文檔，這些文檔可能在組織之間不適當?shù)毓蚕怼?/p>

除了通過“過度共享”防止數(shù)據(jù)泄露外，該方法還可以保護用戶免受與越來越多的數(shù)據(jù)隱私法規(guī)有關(guān)的罰款。

安全挑戰(zhàn)帶來了從薪資信息到源代碼的各種非結(jié)構(gòu)化公司數(shù)據(jù)，而且這種情況正在增長。同心估計，一家普通公司平均可產(chǎn)生約1000萬份文檔，其中約120萬份文檔被視為“關(guān)鍵業(yè)務”。

根據(jù)數(shù)據(jù)安全性研究，超過80%的企業(yè)數(shù)據(jù)是非結(jié)構(gòu)化的，這意味著它們被嵌入到組織中分布的文檔和源代碼文件中。隨著員工“共享”安全分類不足的數(shù)據(jù)，這些數(shù)據(jù)變得更加脆弱。

Concentric首席執(zhí)行官兼聯(lián)合創(chuàng)始人Karthik Krishnan表示：“大量數(shù)據(jù)沒有安全保障，無法識別，分類錯誤并處于風險之中?！?“目前，非結(jié)構(gòu)化數(shù)據(jù)非常豐富且分散，其中包括數(shù)量驚人的關(guān)鍵業(yè)務信息。”

該初創(chuàng)公司指出，當前用于保護數(shù)據(jù)庫或限制訪問的安全框架并不涵蓋非結(jié)構(gòu)化數(shù)據(jù)?？紤]到非結(jié)構(gòu)化數(shù)據(jù)安全性問題的范圍，其語義平臺尋求使一項任務自動化，而這將使已經(jīng)應對持續(xù)不斷的錯誤警報的IT團隊不堪重負。

Concentric沒有提供有關(guān)其語義智能平臺的技術(shù)細節(jié)，但聲稱已經(jīng)掃描了來自金融和醫(yī)療保健行業(yè)客戶的2600萬個非結(jié)構(gòu)化數(shù)據(jù)文件。它的深度學習方法通??常側(cè)重于過度共享業(yè)務文檔。該框架采用了一個公式，該公式權(quán)衡了由于安全違規(guī)和不適當?shù)奈臋n共享而造成的物質(zhì)損失。

數(shù)據(jù)安全研究發(fā)現(xiàn)，過度共享非結(jié)構(gòu)化公司數(shù)據(jù)非常重要，因為它“大大增加了威脅面”。

這家初創(chuàng)公司的創(chuàng)始人曾在網(wǎng)絡和安全公司工作，包括Aruba Networks，Hewlett Packard Enterprise，Juniper Networks，PGP Corp.及其母公司Symantec。

旨在幫助實現(xiàn)數(shù)據(jù)安全自動化的機器學習方法在公共和私營部門中都越來越受歡迎。例如，國防高級研究計劃局去年宣布了一項努力，以填補企業(yè)網(wǎng)絡中的安全漏洞。該機構(gòu)說，例如，在DARPA計劃下開發(fā)的威脅檢測算法可用于對威脅“在不同數(shù)據(jù)類型和來源的情況下”。