那 罡

每年，非結構化數(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”，往往會被淹沒在海量非結構化數(shù)據(jù)中，很多數(shù)據(jù)并不是敏感信息。非結構化的數(shù)據(jù)存儲的安全性要低于其他的數(shù)據(jù)，更容易遭受內部和外部威脅而丟失。知識產(chǎn)權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：指紋鑒別技術和信息描述技術。指紋鑒別技術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。而信息描述技術則需要創(chuàng)建正則表達式和關鍵詞列表來識別敏感信息。由于信息是廣泛分布的，所以指紋鑒別技術對企業(yè)來講難度很大；對于信息描述技術而言，不但創(chuàng)建正則表達式和關鍵詞列表非常耗時，而且該技術的準確性也不如指紋鑒別技術。

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”的檢測和保護。采用了機器學習技術Vector Machine Learning，可以克服目前檢測技術的局限性。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構化數(shù)據(jù)的能力?！?Enterprise Strategy Group首席分析師Jon Oltsik表示，“該技術使企業(yè)能夠更容易地定義、檢測并最終保護他們的知識產(chǎn)權?！?/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。信任設備（Trusted Devices）功能使企業(yè)在使用多種存儲設備的同時確保敏感信息僅能復制到獲得許可的設備，比如企業(yè)發(fā)布或者跟蹤的設備。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。