💼VentureBeat•較早收集於 10h
縮小資料安全成熟度差距
💡35% 違規來自影子資料—立即保護您的 AI 管線 (VentureBeat 分析)。
⚡ 30-Second TL;DR
有什麼變化
2025 年 35% 違規來自未管理影子資料 (IBM)
為什麼重要
企業透過解決能見度缺口，提升違規防範，對於處理敏感訓練資料的 AI 工作流程至關重要。
下一步行動
使用如 IBM 的分類工具，審核 AI 資料集中的影子 PII。
誰應關注：Enterprise & Security Teams
關鍵要點
- •2025 年 35% 違規來自未管理影子資料 (IBM)
- •優先資料清單與分類，如 PII、金融、健康資訊
- •在完整資料生命週期嵌入保護，而非僅依賴邊界
- •應對跨資料庫、文件、AI 模型等混亂格式
- •人類行為如隨意外寄試算表引入不可預測風險
🧠 深度解析
AI-generated analysis for this event.
🔑 增強重點摘要
- •資料安全態勢管理 (DSPM) 工具已成為解決影子資料問題的核心技術，透過自動化發現與分類技術，能識別分散在雲端儲存、SaaS 應用及非結構化資料庫中的敏感資訊。
- •生成式 AI 的普及加劇了資料外洩風險，企業在訓練或微調模型時，若未對訓練集進行去識別化處理，可能導致敏感資料被模型記憶並在後續查詢中意外洩露。
- •法規遵循壓力（如 GDPR、CCPA 及新興的 AI 法案）正迫使企業從被動的邊界防禦轉向以資料為中心的零信任架構，要求對資料存取權限進行更細緻的動態控制。
🛠️ 技術深入
• 資料發現與分類引擎：利用機器學習演算法（如命名實體識別 NER）自動掃描非結構化資料，識別 PII、PHI 及 PCI 等敏感標籤。 • 影子資料偵測：透過 API 整合與雲端原生應用保護平台 (CNAPP) 進行流量分析，識別未經授權的資料儲存庫與存取路徑。 • 資料生命週期保護：實施動態資料遮罩 (Dynamic Data Masking) 與加密技術，確保資料在靜態儲存、傳輸中及使用中 (In-use) 的安全性。 • 存取權限治理：整合身分與存取管理 (IAM) 系統，基於最小權限原則 (PoLP) 對資料存取進行即時審計與異常行為偵測。
🔮 前景展望AI analysis grounded in cited sources
DSPM 將成為企業資安預算的優先項目
隨著影子資料與 AI 訓練資料風險增加，企業必須投資自動化工具以維持合規性並降低資料外洩成本。
資料安全治理將與 AI 模型生命週期深度整合
為防止 AI 模型成為新的資料外洩源，企業將強制要求在模型訓練前進行自動化的資料清洗與分類流程。
⏳ 時間線
2023-05
IBM 擴大其資料安全與隱私產品組合，強化對混合雲環境的資料發現能力。
2024-02
IBM 發布關於資料安全態勢管理 (DSPM) 的研究報告，強調自動化分類在現代資安架構中的重要性。
2025-01
IBM 針對 2025 年資安威脅發布預測，指出未管理來源的影子資料將成為企業違規事件的主要來源。
📰
AI 週報
閱讀本週精選 AI 大事摘要 →
👉相關動態
AI 策展新聞聚合。所有內容版權歸原始發布者所有。
原始來源： VentureBeat ↗