如果貴公司在云中運行關(guān)鍵業(yè)務(wù)應(yīng)用,則可能會將公司的敏感數(shù)據(jù)或機密數(shù)據(jù)存儲在防火墻之外。毫無疑問,企業(yè)會采取預(yù)防措施,以防止數(shù)據(jù)暴露給不適當?shù)娜藛T或環(huán)境——但這么做就夠了嗎?
盡管您身為應(yīng)用程序負責人,但令人吃驚的是,在您部門中存在一些十分常見的違反數(shù)據(jù)隱私的現(xiàn)象。請回答下面的問題,找出可以通過最佳實踐解決的漏洞。
問題:您是否曾復(fù)制生產(chǎn)應(yīng)用數(shù)據(jù)以用于測試、開發(fā)或報告?
您為生產(chǎn)環(huán)境設(shè)置的很多安全控制方法在數(shù)據(jù)倉庫或開發(fā)環(huán)境中會被修改或棄用。
“通常情況下,審查都不甚嚴格”,Informatica企業(yè)戰(zhàn)略服務(wù)部IT副總裁Kristin Kokie表示。“如果為了測試新版本而復(fù)制PeopleSoft中的人力資源數(shù)據(jù),開發(fā)人員會無意中看到實際的具體薪資數(shù)據(jù)。如果您允許分析師提取數(shù)據(jù)倉庫中的交易數(shù)據(jù),他們可能會將這些數(shù)字傳輸?shù)阶约鹤烂嫔系碾娮颖砀裰小?rdquo;
這會使您失去所有基于用戶的訪問限制,并且,您在生產(chǎn)環(huán)境中實施的任何監(jiān)控或合規(guī)策略都會失效。“根本就沒有對開發(fā)環(huán)境或桌面進行合規(guī)性審計,”Kokie表示。
問題:個別員工了解的信息是否過多?
對于審核員工有權(quán)訪問的數(shù)據(jù),您應(yīng)該想一下是否有必要為其分配這些訪問權(quán)限。例如:
客戶支持代表:這些員工需要訪問一定數(shù)量的客戶數(shù)據(jù),以便提供頂級服務(wù)。但是,電信公司的初級員工是否確實需要掌握知名人士的電話號碼信息呢?
應(yīng)用生產(chǎn)支持人員:雖然技術(shù)支持問題需要進行實時處理,但支持人員真的需要對數(shù)據(jù)擁有完整訪問權(quán)限才能完成他們的工作嗎?例如,某個請求可能會暴露員工離職報告等隱私信息。
應(yīng)用程序開發(fā)人員:為了進行測試而復(fù)制數(shù)據(jù)時,開發(fā)人員通常會獲取完整的訪問權(quán)限,這樣一來,他們不僅能夠訪問敏感信息,而且還能夠訪問基礎(chǔ)數(shù)據(jù)庫和登錄信息。想一想,如果某個員工在鬧情緒,那么他會對這些信息造成怎樣的損壞。
問題:您是否仍在運行"一套"不適用的應(yīng)用程序?
當升級舊系統(tǒng)或使用新系統(tǒng)更換舊系統(tǒng)時,您可能會繼續(xù)并行使用新舊兩套應(yīng)用系統(tǒng)。因為您并不知道何時會需要使用舊數(shù)據(jù),對嗎?這樣做真是大錯特錯!
舊系統(tǒng)已經(jīng)失去使用價值,變成了被遺棄的“孤兒”。如果它們?nèi)员A裘舾袛?shù)據(jù)或機密數(shù)據(jù),會導(dǎo)致什么后果呢?“那些極為關(guān)鍵的信息可能會從這里泄露出去,”Kokie說道。“如果您不知道這里有敏感數(shù)據(jù),又如何對它加以保護呢?”
接下來該怎么辦?
如果您對上述所有問題的回答都是肯定的,請不要驚慌。您可以解決這些漏洞。當務(wù)之急是了解數(shù)據(jù)在哪里,哪些人員有權(quán)訪問。一個經(jīng)常采用且易于部署的最佳實踐是:在非生產(chǎn)環(huán)境中永久屏蔽敏感數(shù)據(jù),在生產(chǎn)環(huán)境中動態(tài)屏蔽敏感數(shù)據(jù)。
好文章,需要你的鼓勵
騰訊ARC實驗室推出AudioStory系統(tǒng),首次實現(xiàn)AI根據(jù)復(fù)雜指令創(chuàng)作完整長篇音頻故事。該系統(tǒng)結(jié)合大語言模型的敘事推理能力與音頻生成技術(shù),通過交錯式推理生成、解耦橋接機制和漸進式訓(xùn)練,能夠?qū)?fù)雜指令分解為連續(xù)音頻場景并保持整體連貫性。在AudioStory-10K基準測試中表現(xiàn)優(yōu)異,為AI音頻創(chuàng)作開辟新方向。
Meta與特拉維夫大學(xué)聯(lián)合研發(fā)的VideoJAM技術(shù),通過讓AI同時學(xué)習外觀和運動信息,顯著解決了當前視頻生成模型中動作不連貫、違反物理定律的核心問題。該技術(shù)僅需添加兩個線性層就能大幅提升運動質(zhì)量,在多項測試中超越包括Sora在內(nèi)的商業(yè)模型,為AI視頻生成的實用化應(yīng)用奠定了重要基礎(chǔ)。
上海AI實驗室發(fā)布OmniAlign-V研究,首次系統(tǒng)性解決多模態(tài)大語言模型人性化對話問題。該研究創(chuàng)建了包含20萬高質(zhì)量樣本的訓(xùn)練數(shù)據(jù)集和MM-AlignBench評測基準,通過創(chuàng)新的數(shù)據(jù)生成和質(zhì)量管控方法,讓AI在保持技術(shù)能力的同時顯著提升人性化交互水平,為AI價值觀對齊提供了可行技術(shù)路徑。
谷歌DeepMind團隊開發(fā)的GraphCast是一個革命性的AI天氣預(yù)測模型,能夠在不到一分鐘內(nèi)完成10天全球天氣預(yù)報,準確性超越傳統(tǒng)方法90%的指標。該模型采用圖神經(jīng)網(wǎng)絡(luò)技術(shù),通過學(xué)習40年歷史數(shù)據(jù)掌握天氣變化規(guī)律,在極端天氣預(yù)測方面表現(xiàn)卓越,能耗僅為傳統(tǒng)方法的千分之一,為氣象學(xué)領(lǐng)域帶來了效率和精度的雙重突破。