根据《数据安全治理白皮书3.0》,数据安全治理是以“让数据使用更安全”为目的,在中国易于落地的数据安全建设的体系化方法论,核心内容包括:
(1)满足数据安全保护(Protection )、合规性(Compliance)、敏感数据管理(Sensitive) 三个需求目标;(2)核心理念包括:分类分级(Classfiying)、角色授权(Privilege)、场景化安全 (Scene);(3)数据安全治理的建设步骤包括:组织构建、资产梳理、策略制定、过程控制、行为稽核和持续改善;(4)核心实现框架为数据安全人员组织(Person)、数据安全使用的策略和流程 (Policy&Process)、数据安全技术支撑(Technology)三大部分。
数据安全治理的核心理念:
数据资产保护的核心在于数据分类分级。
通过对数据的有效理解和分析,对数据进行不同类别和密级的划分;根据数据的类别和密级制定不同的管理和使用原则,尽可能对数据做到有差别和针对性的防护,实现在适当安 全保护下的数据自由流动。
参考:12张图解析数据安全分类分级
•角色授权
数据安全访问控制核心在于数据访问主体的角色授权。
在数据分级和分类后,明确了数据的访问角色以及数据的使用方式,在不影响数据资源正常访问的前提下,针对不同的角色赋予不同的访问权限,实现数据的访问和使用安全。
•场景化安全
数据安全治理的核心在于场景化安全。
不同用户基于业务、访问途径、使用需求,会产生不同的使用场景。在保证数据被正常 使用的目标下,基于不同的使用场景制定相应的数据安全策略。场景化的数据安全治理,能及时发现数据风险暴露面,使数据安全治理更具针对性,从而实现数据使用更安全。