近几年,全球数据安全形势愈发严峻,层出不穷的网络攻击事件,严重影响着全球企业数字化转型的正常进行,这极大的刺激了数据安全市场的需求供给。中国作为全球安全市场的重要力量,同样致力于推动数据安全建设,保障企业、个人在网络空间中的安全。根据IDC统计,2021年中国数据安全产品与服务的总体市场规模(包含隐私计算与区块链技术中的数据安全部分)达到12.43亿美金,约合80.2亿人民币。
尤其在数据全球化的大趋势下,数据中蕴含的价值快速提升,但是数据安全的威胁也日益凸显。而作为严守数据安全第一线的CSO和安全主管们,亟需一份“Roadmap”为中国数据安全发展指明方向。
数据安全治理亟需一次“大盘点”
随着数字经济和信息产业蓬勃发展,5G、零信任、人工智能、区块链等技术加快落地应用,新业态新技术在推动经济转型升级的同时,海量高价值数据不断产生,数据泄露、滥用等风险日益凸显。
为此,我国陆续颁布施行的《十四五规划纲要》、《数据安全法》、《个人信息保护法》等政策法规,均明确提出推动发展数据战略,统筹数据开发利用、隐私保护和公共安全,规范数据有序流通,保障数据安全。
“Roadmap”不仅是对企业的数据安全合规能力的总结,同时也是对数据安全相关体系建设规划、数据安全治理分类分级、相关创新技术实践,以及数据安全管理和场景应用的一次“大盘点”。
技术创新发展亟需一次 “大融合”
数据不同于传统意义上的生产资料,其具有分散性、多样性、实时性、可变性、复杂性等诸多特征,对于企业来说,数据还具有跨部门、跨组织、跨业务系统等复杂结构特征,数据安全体系建设变得困难重重。
当前,许多企业的数据安全建设仍以单点建设为主,产品技术无法形成合力。而根据IDC的调研判断,未来“点-线-面”的技术融合趋势将逐渐增强,用户需要对数据安全全生命周期管理过程中的相关技术点,如敏感数据发现与分类、加密、脱敏、访问控制、密钥管理等内容融汇贯通,而一体化数据安全解决方案或者是融合类的平台产品也将会受到用户青睐。
除了技术融合之外,数据安全产品与服务融合、数据安全与网络安全融合的趋势也将愈加明显。首先,由于数据安全更强调业务属性,而构建数据安全运营体系、制定整体框架、测试应急响应的实战演练等等,仅靠产品层面,以及用户的一己之力是办不到的,所以对应的服务都将会“提前”。其次,数据相关法规落地,催生出数据安全全生命周期管理等各方面需求,而每个环节都可能需要一系列网络技术和产品工具来帮助建立防御点,解决精细化的问题,这就把数据安全与网络安全相融合的大量需求,极速地推到了市场前端。
这份包含数据安全“大盘点”和“大融合”洞察的“Roadmap”——《IDC TechScape: 中国数据安全发展路线图,2022》将在IDC于7月底在上海举办的“IDC 2022全球CSO网络安全峰会——聚力数据安全,赋能企业现代化”上与大家见面。该报告将从变革型、主导型和机会型技术与服务的角度来呈现不同数据安全技术与服务的技术点、技术优劣势、发展阶段、风险程度、市场热度和标杆厂商,从而帮助最终用户了解和选择适合其自身业务发展要求的数据安全产品与服务组合。
届时,大会将邀请30位来自中国及全球市场的行业权威代表,围绕企业数据安全建设发表主题演讲,同时为“中国20大杰出安全项目” 和“中国CSO名人堂(十大人物)”的获奖者颁奖。除主论坛之外,大会还设置了数据安全、数据隐私与数据合规、软件定义安全访问、数据保护与容灾备份四大分论坛, 解惑网络安全各细分领域的行业热点与洞见,欢迎现场参会。
扫码注册
好文章,需要你的鼓励
OpenAI首席执行官Sam Altman表示,鉴于投资者的AI炒作和大量资本支出,我们目前正处于AI泡沫中。他承认投资者对AI过度兴奋,但仍认为AI是长期以来最重要的技术。ChatGPT目前拥有7亿周活跃用户,是全球第五大网站。由于服务器容量不足,OpenAI无法发布已开发的更好模型,计划在不久的将来投资万亿美元建设数据中心。
阿里巴巴团队提出FantasyTalking2,通过创新的多专家协作框架TLPO解决音频驱动人像动画中动作自然度、唇同步和视觉质量的优化冲突问题。该方法构建智能评委Talking-Critic和41万样本数据集,训练三个专业模块分别优化不同维度,再通过时间步-层级自适应融合实现协调。实验显示全面超越现有技术,用户评价提升超12%。
英伟达推出新的小型语言模型Nemotron-Nano-9B-v2,拥有90亿参数,在同类基准测试中表现最佳。该模型采用Mamba-Transformer混合架构,支持多语言处理和代码生成,可在单个A10 GPU上运行。独特的可切换推理功能允许用户通过控制令牌开启或关闭AI推理过程,并可管理推理预算以平衡准确性和延迟。模型基于合成数据集训练,采用企业友好的开源许可协议,支持商业化使用。
UC Berkeley团队提出XQUANT技术,通过存储输入激活X而非传统KV缓存来突破AI推理的内存瓶颈。该方法能将内存使用量减少至1/7.7,升级版XQUANT-CL更可实现12.5倍节省,同时几乎不影响模型性能。研究针对现代AI模型特点进行优化,为在有限硬件资源下运行更强大AI模型提供了新思路。