数据安全是指在数字信息的整个生命周期中保护数字信息免遭未经授权的访问并抵御损坏、失窃等风险。 ​ 这个概念涵盖了信息安全的所有方面，从硬件和存储设备的物理安全到管理和访问控制权限，直至软件应用程序的逻辑安全等。 ​ 此外，数据安全还包含了涉及组织政策与程序的相关要求。 ​

如果部署得当，强有力的数据安全策略不但可以保护组织的信息资产免遭网络犯罪活动的侵害，而且还能防范内部威胁和人为错误。上述这些情形仍然属于当前数据泄露事件的主要肇因。 ​ 保障数据安全需要通过部署工具和技术来增强关键数据所在位置的可见性，并还需要加强相关使用详情的可视化管理。 理想情况下，这些工具应能提供诸如加密、数据屏蔽和敏感文件编辑等保护功能，还能实现报告流程自动化，简化审计，确保组织遵守监管要求。


企业面临的挑战
数字化转型正在深刻改变当今企业运营和竞争的方方面面。 企业创建、掌控和存储的数据量正在快速增长，而数据治理需也随之不断上升。 此外，计算环境比以往更加复杂，通常都会跨越公共云、企业数据中心，以及涵括物联网传感器、机器人和远程服务器等诸多边缘设备。 伴随这种复杂性而来的是攻击面扩大，监测和安保难度亦随之增高。
与此同时，消费者对数据隐私重要性的意识正在增强。 公众对数据保护计划的需求不断增加，受此推动，最近多项新的隐私法规也得以实施，包括欧洲的《通用数据保护条例》(GDPR) 和《加州消费者隐私保护法案》 (CCPA) 等。 ​ 这些规定补充完善了长期存在的数据安全法规，例如旨在保护健康信息电子记录的《健康保险流通和责任法案》(HIPAA) 以及旨在保护上市公司股东免受会计错误和财务欺诈侵害的《萨班斯-奥克斯利法案》(SOX) 等。 最高可达数百万美元的罚款，足以从财务层面上激发每家企业坚决达到合规要求的决心。

数据的商业价值从来没有像现在这样显著可观。 商业秘密或知识产权 (IP) 一旦丧失，企业未来的创新和盈利能力就会遭受重创。 ​ 因此，消费者越来越重视企业的可信赖程度，其中高达 75% 的人表示，如果不相信一家企业会妥善保护数据隐私，自己就不会从这家企业购买产品。  

加密
利用算法将普通文本字符转成不可读取的格式，加密密钥就能扰乱数据，确保只有授权用户才能访问数据。  ​文件和数据库加密解决方案 是敏感数据卷的最后一道安全防线，其作用在于通过加密或标记化，将内容进行模糊化处理。 大多数解决方案亦具备安全密钥管理功能。

数据擦除
数据擦除比标准数据擦除更安全，它能够使用软件完全覆写任何存储设备上的数据。 该技术可以验证被擦除数据已不可恢复。
 
数据屏蔽
通过对数据进行脱敏处理，组织可以允许团队使用真实数据开发应用程序或培训员工。 根据需要，通过数据脱敏手段，遮蔽个人可标识信息 (PII) 以确保开发环境的合规性。

数据弹性

数据弹性衡量组织对各类故障的承受力或恢复力。故障类型不一而足，包括硬件问题、电力不足以及其他影响数据可用性的事件 (PDF, 256 KB)。 恢复速度对于最大程度降低故障影响至关重要。

当今的计算环境呈现复杂程度高、分布广泛等特点，以及混合和/或多云等各种形式，数据安全工具和技术必须能应对这些与各种环境伴生，且日益严峻的安全挑战。 ​ 其中就包括需要掌握数据的存储位置、跟踪数据访问权限的应用详情、阻断高风险活动，以及存在危险隐患的文件移动等。 采取全面的数据保护解决方案，就能为企业赋能，做到集中进行监控和实施策略，从而简化安全保护任务。

数据发现和分类工具
敏感信息会驻留在结构化和非结构化的数据存储库中，包括数据库、数据仓库、大数据平台和各种云环境。 数据发现和分类解决方案可实现敏感信息识别以及漏洞评估和修复流程的自动化。

数据和文件活动监控
文件活动监控工具用以分析数据使用模式，确保安全团队可知悉数据访问者身份、洞察异常事件并识别风险。 ​ 此外，还可针对异常活动模式实施动态阻断和启动示警机制。

漏洞评估和风险分析工具
这些解决方案不但简化了检测和缓解漏洞（例如过期软件、错误配置、易破解的密码等）的流程，还可识别风险暴露程度最大的数据源。 ​

合规报告流程自动化
具备自动报告功能的全面数据保护方案可提供一个集中式存储库，用以保存整个企业的合规审计轨迹。

人工智能
人工智能大幅增强了数据安全系统的能力，因为它可处理大量数据。 认知计算，作为人工智能的一个子集，可承担其他人工智能系统承担的任务，但只不过是通过模拟人类思维过程的方式来执行这些任务。 ​ 在数据安全领域，人们可利用认知计算的这种能力在关键时刻快速做出决策。

了解有关利用 AI 技术保护网络安全的更多信息
 
多云安全
数据安全的定义随着云功能的扩展而变得更为丰富。 现在，企业需要更复杂的解决方案，因为大家不仅需要保护自有数据，还要保护公共云和私有云上运行的应用程序和专有业务流程。 ​

了解有关云安全的更多信息

量子
量子技术是一种具有革命意义的技术，它的问世势必导致众多传统技术会被迅猛而彻底地颠覆。 加密算法的多面性将显著增加，这会导致复杂性和安全性大幅提升。​

实现企业级数据安全
落实有效的数据安全策略的关键在于：采用基于风险的方法来保护整个企业的数据。 早在制定策略时，就应将业务目标和监管要求纳入考虑范围，利益相关方应当确定一两个包含最敏感信息的数据源，然后以此为出发点展开后续工作。 在制定明确而严格的策略来保护这些受限制数据源后，他们就可依据优先级别，逐渐将这些最佳做法推广并应用至企业的其他数字资产上。 ​ 部署自动化数据监控和保护机制可确保最佳实践的推广过程变得更加轻松便捷。

数据安全和云
传统的网络周边防御模式并不适用于保护云端基础架构，需要采用新型的方法。 它需要全面的云数据发现和分类工具，以及持续的活动监控和风险管理。 云监控工具可以部署于云供应商的数据库即服务 (DBaaS) 解决方案之间，监控传输中的数据或将流量重定向至企业既有的安全平台。 这样，无论数据驻留于何处，都可以统一应用各种策略。

数据安全和 BYOD
个人电脑、平板电脑和移动设备在企业计算环境中的使用率在不断增长，但负责安全的管理层对这种做法所蕴含的风险感到十分担忧。 ​ 一种提升 自带设备办公 (BYOD) 安全性的办法是：要求使用自带设备办公的员工安装安全软件后再访问企业网络，从而增强对数据访问和数据移动的集中控制，并加强整个流程的可视化管理。 另一种策略是在整个企业范围内普及安全第一的意识，鼓励员工采用难以破译的密码、多因素身份验证，定期更新软件，并做好设备备份和数据加密工作等；通过这些培训学习等措施，让员工意识到这些安全策略的宝贵价值。