數據安全評估過程中，涉及到問卷調查、人員訪談、文檔查閱、配置查驗、旁站驗證、技術檢測、專家分析、編制報告等多個步驟，要求評估人員具備豐富的專業知識和實踐經驗，且每個環節都需要投入大量人力。將人工智能技術應用到數據安全評估過程中，一方面可以降低實施人員技術門檻，另一方面也能極大程度提升評估過程的效率和質量。實現智能評估的過程中，主要采用自然語言處理、機器學習、知識圖譜等技術。首先，通過知識圖譜構建動態更新的評估指標知識庫。其次，利用機器學習和自然語言處理生成調研問卷。然后，利用流程自動化技術，能夠按照預設的邏輯自動下發問卷，確保信息收集的及時性和規范性。接著，通過智能填報技術，可實現對調研信息的智能識別和自動填充，能夠準確解析問卷內容并輔助工作人員快速完成信息錄入。最后，通過數據整合分析技術，自動對收集到的信息進行清洗、分類和匯總，自動生成評估報告，并利用機器學習算法模型挖掘數據間的關聯和趨勢，為后續的風險分析提供科學、精準的數據支撐。
數據安全合規管理過程中面臨著來自國家、地區、行業等多層次不同維度的監管，企業在建立數據安全管理體系時，需要以合規為基線，銜接各方面監管要求，將數據安全責任與義務轉化為企業的數據安全管理內容。在合規政策的匯編、責任事項的分解、工作任務的分配、安全要求的設計等方面需要投入大量人工開展文案工作。在人工智能時代下，應當利用自然語言處理、機器學習等技術來提升寫作效率和質量，可以利用詞法分析、實體抽取、實體鏈接、語言模型等自然語言處理技術來解析各類合規政策文件，提取責任義務相關條款。進一步通過利用語言模型、詞法分析、語義相似度等技術，建立企業內部數據安全管理要求與法律法規、行政法規、部門規章、地方規章、技術標準等文件之間的關聯關系，當這些文件發生變化時，可以自動化提示管理人員，并給出修改建議，不斷更新和維護企業數據安全管理體系。
人工智能技術可以通過大規模數據分析，準確地識別和預測各類數據安全風險。首先，需要選擇選取可解釋性強的深度學習模型，為實現有效識別數據安全風險的目的，可以采取可解釋的卷積神經網絡、膠囊網絡、神經網絡決策樹等方法[5]。其次，對特征分量進行識別與提取。然后，構建基于語義的數據處理活動行為風險知識庫，通過對網絡流量、應用日志、安全日志數據等信息進行實時監測和融合分析，自動識別異常行為和惡意攻擊等數據安全威脅，預測可能發生的數據安全風險。
通過機器學習、自然語言處理技術識別數據集中的關鍵信息和模式。首先，可以收集包含企業各類數據的訓練集，對每個樣本進行標記，為后續模型訓練提供基礎。然后，從原始數據中提取關鍵特征，以便機器學習算法更好地理解數據。接著，基于自然語言處理技術對數據內容進行處理后，進行特征匹配后選擇適當的算法。最后，通過訓練集對選定的算法進行反復訓練，系統學習以后會提煉出這些文件的共同點生成敏感數據模型，將經過訓練和評估的模型部署到實際應用中，用于實時監測和識別敏感數據。
數據在全生命周期視角下需要通過訪問控制、脫敏、加密等等一系列安全措施進行管控和保護，然而在應對大規模的數據體量、密集的流動頻次、多樣化的數據種類，安全措施在實施前，會面臨大量的數據梳理、場景分析、風險分析和安全規則設計工作，有效利用人工智能技術能夠大幅提升數據安全管控和保護工作效率和準確性。一是可以通過生物特征識別技術加強數據處理過程中的身份鑒別的安全性和效率。二是可以基于自然語言處理、和機器學習技術實現數據的智能脫敏和脫敏效果的智能檢測。三是可以通過隱私計算技術體系中的聯邦學習技術，確保在數據處理和機器學習過程中的數據安全保護。四是通過人工智能技術實現數據安全保護策略、數據安全組件規則的智能聯動。首先，基于自然語言處理對數據安全保護策略進行解析和學習，結合角色、場景、數據、操作的標簽屬性定義，生成各類數據安全組件的推薦配置。然后，通過基于機器學習技術持續動態關聯數據安全風險的監測和預測結果。在智能響應數據安全風險事件的同時，結合對安全組件歷史配置數據和設備性能分析，動態更新和維護安全組件配置規則。
在安全受控的關鍵場所內，部分單位已經通過采用計算機視覺、人機交互技術、自然語言處理等人工智能技術，實現了對工作人員的日常交流、語音通訊、即時聊天、數據處理、網頁瀏覽、郵件收發等場景的監測與分析。同時，這些單位還通過機器學習算法考核并預測可能存在的數據泄露風險，并對潛在風險的工作人員及時開展教育和輔導。這不僅提升了工作人員的安全意識、建立了企業安全文化，也極大地降低了數據泄露的安全隱患。隨著人工智能技術的不斷演進，在網絡及數據安全領域，未來將呈現出機器對機器的網絡安全攻防對抗場景，表現為智能攻擊和智能防御的博弈。攻擊方將能夠利用人工智能技術自動搜尋系統的弱點并發起快速且精確的攻擊，而防御方則能夠即時識別這些攻擊模式，并自動部署相應的防御措施進行攔截和修復。
此情形下安全防御關鍵點在于要利用人工智能技術去構建持續學習和自適應變化的關鍵能力，以長效的智能化安全能力來擴大防御方優勢。防御系統不僅要能夠學習已有的攻擊特征，還要具備應對全新攻擊威脅的能力。此外，網絡及數據安全產業生態的有效協同也至關重要，通過共享情報和資源，協同形成一個互聯互通的強大防御網絡，從而來提高整個智能化生態系統的安全性與韌性。同時，制定前瞻性的政策和法規，確保人工智能技術的倫理使用，也是保障安全的重要環節。
參考文獻
[1]王敬勇,華雨倩. 數字經濟時代下企業數據安全面臨的挑戰及應對——以滴滴為例[J]. 當代經濟,2023,40(3):12-18.[2]袁云佳.人工智能的發展與應用綜述[J].科技風,2020(17):25-26.[3]吳沈括,石嘉黎.數據安全視域下的人工智能風險應對研究[J].西北工業大學學報（社會科學版）,2019(2):95-103.[4]艾龍.數據安全管理職責劃分和追責機制探析[J].信息安全研究,2023,9(1):73-78.
[5]賈曉旭.基于可解釋人工智能的數據安全風險識別研究[J]. 信息系統工程,2024(1):50-54.s
轉載；作者：指令者
浙公網安備 33010502006954號 
