安徽公用事业数据标准报价来电咨询「北京派客动力」

数据治理数据形态

作为数据安全工作者，了解企业自身数据的步就是数据形态的认知。数据体量有多大，是TB、PB还是ZB级？哪些是结构化数据、哪些是半结构化数据、哪些是非结构化数据？这些数据都存储在哪里，企业都用到了哪些种数据库，是传统的关系型数据库、Mpp数据库、K-V数据库还是基于Hadoop的数据库？这些数据的增量情况如何等等，都属于数据形态的范畴，都需要梳理了解。

数据治理数据使用角色

这属于数据安全管理的范畴。保障数据安全，不仅需要技术手段，还需要常态化的管理机制做支撑。其中的就是要梳理数据使用的角色、流程以及场景。数据使用角色通常包括数据管理者、数据所有者、数据生产者、数据使用者等，是数据访问或使用权限，以及数据泄露以后的问责主体；数据使用流程是否健全，是企业数据安全管理成熟度的体现。

想要对敏感数据加以保护，首先要发现出存在企业系统中的敏感数据，并保障其性。例如：系统内的某一列字段为联系方式，由与座机号组成，这些信息由于存在于同一列中，若是从字段所设定的数据特征去发现，很容易将其中一个作为非敏感数据而无法形成的敏感数据发现。

派客动力敏感数据发现系统，能够从企业或组织内部海量业务系统及磁盘文件中自动识别、发现并定位敏感数据，可基于元数据、数据内容进行敏感数据识别，内置的敏感数据发现算法，且支持用户自定义敏感数据发现规则，构建企业全景敏感数据地图。

数据治理数据脱敏后数据依然具备业务规则关联性

派客动力脱敏平台根据该银行需求，保障脱敏后的数据依然具备供企业使用、分析的能力，具备能让业务可靠运行的能力。因此，脱敏后的数据能够保有原始数据的业务属性和数据分布特征，例如：原始数据中的姓名、地址等信息，需要在脱敏后依然具有可读性，脱敏后的数据满足业务系统的数据规则，能够正确的通过业务系统的数据有效性验证，如号、号的校验位，生日的区间等。