2024-3-18隐语学习笔记:数据可信流通,从运维信任到技术信任

简介: 数据要素可信流通,重构技术信任体系。信任四要素:身份可确认,利益可依赖,能力有预期,行为有后果。外循环中四要素遭到破坏,导致信任降级甚至崩塌:责任主体不清,能力参差不齐,利益诉求不一致,责任链路难追溯。数据可信流通 需要从运维信任走向技术信任。

数据20条:建立数据流通体系

建立数据来源可确认、使用范围可界定、流通过程可追湖、安全风险可防范的数据可信流通体系

  • 完善数据全流程合规与监管规则体系
  • 建立数据流通准入标准规则,强化市场主体数据全流程合规治理,确保流通数据来源合法、隐私保护到位、流通和交易规范
  • ……
  • 鼓励探索数据流通安全保障技术、标准、方案

 

  • 信任的基石:
  • 身份可确认
  • 利益可依赖
  • 能力有预期
  • 行为有后果

 

数据流通中的不可信风险:

  • 技术层面
  • 黑客攻击
  • 内鬼泄露数据 持有权保障风险
  • 数据滥用 越权使用
  • 法规层面

 

数据内循环:传统数据安全的信任基础

 

 

数据外循环,信任基石不存在:

  • 责任主体不清
  • 利益诉求不一致
  • 能力参差不齐
  • 责任链路难追溯

 

从运维信任->技术信任

 

 

 

技术信任

技术信任① 可信数字应用身份:证明你是你,从哲学走向技术

  • CA证书:验证机构实体,基于公私钥体系,权威机构注册
  • 远程验证:验证数字应用实体
  • 基于硬件芯片可信根(TPM/TCM)与可信计算体系
  • 已经是等级保护标准的关键组成部分
  • 验证网络上某节点运行的是指定的软件和硬件
  • 甚至不需要知道它在哪儿、是谁在运维
  • 能够远程验证 数字应用的身份,并对执行环境做度量,是技术信任的根基

技术信任② 使用权跨域管控:利益对齐的核心技术要求

  • 对运维人员的限制;
  • 对数据研发过程的管控:
  • 对全链路可信审计的保障

技术体系:包括跨域计算、跨域存储、可信审计等,不允许本地运维单方决策。可以通过 隐私计算、可信计算、机密计算 等不同技术路线实现,但技术要求标准是一致的

 

技术信任③ 能力预期与不可能三角:安全要求,功能复杂度,单位成本

 

《数据安全法》数据分类分级

 

隐语可信隐私计算技术实践

 

技术信任④ :全链路审计,闭环完整的数据可信流通体系

  • 内循环:数据持有方在自己的运维管控域内对自己的数据使用和安全拥有全责
  • 外循环:数据要素在离开持有方管控域后,持有方依然拥有管控需求和责任
  • 控制面:以 可信计算和区块链 为核心支撑技术构建 数据流通管控层,包括 跨域管控 与 全链路审计
  • 数据面:以 隐私计算 为核心支撑技术构建 密态数联网,包括 密态枢纽 与 密态管道

 

  • 数据流通全链路审计:需要覆盖从原始数据到衍生数据的端到端的全过程
  • 密态流通可以破解 网络安全保险(数据要素险)中风险闭环的 两大难题(定责和定损)

技术信任开启数据密态时代,保障广域数据可信流通

数据密态

  • 数据以密态形式流通,保障其存储、计算、运维研发、应用交付直到销毁的全链路安全可控
  • 数据流通领域正在告别数据明文时代,开启“数据密态时代”新征程,确保数据不泄露不滥用

密码学是数据密态本源技术

  • 将访问控制边界从运维人员管控的网络物理边界扩展成密钥管控的虚拟数字空间边界
  • 将对数据的加密保护从存储和传输的静态安全,扩展到计算和研发过程中的动态安全
  • 与可信芯片和机密计算技术协同保障,从而大幅度日降低密态计算的成本,实现低成本密态计算

数据可信流通的基础设施:密态天空计算

密态天空计算 构建 可信数据空间

  • 基于技术信任的跨域管控
  • 基于密态标准的数据互通
  • 基于天空计算的跨云互联
  • 覆盖数据密态流通全链路

 

总结:数据要素可信流通,重构技术信任体系

  • 信任四要素:
  • 身份可确认
  • 利益可依赖
  • 能力有预期
  • 行为有后果
  • 外循环中四要素遭到破坏,导致信任降级甚至崩塌
  • 责任主体不清
  • 能力参差不齐
  • 利益诉求不一致
  • 责任链路难追溯
  • 数据可信流通 需要从运维信任走向技术信任:
  • 可信数字身份:从主体身份扩展至应用身份
  • 使用权的跨域管控:
  • 对齐数据流通链条上的利益诉求
  • 规范化技术要求(incl. 隐私计算、数据沙箱等)
  • 能力预期:通用安全分级标准,平衡功能与成本
  • 全链路审计:覆盖原始数据到衍生数据,责任界定
  • 数据可信流通需要 安全可信基础设施 的融合布局
相关文章
|
22天前
|
机器学习/深度学习 运维 监控
别让运维只会“救火”——用数据点燃业务增长的引擎
别让运维只会“救火”——用数据点燃业务增长的引擎
100 12
|
2月前
|
机器学习/深度学习 存储 运维
数据别乱跑!聊聊智能运维如何减少数据丢失风险
数据别乱跑!聊聊智能运维如何减少数据丢失风险
101 4
|
3月前
|
传感器 边缘计算 运维
AR 虚实叠加技术在工业设备运维中的实现流程方案
AR技术通过虚实信息融合,实现工业设备参数可视化、故障立体化、操作直观化,提升运维效率与精度。结合物联网与数字孪生,打造智能运维新范式。
|
3月前
|
传感器 人工智能 运维
AR技术电力智慧运维白皮书
AR技术正重塑电力运维模式,通过“端-边-云”协同系统,实现设备可视化、远程协作与智能预警,大幅提升效率与安全性,推动电力行业迈入智能运维新时代。
|
3月前
|
机器学习/深度学习 运维 监控
运维不怕事多,就怕没数据——用大数据喂饱你的运维策略
运维不怕事多,就怕没数据——用大数据喂饱你的运维策略
122 0
|
4月前
|
SQL 存储 运维
别让运维数据“各过各的”:聊聊数据湖怎么搭,才能不成“沼泽”
别让运维数据“各过各的”:聊聊数据湖怎么搭,才能不成“沼泽”
148 0
|
1月前
|
数据采集 运维 监控
爬虫与自动化技术深度解析:从数据采集到智能运维的完整实战指南
本文系统解析爬虫与自动化核心技术,涵盖HTTP请求、数据解析、分布式架构及反爬策略,结合Scrapy、Selenium等框架实战,助力构建高效、稳定、合规的数据采集系统。
爬虫与自动化技术深度解析:从数据采集到智能运维的完整实战指南
|
2月前
|
运维 监控 机器人
别等出事才救火:实时监控数据才是运维的救命稻草
别等出事才救火:实时监控数据才是运维的救命稻草
148 8
|
3月前
|
运维 监控 jenkins
企业服务交付慢?运维技术其实就是“加速器”
企业服务交付慢?运维技术其实就是“加速器”
92 5
|
4月前
|
数据采集 运维 数据可视化
如何从“凭经验运维”到“用数据决策”?
在数字化转型加速的今天,企业网络已成为支撑业务运转的“数字血管”。传统依赖经验的运维模式已难适应需求,ManageEngine OpManager 以全链路数据能力,助力企业实现数据驱动的智能运维,提升资源利用率、优化网络性能,推动网络从“被动响应”迈向“主动预测”,为业务连续性与竞争力保驾护航。
76 0

热门文章

最新文章