文章来源：杭州美创科技有限公司
随着企业级业务的快速发展，以及IT系统应用的越来越普遍，企业内部已积累大量的敏感信息和数据，这些敏感的数据，一旦发生泄露、损坏，将会带来不可挽救的损失。也因此，企业越来越重视数据安全建设，并不断采取更先进和安全的措施来保障数据安全。
我们知道，在进行网络安全建设中，企业往往要先了解自己网络中有哪些资产（如：域名、IP、DNS服务器等），尤其是有哪些自己不知道的影子资产。保护数据安全同样如此，企业在数据安全建设之前，必须要知道拥有哪些有价值的和无价值的数据，继而按照数据敏感程度和使用情况提供不同的安全手段。
但是，面对所拥有的庞大数据量，企业并不能实现清晰完整的认知，甚至不知道一些数据正在酝酿的巨大风险，其中就包括大量浅藏在“水下”囤积的数据——暗数据。
一、无处不在的暗数据
2019年，Gartner 发布2019年十大安全项目。其中，暗数据发现作为数据安全领域的技术/项目首次被提出。此外，在2018年的技术成熟度曲线中，Gartner 提出了一个达到炒作顶峰的技术——“文件分析”，该技术的实质是对不断膨胀的、散落在共享文件、邮件、内容协作平台、云端等等各处的非结构化暗数据的发现、梳理与理解。
那么究竟什么是暗数据？为什么暗数据如此受到重视？事实上，暗数据是指组织在正常运营期间例行存储的未被利用的数据。通常情况下此数据不被使用，因为传统关系数据库无法访问它，这源于它的非结构化、无法使用的格式。它就像宇宙中的暗物质，大量充斥。
TRUE Global Intelligence《暗数据现状报告》中显示，企业机构总数据的一半以上（55%）属于暗数据，这意味着他们要么不知道这些数据的存在，要么不知道如何找到、准备、分析或使用这些数据。
Veritas 在2016年的《数据冰山报告》中也提到，企业的数据中，52%为价值尚不明确的暗数据，33%的数据属于对于企业没有价值的冗余、过期或者不重要的陈旧数据——换而言之，我们现在所使用到的储存数据，只占了数据总量的15%。
企业存在如此高比例的暗数据往往有很多原因造成，例如：由于组织和人员的变更或者文档缺少，数据得不到有效的保存，未被利用的数据不断堆积从而发展成为不可被直接认知的暗数据。
二、暗数据的陷阱与风险
企业所拥有的数据规模难以想象，随着时间的推移和企业规模的扩大，积累的数据将越来越多，暗数据也会不断囤积。这些额外的数据不仅会增加公司的运营成本、消耗存储资源、影响用于分析的数据的质量。
更严重的是，这些数据通常不受保护，由此带来大量数据泄露风险和高昂的违规成本：
1、安全风险
企业拥有的暗数据中，可能会包含专用信息、商业机密，以及员工和客户的个人可识别信息，比如财务和医疗记录。但由于企业对自身的数据情况不够了解，无法轻易获知自身哪些数据有价值，因此往往采用宽松的数据安全流程，这便给攻击者打开方便之门。
网络犯罪专家曾表示，当前，黑客攻击策略正在发生变化，攻击者除了窃取传统的敏感数据（比如个人身份数据、财务数据、内部通信数据等），更加青睐于窃取安全保护措施不足的非结构化数据，攻击者可根据这些原本孤立的数据，通过拼凑分析，从而获知企业的业务信息、交易信息、内部交流等内容。
2、违规成本
2018年5月，“通用数据保护条例”（GDPR）执行，无论企业是否在欧盟境内，只要与欧盟企业发生业务往来，或涉及存储、处理、交换任何欧盟公民的数据，都必须严格遵守该条例。
其中相关条款指出，数据主体可以行使所谓的“被遗忘权”，即：数据主体有权要求企业在特定情况下删除其数据，有权被互联网遗忘。
IBM公司在2016年收集的统计数据发现，企业收集的所有数据中70%-80%是“黑暗的”，也就是说，在GDPR法规下，如果企业继续忽略暗数据，那么履行这些要求可能会变得耗时且成本高昂，同时，一旦在违规期间暗数据泄露，企业将遇到更严重的挑战。
三、拨云见日：从数据去认识数据
暗数据中固然有大量没有价值的“垃圾”数据，扫除这些无用数据，毫无疑问可以释放企业大量的网络、存储和计算资源。
不过，对暗数据的一次彻底清理十分耗时且存在安全违规风险，另一方面，大数据时代，暗数据蕴藏着未经发掘的“金矿”，它就好比暗物质（它代表了宇宙中90%以上的物质含量，而我们可见的世界只占宇宙物质的10%不到）主导了宇宙结构的形成一样，暗数据可以让企业把目光瞄准更广泛的数据资源，并从中提炼出商业见解和创新力量。
比如：公共卫生行业可通过以前未使用的数据分析人口群体，预测未来的需求和疾病趋势；零售服务行业通过挖掘更多的暗数据，以获取关于用户偏好的详细信息·····
由此可见，暗数据拥有着无限的潜力，因此识别哪些数据是最宝贵且需要保护的，又有哪些数据是最好清理掉的，就变得十分重要。
但企业在暗数据发现和处理中往往遇到很多困难，比如，在信息化建设过程中，企业积累了众多系统，包括运营系统、HR系统、财务系统、OA系统、网络系统等，各系统之间的数据接口标准不一致，导致数据资产混乱，加之工具的限制，用户难以知晓自己有多少数据库、数据库有多少表、表内的字段代表什么含义。
对此，美创科技从业务系统调研 、业务流程梳理、业务流程分解、数据标准梳理、业务关系梳理等，为企业识别数据资产提供思路，并推出暗数据发现和分类产品。
美创研发的暗数据发现和分类工具，以“从数据认识数据”为理念，产品通过引入自然语言处理、统计模型、特征分析、机器学习等方法，帮助企业全面认识企业内部包含的数据，比如包含哪些类别的数据、哪些数据属于敏感数据。
图：产品优势
在暗数据发现的基础上，只有对数据进行有效分类，才能避免一刀切的控制方式，对此，美创经过大量的案例实践，总结出了数据分级分类的方式，为后续对数据的安全管理采用更加精细的措施提供依据。
包括：
（1）数据分级分类的原则
Ⅰ、分类：依据数据的来源、内容和用途对数据进行分类
Ⅱ、分级：按照数据的价值、内容敏感程度、影响和分发范围不同对数据进行敏感级别划分
（2）数据分级分类方式
Ⅰ、根据梳理出的备案数据资产，进行敏感数据的自动探测，通过特征探测定位敏感数据分布在哪些数据资产中；
Ⅱ、针对敏感的数据资产进行分级分类标记，分类出敏感数据所有者（部门、系统、管理人员等）；
Ⅲ、根据已分类的数据资产由业务部门进行敏感分级，将分类的数据资产划分公开、内部、敏感等不同的敏感级别。
有的放矢，事半功倍。企业在数据安全建设中，针对数据“摸清家底”，尤其暗数据的发现，是帮助企业厘清数据资产，实现分级分类的基础，才能有后续的数据处理、数据管理工作，也才会有基础来扩大企业数据资产。
