全球数据安全治理的背景和现状是复杂而严峻的。随着数字经 济的发展,数据已成为国家竞争力的战略资源,但同时也暴露在日 益增长的安全风险之中。数据安全问题不仅涉及个人隐私、重要数 据的保护,更触及国家安全和国际政治经济的多个层面。 数据安全治理在当前面临诸多挑战和问题,比如合规性压力, 89.9%的企业认为合规需求是进行数据安全建设的主要原因,这表 明监管压力是数据安全治理的主要驱动力之一;技术工具能力不足, 超过 50%的企业认为现有数据安全产品/服务无法达到及格标准, 突显了现有数据安全技术工具的不足;数据泄露,《2024 年上半年 数据泄露风险态势报告》显示 2024 年上半年,数据泄露事件数量 达到 16011 起,较 2023 年下半年增长了 59.58%,且黑产交易团伙 数量增长近一倍,显示出数据泄露风险的严峻态势。 综上所述,全球数据安全治理正面临多方面的挑战,需要政府、 企业、组织和个人的共同努力,通过法律、技术、管理和合作等多 方面措施,构建更加安全、高效的数据安全治理体系。 本报告立足我国数据安全产业新发展、新变化、新需求,聚焦 数据安全体系建设,梳理了数据安全能力成熟度模型(以下简称 DSMM)国家标准应用的发展历程和实践情况,首次提出以 DSMM 为 核心的数据安全治理模式的未来发展方向,并进行了预测,最后希 望联合监管部门、第三方机构、数据拥有方、数据方案提供方等数 据安全产业上下游生态,持续推动企业、组织机构在数据安全方面达到更高成熟度水平,构建安全、健康、有序的数据安全产业生态 环境.

1 DSMM标准介绍

《信息安全技术 数据安全能力成熟度模型》(GB/T 37988-2019)(以下简称“DSMM”)是由阿里巴巴联合中国电子技术标准化研究院、国家信息安全工程技术研究中心、中国信息安全测评中心等业内权威机构联合编写的国家标准,于2019年8月30日发布,2020年3月1日正式实施。 DSMM国家标准以组织的数据为中心,围绕数据的采集、传输、存储、处理、交换、销毁全生命周期,从组织建设、制度流程、技术工具、人员能力4个能力维度,按照1-5级成熟度,评价组织的数据安全能力。 2 DSMM评估介绍

2.1 评估依据

数据安全能力成熟度评估(以下简称“DSMM评估”)是依据《信息安全技术 数据安全能力成熟度模型》(GB/T 37988-2019)国家标准和《数据安全能力建设实施指南V1.0》,对组织的数据安全开展能力评估。 2.2 评估内容

DSMM评估以组织为单位,以数据为中心,围绕数据的生命周期,对组织建设、制度流程、技术工具以及人员能力4个能力维度进行评估,涵盖5个成熟度级别、30个数据安全能力过程域和576个基本实践。

图1:DSMM架构图

图2:DSMM数据安全PA体系

图3:数据生命周期 2.3 评估流程

图4:DSMM评估流程 2.4 评估目标

图5:DSMM能力等级划分 2.5 评估交付物

评估结果:DSMM标准重点关注企业业务数据,以衡量组织机构安全能力,全面展示企业数据安全能力项成熟度评估等级。 评估报告:帮助企业展示数据安全能力现状,识别数据安全能力相关问题,给出评估结论、详细评估结果和阶段性安全提升建议等,给出评估等级建议。

图6:DSMM过程域能力等级分布情况(样例) 3 全国DSMM公共服务平台

全国DSMM公共服务平台(dsmm.org.cn)汇集行业最新动态、知识成果,服务于行业数据安全能力的提升。该平台按照DSMM评估标准流程实现了DSMM评估管理的电子化,包括企业信息管理、评估项目管理、证书管理等功能模块。通过该平台,一方面企业可通过评估项目管理模块提交评估申请流程,经审核通过之后可查询当前评估所处的环节;另一方面企业可通过企业信息管理模块查询企业信息,同时在通过评估之后可进行企业证书的查询。

图7:全国DSMM公共服务平台首页

成为VIP会员查看完整内容
24

相关内容

《数据安全治理自动化技术框架》白皮书发布,47页pdf
专知会员服务
58+阅读 · 2022年9月9日
《人工智能安全测评白皮书》,99页pdf
专知会员服务
367+阅读 · 2022年2月26日
联邦学习场景应用研究报告(2022年),72页pdf
专知会员服务
264+阅读 · 2022年2月22日
可信工业数据空间系统架构1.0白皮书,56页pdf
专知会员服务
74+阅读 · 2022年2月3日
数据治理标准化白皮书(2021年), 34页pdf
专知会员服务
232+阅读 · 2022年1月18日
专知会员服务
74+阅读 · 2021年7月24日
专知会员服务
128+阅读 · 2021年6月18日
专知会员服务
49+阅读 · 2021年5月24日
《人工智能安全测评白皮书》,99页pdf
专知
33+阅读 · 2022年2月26日
白皮书 | 工业智能前沿报告,35页pdf
专知
30+阅读 · 2021年3月9日
基于深度学习的数据融合方法研究综述
专知
31+阅读 · 2020年12月10日
国家自然科学基金
2+阅读 · 2015年12月31日
国家自然科学基金
0+阅读 · 2015年12月31日
国家自然科学基金
6+阅读 · 2015年12月31日
国家自然科学基金
19+阅读 · 2015年12月31日
国家自然科学基金
1+阅读 · 2014年12月31日
国家自然科学基金
1+阅读 · 2014年12月31日
国家自然科学基金
5+阅读 · 2014年12月31日
国家自然科学基金
4+阅读 · 2014年12月31日
国家自然科学基金
1+阅读 · 2014年12月31日
国家自然科学基金
30+阅读 · 2014年12月31日
Arxiv
158+阅读 · 2023年4月20日
A Survey of Large Language Models
Arxiv
408+阅读 · 2023年3月31日
Arxiv
147+阅读 · 2023年3月24日
Arxiv
21+阅读 · 2023年3月17日
VIP会员
相关VIP内容
《数据安全治理自动化技术框架》白皮书发布,47页pdf
专知会员服务
58+阅读 · 2022年9月9日
《人工智能安全测评白皮书》,99页pdf
专知会员服务
367+阅读 · 2022年2月26日
联邦学习场景应用研究报告(2022年),72页pdf
专知会员服务
264+阅读 · 2022年2月22日
可信工业数据空间系统架构1.0白皮书,56页pdf
专知会员服务
74+阅读 · 2022年2月3日
数据治理标准化白皮书(2021年), 34页pdf
专知会员服务
232+阅读 · 2022年1月18日
专知会员服务
74+阅读 · 2021年7月24日
专知会员服务
128+阅读 · 2021年6月18日
专知会员服务
49+阅读 · 2021年5月24日
相关基金
国家自然科学基金
2+阅读 · 2015年12月31日
国家自然科学基金
0+阅读 · 2015年12月31日
国家自然科学基金
6+阅读 · 2015年12月31日
国家自然科学基金
19+阅读 · 2015年12月31日
国家自然科学基金
1+阅读 · 2014年12月31日
国家自然科学基金
1+阅读 · 2014年12月31日
国家自然科学基金
5+阅读 · 2014年12月31日
国家自然科学基金
4+阅读 · 2014年12月31日
国家自然科学基金
1+阅读 · 2014年12月31日
国家自然科学基金
30+阅读 · 2014年12月31日
微信扫码咨询专知VIP会员