确保AI世界中的数据安全：企业数据存储与安全管理 2024.docx

确保AI世界中的数

据安全：企业数据存储与安全管理

数据是成功实现人工智能

的基础和动力

在技术创新日新月异的今天，人工智能的前景及其能

力将彻底改变几乎所有的行业

讨论的核心是所有企业的数据资产。在过去几年中，数据是新的石油已成为一句老生常谈的话，但最近在GenAI方面取得的进展让人们从一个新的角度认识到，这些数据资产对于获得新的独特见解以加速增长是多么重要。

Omdia认为，数据是成功实现人工智能的基础和动力。虽然人工智能驱动的洞察力前景诱人，但必须高度重视基本要素：数据本身、基础设施和存储以及安全性。

为了管理企业分析和人工智能培训所需的各种来源、各种模式和结构的大量数据，企业需要现代化的数据平台来处理数据洪流。同时，保护数据安全和隐私也至关重要。Omdia认为，数据安全是一个不容妥协的领域。

多数企业正处于关键时刻，既要面对人工智能解决方案的诱惑，又要面对未知领域的严峻现实。

在这本电子书中，Omdia探讨了这项技术带来的潜在挑战和机遇，企业在这一动态环境中前进时应加以考虑。

AdamStrange,PrincipalAnalyst,DataSecurityAndrewBrosnan,PrincipalAnalyst,AI

RoyIllsley,ChiefAnalyst

存储、安全和解决方案

人工智能支持的数据安全性足够好吗？

从安全角度看，使用人工智能来更好地理解和保护数据有其强大的理由，但在实际使用人工智能时也有一些关键的考虑因素，其中之一就是人工智能被视为提高数据安全性的强大解决方案。

Omdia建议企业在采用基于人工智能的模型进行数据安全态势管理之前，一定要谨慎行事。

人工智能的主要风险之一在于其根据某些参数提供标准化响应的功能。黑客可以使用这些相同的参数揭示相同的网络安全结果。由于知道态势构成可能导致漏洞被利用，企业需要确保他们不会冒着数据泄露的风险，求助于简单的人工智能模型来回答往往很复杂的安全问题。

在追求进步和创新的过程中，我们的专家建议企业不要忽视或低估以前成功的方法、现有资源、能力或投资。

存储，是确保人工智能的核心要素

主存储器网络安全的重要性怎么强调都不为过–它是任何网络安全战略的重要组成部分。在不断演变的威胁和不断升级的网络风险中，保障数据的完整性和可用性至关重要。

虽然围绕人工智能的大量讨论都集中在计算能力和GPU上，但人工智能发展的核心是数据。这就需要对数据进行细致的标注和安全存储，以确保在训

练人工智能模型时，数据的可访问性与严格的隐私保护措施保持一致。

此外，关于人工智能的讨论往往忽视了人工智能勒索软件迫在眉睫的威胁–勒索软件即服务（RaaS）的出现加剧了这一巨大威胁。应对这一挑战需要积极创新、战略威慑和强大的数据恢复保护，以有效减轻潜在的损害。

在数据分析方面，大量数据从不同来源收集并整合到可扩展的对象存储系统中，特别是来自边缘和远程终端的数据。预计未来的发展轨迹，Omdia认为人工智能存储市场将进入多厂商竞争加剧的阶段。低成本QLC技术的采用、搜索和标记功能的增强以及共享扩展文件访问功能的出现，都将催化这种竞争。

在企业应对错综复杂的现代网络威胁时，将网络恢复集成到存储基础架构的结构中已成为一种战略需要，而不仅仅是一种附加功能。

数据-当今时代的石油

要安全、合规地训练高性能的人工智能模型和强大的数据平台，对全面、高质量数据的需求势在必行。人工智能模型已经发展到可以处理各种数据类

型，如音频、视频甚至基因信息，即非结构化和结构化格式的多模态数据。进一步的创新还为历史数据和实时流数据提供了支持。与基于文本的历史数据相比，这些进步为企业提供了更大的洞察力和商业价值。然而，这些创新也带来了复杂性，企业必须加以解决，以确保有效的数据管理、治理、安全和隐私。

主要挑战之一是在获取综合数据与保护个人隐私之间取得平衡。虽然单独使用数据集可能看起来无害，但与其他数据集结合使用时，可能会导致个人身份被识别，从而引发对数据滥用和隐私泄露的担忧。建立健全的数据安全和隐私措施不仅对建立对人工智能的信任至关重要，而且还能保护组织免受声誉损害和法律影响。

大量与隐私相关的法规和标准进一步强调了严格数据保护实践的重要性。不遵守SOC、ISO、GDPR、CPRA、HIPAA、FedRamp和HiTrust等机构和法规可能导致严重的经济处罚、法律责任甚至监禁。企业必须积极采用隐私增强技术（PET）来降低这些风险。联邦学习、差分隐私、合成数据生成和同态加密等方法既能保护敏感数据，