为了消除由于不断扩大的信息量所带来的威胁,企业领袖们必须重新思考他们在公司内,如何集成数字风险管理战略。
企业信息的快速数字化,对于现代公司业务流程已经产生了积极的影响:数据对于现代公司而言,更容易维护,访问和共享,提供获得更多消费者的机会,并且能够更快的进行业务交易。
然而,数字化也有业务缺点,包括管理由典型的现代企业产生的前所未有的数据量,所带来的附加风险。
“你的用户不仅拥有10年前10倍数量的应用,他们还有多个设备,创建数据并使用,”Gartner研究主任Alan Dayley,在2016 Gartner Security and Risk Management Summit大会上发言。
数字化企业不得不调整他们的治理和合规性流程,同时考虑数字风险管理战略,在不断增加的数据面前,保持成功。一大障碍是源于保留未使用的,“黑暗的”数据和“非结构化”信息的风险,而这些数据并没有业务价值。
相反,黑暗和非结构化数据常常保留在原地,被忽略,直到它带来一个法律,合规或安全问题,而公司事先并不知道。 “我们不删除;没有删除的动力,”Dayley说。“你只需要求更多的存储空间,大部分时间都会获得。”
开发,并且坚持定期删除
数据保留和定期删除可以帮助降低源于没有业务价值的,黑暗或非结构化数据的风险。必须严格遵守删除计划,然而:Gartner的一项研究预测,到2018年,50%的企业会有删除数据政策,但只有10%的企业会完全遵守政策。
Dayley指出,通常公司会继续保留无用的数据,因为他们认为未来也许会因为法律或监管的原因,而有用。但最终,存储太多无用的数据可能比“以防万一”而存储它,更有风险。 “我们发现,当涉及到业务记录和法律法规的数据时,只有2%的非结构化数据实际上属于这一类,”Dayley说。“
如果你有一个保留政策计划,但不遵守它,那在诉讼中,你将面对重大制裁。” 位了使这些删除计划起作用,公司必须清楚他们的数据:他们必须仔细进行数据资产盘点,并对这些信息如何用于业务、GRC,进行分类。
记住,尽管数据分类对数字化业务的成功是至关重要的,它仍然可能不起作用:Gartner预测,到2020年,75%的实施数据分类的企业,将报告有限的部署和实际利益。
这是因为企业的众多信息相关者没有足够的投入——Gartner Research的副总裁Tom Scholtz指的是那些熟悉企业数据“上下文”和其独特风险的一线员工。 “上下文感知不是来自于一个盒子,”Scholtz,在Gartner Security and Risk Management Summit大会上表示。
集成数字风险管理
需要整个企业的投入,才能获得数据的这种上下文感知:和数字化业务的其他方面一样,有效的数字风险管理将严重依赖打破部门之间的孤立。例如,许多企业仍然没能开发跨部门的统一的数据安全政策,在不规范管理,安全漏洞和金融负债上变得易受攻击。
根据Gartner,风险管理高管认为,缺乏跨企业的合作,阻碍了他们预测关键风险的能力。在整个企业内实施精心规划的,积极的IT安全和数字风险管理政策可以帮助缓解这个问题。
但在开发这些政策时,重要的是企业从内部获得数字风险管理的观点,而不是严重依赖外部顾问,Gartner的研究主任,Rob McMillan在Gartner Security and Risk Management Summit大会上说。 “外部的顾问要说出对于企业最大的风险是什么,是很困难的,因为每一个企业的情况都很独特,” McMillan说。
为了进一步消除不断出现的风险,企业应定期评估其IT安全性和GRC投入,以确保他们能够让公司数据避免新的威胁。将这些安全技术和流程应用到公司的所有层面也是重要的——包括应用,基础设施和所有数据。 这需要大量的知识,经验和耐心,而很多公司根本没有资源,Scholtz补充道。 “在完美的世界里,安全应该被纳入企业的日常——行为,技术的一部分”Scholtz说。“这在短期内不会发生。” 为了帮助推动集成,McMillan推荐结合和/或替换孤立的GRC软件,来创建一个集成的风险管理解决方案。 公司可以识别集成风险管理架构中存在的差距,从而进一步防范未来的风险,他补充说。
McMillan还重申,重要的是,在GRC集成流程的早期,要确定所有公司的GRC相关人员,包括董事会成员和高级管理人员。 公司也可以考虑发展一个“数字风险官”的职位,McMillan认为,随着企业逐渐意识到IT和信息风险与业务成果之间的因果关系,这一职位已经越来越受欢迎。 “风险不是一件坏事;你只需要聪明的进行管理,” McMillan说。
好文章,需要你的鼓励
生成式AI的兴起让谷歌和Meta两大科技巨头受益匪浅。谷歌母公司Alphabet第三季度广告收入同比增长12%达742亿美元,云服务收入增长33%至151.5亿美元,季度总收入首次突破千亿美元大关。Meta第三季度收入512.5亿美元,同比增长26%。两家公司都将大幅增加AI基础设施投资,Meta预计2025年资本支出提升至700亿美元,Alphabet预计达910-930亿美元。
上海交通大学团队提出EPIC框架,通过渐进一致性蒸馏技术解决多模态AI的计算效率问题。该方法采用师生教学和分层压缩策略,让AI模型逐步适应视觉令牌压缩,在保留128个视觉令牌时仍达到完整模型准确率,同时计算量减少83.9%,为资源受限环境下的AI部署提供了实用解决方案。
谷歌DeepMind开发的多智能体AI系统通过让多个AI代理相互协作、讨论和辩论来解决复杂问题。该系统在医疗领域表现出色,能够在两天内完成人类十年的研究成果,包括发现新的药物重新定位候选物和治疗方案。AI临床医生"Amy"不仅能生成更好的诊断方案,还表现出比人类医生更强的同理心。这项技术有望在十年内实现零边际成本的全球医疗服务普及。
香港大学团队发明了一种"乐高式"机器人AI组合技术,能够将多个不同的AI模型巧妙组合,产生超越任何单个模型的性能。该技术通过数学方法证明了模型组合的有效性,并在真实机器人上验证成功。这种方法不需要重新训练,成本低廉,可兼容各种不同类型的AI模型,为构建更智能可靠的机器人系统提供了全新思路。