至顶网CIO与应用频道 11月28日 北京消息:据Gartner预计, 到2020年,全球联网使用的移动设备数量将达到208亿。企业对BYOD移动办公方式的不断接纳,让移动设备逐渐成为企业办公的利器。但是BYOD给企业带来便利的同时也给企业带来了全新的挑战,尤其是当涉及到移动设备安全性的问题时。防止数据丢失、控制访问权限、内容防下载以及阻止移动恶意软件感染等都是需要企业解决的重要安全问题。但是谁能保证移动化的安全,在移动设备出现问题时,企业又该如何去解决这棘手的问题?
随着移动化的不断发展,在企业对移动设备安全管理需求不断提高的背景下,企业移动设备安全整体解决方案成为企业首选方案。从最初的MDM(移动设备管理)衍生到功能更强大、管理更全面的EMM(企业移动管理平台),其中标志性的优势就是EMM为企业IT部门提供更多的安全管控功能,这些安全管控不仅仅针对移动设备。EMM平台的基本组件包括设备管理、应用管理、内容管理,数据管理以及电子邮件和安全浏览器的管理。在国内众多EMM厂商中,我们选取智衍信息作为典型厂商,通过分析智衍信息的ZIYA企业移动管理平台的产品特点,让企业对移动设备的安全管控有个大致了解。
数据安全
移动设备的丢失会给企业数据安全带来威胁,尤其是设备上的应用数据和客户数据一旦被非法使用或是被竞争对手拿到,会让企业遭受到巨大的经济损失。对于数据安全管理,企业可以选择容器技术,可以让员工在BYOD设备中设置区分个人数据和企业数据。以电子邮件为例,电子邮件客户端的容器可以区分员工的企业邮件和个人邮件。并且对在容器内的企业数据进行安全防护,防止对数据进行复制、下载、截屏和拍照等操作。
应用安全
移动化的快速发展,将应用安全从传统的桌面带入移动应用时代。移动应用风险为企业业务安全也带来了不确定因素,移动应用安全也成为企业关注的焦点。据了解,对于企业应用安全管控的问题,智衍信息的MAM(移动应用管理),为企业提供统一的内部应用发布和管理。并可以结合应用策略,对远端移动设备的应用进行应用身份验证、应用功能限制、黑白名单以及远程强制安装和应用卸载与关闭等管理。
内容安全
企业员工需要随时随地访问企业共享文件,但是为了保障企业移动数据的安全,防止企业敏感信息泄露,企业则需通过MCM(移动内容管理)对企业共享文件进行安全防护。而智衍信息的MCM通过容器技术,可以隔离、监控和控制敏感信息的分发与访问,防止数据被传送、复制和盗用,并且对含有机密的文件启动自动保护机制。如设备丢失、被盗或是员工离职,管理员可以通过管理后台对设备进行远程擦除操作。大多数企业将移动设备的安全性放在第一位,特别是在BYOD应用场景中,所以MCM是企业移动管理的重要组成部分。
用户行为安全
据美国波耐蒙研究所的一项调查显示,损失最为惨重的网络犯罪案件多数是企业内部人员监守自盗导致,因此企业亟需一种对付恶意内部人员的高级技术。智衍信息的用户行为安全功能,不仅仅可以关注初始登录操作,还可以对员工的输入行为进行跟踪包括输入信息和输入时间。以及对关键词进行过滤,一旦员工输入信息涉及敏感词汇,会提示员工删除。同时ZIYA安全浏览器为企业提供专业安全的网络访问,只允许安全浏览器访问内网服务器,关闭其他浏览器的访问权限。安全浏览器所有访问记录可查,实现行为审计。
BYOD作为移动办公的新技术,正在悄悄的改变传统企业业务的办公方式,为企业提供高效率的办公环境。企业应当正视其存在的安全隐患,并找到适合的移动安全解决方案,才会拥有更加安全的移动办公环境,才能让成为提升工作效率的利器。
好文章,需要你的鼓励
随着大语言模型在人工智能时代展现强大力量,可穿戴设备成为收集人体数据的重要载体。通过实时监测血压、心率、血糖等生命体征,结合AI边缘计算能力,医疗正向个性化转型。基因治疗、数字孪生技术让每个人都能拥有专属的医疗数字化身,实现从"报销型医疗"向"创新循证医疗"的转变,为疾病预防和健康管理带来革命性突破。
哥伦比亚大学研究团队开发了MathBode动态诊断工具,通过让数学题参数按正弦波变化来测试AI的动态推理能力。研究发现传统静态测试掩盖了AI的重要缺陷:几乎所有模型都表现出低通滤波特征和相位滞后现象,即在处理快速变化时会出现失真和延迟。该方法覆盖五个数学家族的测试,为AI模型选择和部署提供了新的评估维度。
在巴黎举办的欧洲开放基础设施峰会期间,专门用一整天时间讨论VMware迁移问题。博通收购VMware后许可证价格上涨,导致客户运营成本大幅增加。开源开发者展示了将VMware虚拟机迁移到开源替代方案的产品。Forrester分析师指出VMware客户对此感到信任破裂。OpenStack等开源解决方案虽然复杂度较高,但提供了健康的开源生态系统替代方案。
这项研究首次发现AI推理模型存在"雪球效应"问题——推理过程中的小错误会逐步放大,导致AI要么给出危险回答,要么过度拒绝正常请求。研究团队提出AdvChain方法,通过训练AI学习"错误-纠正"过程来获得自我纠错能力。实验显示该方法显著提升了AI的安全性和实用性,用1000个样本达到了传统方法15000个样本的效果,为AI安全训练开辟了新方向。