近年来随着数据安全建设的持续推进越来越多的单位已经完成了数据分类分级、数据库审计、访问控制、数据脱敏等基础能力建设。数据安全建设进入下半场最大的瓶颈不再是缺产品而是缺运营缺乏把安全产品真正“运营起来”的能力和人才。近期中国互联网协会数字政府工作委员会主办“政务领域人工智能的发展与安全”主题沙龙聚焦政务AI创新应用与安全治理搭建产学研用交流对接平台探讨平衡技术发展与风险防控的可行路径。美创专家薛恺受邀分享《AI赋能数据安全运营从人工研判走向智能协同》主题内容。以下内容根据现场分享整理。1、数据安全建设进入下半场最大的挑战是运营过去几年数据安全建设重点关注能力补齐l 是否建立了数据分类分级体系l 是否具备数据库审计能力l 是否能够发现异常访问行为l 是否建立访问控制和权限管理机制l 是否具备数据脱敏和防泄漏能力这些都是数据安全体系建设的重要基础。但随着建设逐步完成进入持续运营阶段用户更关心l 面对海量日志和多源数据哪些是真正需要关注的风险l 告警能不能被业务和运维人员看懂l 安全事件从发现、研判、通报到整改能不能形成闭环l 处置经验能不能沉淀下来形成可持续复用的运营能力这表明数据安全建设的核心矛盾正在从“能力缺失”转向“运营不足”。2、AI最大的价值不是替代专家而是复制专家谈到AI很多人首先想到的是自动化。但在数据安全运营领域AI带来的变化首先是解决“理解问题”即从“看见风险”到“看懂风险”。从实际应用来看AI赋能数据安全运营最大的价值不是替代安全专家而是将专家能力平台化、知识化和流程化、让专家能力可复制、可放大、可持续从而帮助普通运营人员快速获得专家级能力支持。从这个角度看AI的价值不只是“自动化”更是“平民化”。将专家经验转化为组织能力让非专家也能更快理解风险让安全专家的经验可以沉淀复用让跨部门协作中的信息表达更清晰让风险从发现到处置的链路更顺畅。3、数据安全运营正迈向“多智能体协同”数据安全运营是一项复杂的系统工程既涉及数据资产管理也涉及身份权限治理既涉及风险识别分析也涉及处置流程执行既需要技术判断也需要管理协同。因此单一AI助手很难覆盖完整运营链路。更合理的方式是围绕数据安全运营中的关键环节构建多智能体协同体系。在美创科技的实践探索中数据安全多智能体可以理解为现有数据安全能力之上的智能协同层。它不是推倒原有安全体系而是在已有产品、数据、知识和运营体系基础上进一步增强分析、研判和协同能力。数据安全多智体产品架构美创数据数据安全七大智能体可以分为两大类核心智能体、运营辅助智能体。3.1核心智能体核心智能体主要围绕四类任务展开l 资产智能体回答“有哪些资产、重要程度如何、边界在哪里”。关注资产发现、资产目录构建、资产标签标注、资产关联关系、活跃度和敏感度识别帮助用户先把关键数据资产看清楚。l 身份智能体回答“谁在访问、是否可信、权限是否合理”。从人员、终端、应用、账号等维度构建身份画像关联组织架构、岗位职责和访问习惯支撑动态权限管理和最小权限治理。l 风险智能体回答“这次行为是否异常、是不是值得处置”。不仅看单条规则命中还结合资产重要性、身份特征、历史行为和业务上下文对风险进行验证、降噪和评分提升真实风险识别能力。l 处置智能体回答“发现问题后该怎么处理”。基于风险等级、资产价值、身份属性和业务影响生成处置建议支持人工确认、自动流转、联动执行和结果回写。3.2运营辅助智能体在此基础上还有运营辅助智能体协同参与整个运营过程l 专家智能体面向安全运营与数据治理场景支持安全问答、策略解释、合规咨询和处置建议沉淀等。l 审核智能体用于SQL、API请求和高危操作的审查辅助审批人员判断是否越权、是否合规、是否存在高风险。l 报告智能体则根据日志、告警、主题等要求自动生成专项分析、合规报告和趋势汇报。这些智能体职责不同通过上下文共享、知识协同和任务编排最终形成完整运营链路资产识别 → 身份验证 → 风险研判 → 处置建议 → 结果反馈 → 知识沉淀持续优化数据安全防护能力。美创多智能体协同4、AI优先解决高频、复杂且依赖经验的问题从实际落地来看AI赋能数据安全运营并不需要一开始追求“全自动”而应优先聚焦高频、复杂且高度依赖专家经验的核心场景l 高价值数据访问保护场景面对海量数据资产和访问行为AI能够结合资产、身份、风险与处置能力识别关键数据流向判断异常访问真实性定位问题链路并辅助平衡安全与业务需求。l 在身份与权限治理场景中AI可构建身份画像关联人员、账号、终端、应用及历史行为发现权限过大、异常访问和账号滥用等问题持续推动最小权限原则落地。l 对于高危操作审核AI不仅关注操作本身更能结合执行人身份、业务场景、审批记录和影响范围判断操作是否合理、是否越权以及是否需要拦截。l 在安全运营汇报方面AI可自动汇总风险趋势、重点资产访问情况、处置闭环进展和权限治理成效提升运营成果的可视化与汇报效率。这些场景有一个共同特点不仅依赖规则更依赖上下文理解、经验积累和推理判断——这正是AI擅长的地方。而从实践来看AI在数据安全运营中的应用不应追求一步到位更稳妥的路径是分阶段建设、分场景验证、逐步形成闭环。AI赋能数据安全运营落地路径当前AI已成为数据安全领域最受关注的技术方向之一。数据安全的长期价值不在于建设了多少安全能力而在于这些能力能否持续运行、持续产生判断、持续支撑业务发展。这正是AI赋能数据安全运营的真正意义所在。作为国内专业数据安全企业美创科技长期深耕数据安全领域基于创新韧性数据安全框架深入落地“AI数据安全”战略围绕数据安全、运行安全、安全运维服务三大业务方向不断探索AI在真实运营场景中的应用价值。
AI赋能：数据安全运营走向“多智能体协同”
近年来随着数据安全建设的持续推进越来越多的单位已经完成了数据分类分级、数据库审计、访问控制、数据脱敏等基础能力建设。数据安全建设进入下半场最大的瓶颈不再是缺产品而是缺运营缺乏把安全产品真正“运营起来”的能力和人才。近期中国互联网协会数字政府工作委员会主办“政务领域人工智能的发展与安全”主题沙龙聚焦政务AI创新应用与安全治理搭建产学研用交流对接平台探讨平衡技术发展与风险防控的可行路径。美创专家薛恺受邀分享《AI赋能数据安全运营从人工研判走向智能协同》主题内容。以下内容根据现场分享整理。1、数据安全建设进入下半场最大的挑战是运营过去几年数据安全建设重点关注能力补齐l 是否建立了数据分类分级体系l 是否具备数据库审计能力l 是否能够发现异常访问行为l 是否建立访问控制和权限管理机制l 是否具备数据脱敏和防泄漏能力这些都是数据安全体系建设的重要基础。但随着建设逐步完成进入持续运营阶段用户更关心l 面对海量日志和多源数据哪些是真正需要关注的风险l 告警能不能被业务和运维人员看懂l 安全事件从发现、研判、通报到整改能不能形成闭环l 处置经验能不能沉淀下来形成可持续复用的运营能力这表明数据安全建设的核心矛盾正在从“能力缺失”转向“运营不足”。2、AI最大的价值不是替代专家而是复制专家谈到AI很多人首先想到的是自动化。但在数据安全运营领域AI带来的变化首先是解决“理解问题”即从“看见风险”到“看懂风险”。从实际应用来看AI赋能数据安全运营最大的价值不是替代安全专家而是将专家能力平台化、知识化和流程化、让专家能力可复制、可放大、可持续从而帮助普通运营人员快速获得专家级能力支持。从这个角度看AI的价值不只是“自动化”更是“平民化”。将专家经验转化为组织能力让非专家也能更快理解风险让安全专家的经验可以沉淀复用让跨部门协作中的信息表达更清晰让风险从发现到处置的链路更顺畅。3、数据安全运营正迈向“多智能体协同”数据安全运营是一项复杂的系统工程既涉及数据资产管理也涉及身份权限治理既涉及风险识别分析也涉及处置流程执行既需要技术判断也需要管理协同。因此单一AI助手很难覆盖完整运营链路。更合理的方式是围绕数据安全运营中的关键环节构建多智能体协同体系。在美创科技的实践探索中数据安全多智能体可以理解为现有数据安全能力之上的智能协同层。它不是推倒原有安全体系而是在已有产品、数据、知识和运营体系基础上进一步增强分析、研判和协同能力。数据安全多智体产品架构美创数据数据安全七大智能体可以分为两大类核心智能体、运营辅助智能体。3.1核心智能体核心智能体主要围绕四类任务展开l 资产智能体回答“有哪些资产、重要程度如何、边界在哪里”。关注资产发现、资产目录构建、资产标签标注、资产关联关系、活跃度和敏感度识别帮助用户先把关键数据资产看清楚。l 身份智能体回答“谁在访问、是否可信、权限是否合理”。从人员、终端、应用、账号等维度构建身份画像关联组织架构、岗位职责和访问习惯支撑动态权限管理和最小权限治理。l 风险智能体回答“这次行为是否异常、是不是值得处置”。不仅看单条规则命中还结合资产重要性、身份特征、历史行为和业务上下文对风险进行验证、降噪和评分提升真实风险识别能力。l 处置智能体回答“发现问题后该怎么处理”。基于风险等级、资产价值、身份属性和业务影响生成处置建议支持人工确认、自动流转、联动执行和结果回写。3.2运营辅助智能体在此基础上还有运营辅助智能体协同参与整个运营过程l 专家智能体面向安全运营与数据治理场景支持安全问答、策略解释、合规咨询和处置建议沉淀等。l 审核智能体用于SQL、API请求和高危操作的审查辅助审批人员判断是否越权、是否合规、是否存在高风险。l 报告智能体则根据日志、告警、主题等要求自动生成专项分析、合规报告和趋势汇报。这些智能体职责不同通过上下文共享、知识协同和任务编排最终形成完整运营链路资产识别 → 身份验证 → 风险研判 → 处置建议 → 结果反馈 → 知识沉淀持续优化数据安全防护能力。美创多智能体协同4、AI优先解决高频、复杂且依赖经验的问题从实际落地来看AI赋能数据安全运营并不需要一开始追求“全自动”而应优先聚焦高频、复杂且高度依赖专家经验的核心场景l 高价值数据访问保护场景面对海量数据资产和访问行为AI能够结合资产、身份、风险与处置能力识别关键数据流向判断异常访问真实性定位问题链路并辅助平衡安全与业务需求。l 在身份与权限治理场景中AI可构建身份画像关联人员、账号、终端、应用及历史行为发现权限过大、异常访问和账号滥用等问题持续推动最小权限原则落地。l 对于高危操作审核AI不仅关注操作本身更能结合执行人身份、业务场景、审批记录和影响范围判断操作是否合理、是否越权以及是否需要拦截。l 在安全运营汇报方面AI可自动汇总风险趋势、重点资产访问情况、处置闭环进展和权限治理成效提升运营成果的可视化与汇报效率。这些场景有一个共同特点不仅依赖规则更依赖上下文理解、经验积累和推理判断——这正是AI擅长的地方。而从实践来看AI在数据安全运营中的应用不应追求一步到位更稳妥的路径是分阶段建设、分场景验证、逐步形成闭环。AI赋能数据安全运营落地路径当前AI已成为数据安全领域最受关注的技术方向之一。数据安全的长期价值不在于建设了多少安全能力而在于这些能力能否持续运行、持续产生判断、持续支撑业务发展。这正是AI赋能数据安全运营的真正意义所在。作为国内专业数据安全企业美创科技长期深耕数据安全领域基于创新韧性数据安全框架深入落地“AI数据安全”战略围绕数据安全、运行安全、安全运维服务三大业务方向不断探索AI在真实运营场景中的应用价值。
