创建全面的数据保护方法

组织对数据保护的文化观点决定了数据隐私和安全策略的制定和执行方式。哈佛商学院将“数据道德”定义为与个人可识别信息的收集、保护和使用以及这些行动所带来的影响相关的道德义务。³ 要负责任地做出有关数据的决策，促进可信 AI 的发展，须考虑以下数据道德原则。

数据道德建立了数据管理企业文化，规范了原则行为和实践。理想情况下，这种道德文化和数据素养会在贵组织中生根发芽，开花结果，并反映在产品和运营之中。而数据隐私则是定义策略和实践，以通过人员、业务流程和技术激活这些原则行为，并在从收集到存储的整个数据生命周期内付诸实施。这种方法的本质就是创建并自动执行牢靠的数据治理框架，以此作为 Data Fabric 方法的一部分。

数据治理有助于在限制数据访问以确保隐私与支持更广泛的数据访问以改进分析之间实现平衡。为了使组织能够更加无缝地使用数据，同时防止未经授权的访问，必须实施适当的数据隐私工具，如数据访问控制。将这些与 AI 结合，例如对敏感数据进行匿名化，使其在使用时不会暴露个人身份，或者，可以标记数据以对其实施相关策略。

通过建立适当的数据架构，例如 Data Fabric，并实施严格的数据管理，可有力地确保隐私数据保持私密和安全，同时仍允许数据用户从中获得洞察。

“数据保护框架必须具有极致的弹性和响应能力，能够有效应对法规变化、第三方数据、AI 规则以及未来发展等方面的未知因素。”IBM 首席隐私官办公室服务、合规与研究副总裁兼 Lee Cox 说道，“隐私、道德与数据治理之间的协同作用比我们预想的要强大。而我们现在所拥有的技术使我们能够以前所未有的高效率，充满信心地依靠数据采取行动。”

“技术在不断发展，但威胁也呈指数级与日俱增。”IBM 杰出工程师、数据平台服务全球 CTO Mehdi Charafeddine 这样表示，“幸好，应用数据保护和支持数据隐私的成熟方法越来越多。”

根据 Gartner 的定义，数据安全包含各种流程和相关方法，旨在保护敏感信息资产，无论这些数据在传输过程中还是静态存储中。这就是为什么数据安全实际上涉及用于保护数据隐私的工具和软件，无论是加密、多因素认证、数据掩盖、擦除还是数据弹性。但建立适当的控制与策略不仅仅在于部署适当的应用和算法，还需要转变组织文化。

从技术角度而言，可通过 Data Fabric 架构保护数据，它可以在“前门”保护数据（也就是用户与应用互动以处理数据的环节），还可以在生成和存储数据的来源（“后门”）保护数据，当然也不会漏过两者之间的任何地方。这种“前门/后门”方法对于确保实施适当的数据安全策略和控制至关重要。

“我们的许多客户在多个地理区域开展运营，”IBM 数据治理、数据隐私和数据科学产品管理总监 Priya Krishnan 表示，“因此他们的数据科学家希望数据分析能够覆盖多个地理区域。但由于孤岛式组织架构或没有集中的治理机制，他们往往无法共享数据。他们以前的解决方案是‘想象和模拟数据，然后建立模型’。但实施 Data Fabric 后，组织在实施适当的治理与隐私规则的情况下向数据科学家提供数据，从而使他们确信自己是在实施覆盖整个组织的计划。”

将数据安全措施“编织”到端到端数据管理机制中，对于支持安全和隐私（尤其是对于敏感数据）至关重要。以医院中的医学研究为例。医院可能与第三方专家或数据科学家合作，这些专家需要使用特定数据或应用，但无法看到任何受监管的信息或可识别个人身份的信息。基于角色的自动化数据策略可以支持与不同参与方的合作，同时在应用级别从隐私与合规角度保护数据。同时，要建立可信的 AI，数据必须在存储源头受到保护，例如，用于首先收集数据的本地数据库。否则，如果网络犯罪分子渗透进这些系统，患者信息将处于危险之中。

正确实施的数据安全将人员、流程和技术整合在一起，并建立对 AI 的信任。探索以下最佳实践，使信息安全成为企业中所有领域的优先任务。